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

I moderni veicoli elettrici si affidano a motori potenti che devono essere incredibilmente compatti ed efficienti per azionare le ruote. Tuttavia, man mano che queste macchine concentrano più potenza in spazi ridotti, generano un calore intenso. Se questo calore non viene rimosso rapidamente, il motore può guastarsi o perdere prestazioni. Per le prime generazioni di auto elettriche, gli ingegneri utilizzavano camicie d'acqua che raffreddavano l'esterno del motore, ma questo metodo è come cercare di raffreddare una tazza di caffè caldo soffiando sul bordo; il calore dal centro impiega troppo tempo per uscire. Per risolvere questo problema, l'industria si sta spostando verso il raffreddamento diretto, dove l'olio viene spruzzato direttamente sui componenti interni, specificamente sui fili di rame alle estremità del motore. Questo olio agisce come un fluido non conduttivo che trasporta via il calore rapidamente, permettendo al motore di funzionare a temperature più alte e velocità maggiori senza rompersi. La sfida per gli ingegneri è prevedere esattamente quanto bene questo olio raffredderà le forme complesse e aggrovigliate dei fili, un compito che richiede sofisticate simulazioni al computer per evitare di costruire prototipi costosi che non funzionano.

Un team di ricercatori dell'Università di Navarra e della Dauch Corporation si è posto l'obiettivo di testare due diversi modi per simulare questo processo di raffreddamento con olio. Volevano sapere quale metodo informatico potesse prevedere la temperatura del motore con la massima precisione utilizzando la minima quantità di potenza di calcolo. Per trovare la risposta, hanno prima costruito un modello fisico di prova. Hanno preso uno statore reale di un motore, ovvero la parte stazionaria del motore che contiene gli avvolgimenti di rame, e lo hanno posizionato all'interno di un contenitore di plastica trasparente. Questo contenitore permetteva loro di osservare il flusso dell'olio pur mantenendolo contenuto. Hanno fatto passare elettricità attraverso i fili per generare calore, proprio come farebbe un motore reale, e hanno utilizzato sensori precisi per misurare la temperatura in vari punti. Hanno testato il sistema con l'olio che fluiva a due diverse velocità e a due diverse temperature di partenza, creando un insieme affidabile di dati del mondo reale da confrontare con i loro modelli informatici.

Successivamente, i ricercatori hanno eseguito due distinti tipi di simulazioni al computer per vedere quanto ben corrispondessero all'esperimento fisico. Il primo metodo, noto come Metodo dei Volumi Finiti, suddivide lo spazio attorno al motore in milioni di minuscole scatole fisse. Traccia come l'olio e l'aria si muovono attraverso queste scatole, calcolando come il liquido gocciola e si diffonde sui fili. Questo approccio è molto dettagliato e versatile, capace di mostrare esattamente come l'olio interagisce con il metallo solido, ma è estremamente lento. Il secondo metodo, chiamato Simulazione a Particelle in Movimento, non utilizza scatole fisse. Invece, tratta l'olio come una collezione di singole particelle che si muovono nello spazio. Questo approccio è molto più veloce perché non ha bisogno di calcolare l'aria vuota attorno al motore nello stesso modo, ma richiede un passaggio separato per capire come il calore si muove all'interno dei fili metallici solidi.

Quando il team ha confrontato i risultati di entrambe le simulazioni con le loro misurazioni fisiche, ha scoperto che entrambi i metodi erano straordinariamente accurati nel prevedere la temperatura media dei fili raffreddati a olio. Il metodo dettagliato, basato sulle scatole, corrispondeva quasi perfettamente alle temperature del mondo reale, mentre il metodo basato sulle particelle era anch'esso molto vicino, sebbene occasionalmente facesse fatica a prevedere i punti più caldi quando il flusso d'olio era più lento. Il metodo delle particelle si è dimostrato significativamente più veloce, richiedendo solo poche ore per girare su una potente scheda grafica, mentre il metodo basato sulle scatole richiedeva giorni per girare su un grande server. Questa differenza di velocità è fondamentale per gli ingegneri che devono testare rapidamente molti design diversi. I ricercatori hanno anche scoperto che il metodo delle particelle era in realtà migliore nel prevedere la temperatura sul lato del motore che non veniva spruzzato con l'olio, probabilmente perché l'altro metodo semplificava troppo la struttura metallica per essere pienamente accurato.

La scoperta più significativa dello studio è stata ciò che è accaduto quando i ricercatori hanno preso i dati termici dettagliati da queste simulazioni e li hanno inseriti in un modello più semplice e veloce utilizzato per la progettazione quotidiana. Questo modello più semplice, noto come rete termica, si basa solitamente su stime approssimative di quanto l'olio raffreddi il motore. Quando il team ha sostituito quelle stime con i dati precisi delle loro simulazioni avanzate, il modello semplice è diventato incredibilmente accurato. Si è trasformato da uno strumento che poteva sbagliare di decine di gradi in un predittore affidabile che corrispondeva ai test del mondo reale. Ciò significa che gli ingegneri possono ora utilizzare modelli semplici e veloci per progettare sistemi di raffreddamento con la fiducia di una simulazione complessa e lenta, a condizione di calibrarli prima con dati di alta qualità. Lo studio conclude che, sebbene il metodo dettagliato e più lento offra una grande flessibilità, il metodo delle particelle, più veloce, è un'ottima scelta per simulare il raffreddamento a getto d'olio, offrendo un nuovo modo potente per progettare la prossima generazione di motori elettrici.