Experimentally Validated Comparison of Two CFD Simulation Workflows for Oil Jet Cooling and LPTN Improvement

Les véhicules électriques modernes reposent sur des moteurs puissants qui doivent être incroyablement compacts et efficaces pour entraîner les roues. Cependant, à mesure que ces machines concentrent plus de puissance dans des espaces plus restreints, elles génèrent une chaleur intense. Si cette chaleur n'est pas évacuée rapidement, le moteur peut tomber en panne ou perdre en performance. Pour les premières générations de voitures électriques, les ingénieurs utilisaient des chemises d'eau qui refroidissaient l'extérieur du moteur, mais cette méthode revient à essayer de refroidir une tasse de café chaud en soufflant sur le bord ; la chaleur du centre met trop de temps à s'échapper. Pour résoudre ce problème, l'industrie se tourne vers le refroidissement direct, où l'huile est pulvérisée directement sur les composants internes, plus précisément sur les fils de cuivre aux extrémités du moteur. Cette huile agit comme un fluide non conducteur qui évacue rapidement la chaleur, permettant au moteur de fonctionner plus intensément et plus rapidement sans se détériorer. Le défi pour les ingénieurs est de prédire exactement avec quelle efficacité cette huile refroidira les formes complexes et entrelacées des fils, une tâche qui nécessite des simulations informatiques sophistiquées pour éviter de construire des prototypes coûteux qui ne fonctionnent pas.

Une équipe de chercheurs de l'Université de Navarre et de Dauch Corporation s'est donné pour mission de tester deux manières différentes de simuler ce processus de refroidissement par huile. Ils voulaient savoir quelle méthode informatique pouvait prédire la température du moteur avec le plus de précision tout en utilisant le moins de puissance de calcul. Pour trouver la réponse, ils ont d'abord construit un modèle physique de test. Ils ont pris un stator de moteur réel, qui est la partie stationnaire du moteur contenant les bobinages de cuivre, et l'ont placé à l'intérieur d'un récipient en plastique transparent. Ce récipient leur permettait d'observer l'écoulement de l'huile tout en la contenant. Ils ont fait passer l'électricité à travers les fils pour générer de la chaleur, tout comme le ferait un vrai moteur, et ont utilisé des capteurs précis pour mesurer la température en divers points. Ils ont testé le système avec l'huile circulant à deux vitesses différentes et à deux températures initiales différentes, créant ainsi un ensemble fiable de données réelles à comparer avec leurs modèles informatiques.

Les chercheurs ont ensuite lancé deux types distincts de simulations informatiques pour voir comment ils correspondaient à l'expérience physique. La première méthode, connue sous le nom de Méthode des Volumes Finis, divise l'espace autour du moteur en des millions de petites boîtes fixes. Elle suit la façon dont l'huile et l'air se déplacent à travers ces boîtes, calculant comment le liquide goutte et se répand sur les fils. Cette approche est très détaillée et polyvalente, capable de montrer exactement comment l'huile interagit avec le métal solide, mais elle est extrêmement lente. La seconde méthode, appelée Simulation de Particules en Mouvement, n'utilise pas de boîtes fixes. Au lieu de cela, elle traite l'huile comme une collection de particules individuelles se déplaçant dans l'espace. Cette approche est beaucoup plus rapide car elle n'a pas besoin de calculer l'air vide autour du moteur de la même manière, mais elle nécessite une étape distincte pour déterminer comment la chaleur se déplace à l'intérieur des fils métalliques solides.

Lorsque l'équipe a comparé les résultats des deux simulations à leurs mesures physiques, elle a constaté que les deux méthodes étaient remarquablement précises pour prédire la température moyenne des fils refroidis par huile. La méthode détaillée, basée sur des boîtes, correspondait presque parfaitement aux températures du monde réel, tandis que la méthode basée sur des particules était également très proche, bien qu'elle ait parfois eu du mal à prédire les points les plus chauds lorsque le débit d'huile était plus lent. La méthode par particules s'est avérée nettement plus rapide, ne nécessitant que quelques heures pour s'exécuter sur une carte graphique puissante, alors que la méthode basée sur des boîtes nécessitait plusieurs jours de fonctionnement sur un serveur important. Cette différence de vitesse est cruciale pour les ingénieurs qui doivent tester rapidement de nombreux designs différents. Les chercheurs ont également découvert que la méthode des particules était en fait meilleure pour prédire la température sur le côté du moteur qui n'était pas pulvérisé par l'huile, probablement parce que l'autre méthode simplifiait trop la structure métallique pour être pleinement précise.

La découverte la plus significative de l'étude a été ce qui s'est produit lorsque les chercheurs ont pris les données de chaleur détaillées de ces simulations pour les injecter dans un modèle plus simple et plus rapide utilisé pour la conception quotidienne. Ce modèle plus simple, appelé réseau thermique, repose généralement sur des estimations approximatives de l'efficacité du refroidissement du moteur par l'huile. Lorsque l'équipe a remplacé ces estimations par les données précises de leurs simulations avancées, le modèle simple est devenu incroyablement précis. Il est passé d'un outil pouvant être erroné de plusieurs dizaines de degrés à un prédicteur fiable qui correspondait aux tests du monde réel. Cela signifie que les ingénieurs peuvent désormais utiliser des modèles simples et rapides pour concevoir des systèmes de refroidissement avec la confiance d'une simulation complexe et lente, à condition de les calibrer d'abord avec des données de haute qualité. L'étude conclut que si la méthode détaillée et plus lente offre une grande flexibilité, la méthode des particules, plus rapide, est un excellent choix pour simuler le refroidissement par jet d'huile, offrant une nouvelle voie puissante pour concevoir la prochaine génération de moteurs électriques.