CFD: Wat is het en hoe helpt dit F1-teams bij ontwikkeling?

Er zijn veel begrippen in de autosport die door veel mensen worden gebruikt zonder dat ze precies weten wat ze betekenen. Een daarvan is CFD, of Computational Fluid Dynamics. In zekere zin omschrijft de term het al precies, maar drie simpele woorden kunnen ook geen recht doen aan een immens complex onderwerp. In theorie kunnen de verschillende toestanden van elk fysisch systeem wiskundig berekend worden. Soms is dit eenvoudig, zoals het geval van een voorwerp dat in een vacuüm valt. Soms is het moeilijker, zoals het berekenen van de spanning van een object met een complexe vorm onder belasting. Als het gaat om het voorspellen van de luchtstroom over en rond een F1-auto, wordt het probleem enorm complex, maar niet onoplosbaar met een redelijke mate van nauwkeurigheid.

De berekeningen om dit probleem op te lossen zijn gebaseerd op de Navier-Stokes-vergelijkingen die, toen Sir George Stokes halverwege de negentiende eeuw een methode toevoegde om de viskeuze termen op te lossen, een bruikbare manier werden om luchtstromingen te voorspellen. Helaas was het voor de komst van computers onpraktisch om de vergelijkingen voor een zinvol probleem op te lossen. Hoewel er werd gewerkt op de primitieve computers die in de jaren 50 bestonden, werd pas in 1967 het eerste artikel gepubliceerd waarin oplossingen werden voorgesteld voor 3D-stromingsproblemen. In de jaren 60 en 70 werd aan het Imperial College in Londen gewerkt aan de ontwikkeling van de techniek, wat leidde tot de eerste commerciële code, Phoenics, die in 1981 werd uitgebracht.

Tegen het einde van de jaren 1980 keken F1-teams naar het gebruik van CFD om eenvoudige optimalisaties te begeleiden. Ik werkte bij Benetton en we investeerden in wat toen een geavanceerd Sun Sparc-werkstation was met een snelheid van 25 MHz en 64 MB RAM, aanzienlijk minder dan een moderne telefoon. Hiermee en met een vereenvoudigde implementatie van CFD, paneelmethoden genaamd, konden we een aantal basis oppervlaktedrukprofielen van onze achtervleugels bekijken. Hoewel eenvoudig, was dit de eerste keer dat we afstapten van puur empirische aerodynamica.

Turbulente stroming

Hoewel het spannend was om eindelijk wat inzicht te krijgen en het te gebruiken om de prestaties te verbeteren, was de methode uiterst beperkt. Het was tweedimensionaal en werkte alleen echt om de stroming aan het oppervlak te onderzoeken. De volgende stap voorwaarts kwam met verbeterde commerciële codes in het begin van de jaren 90. Ook computers ontwikkelden zich snel en F1-teams omarmden deze nieuwe technologie.

Hoewel een F1-auto fenomenale aerodynamische prestaties levert, is het erg moeilijk om deze te simuleren omdat de luchtstroming rond de auto veel complexer is dan bijvoorbeeld bij een vliegtuig. De stroming komt los van talloze delen van de auto en valt uiteen in turbulente wervelingen. Deze zijn nog moeilijker te voorspellen en we werden nog steeds gehinderd door het feit dat, terwijl de 3D-solvers de eenvoudigere delen van de Navier-Stokes vergelijkingen aankonden, ze moeite hadden met turbulente stroming.

Als industrie was F1 instrumenteel in het stimuleren van de leveranciers van CFD-software om de turbulentiemodellering te verbeteren en het was hierdoor dat de methode redelijke resultaten begon op te leveren. De techniek werd RANS genoemd, wat staat voor Reynolds-Number Averaged Navier Stokes en wordt nog steeds veel gebruikt.

Foto door: Williams

Rekenintensief

Interessant genoeg was een spin-off van het streven naar betere turbulentiemodellering dat precies dezelfde problemen moesten worden opgelost voor windparken. Een enkele windturbine is één ding om te simuleren, maar een windpark, waar elke turbine werkt in een stromingsveld dat wordt bepaald door de turbulente stroming van de buren, is veel complexer. Het is geruststellend om te weten dat het streven om de prestaties van F1-auto's te verbeteren indirect ook heeft geleid tot betere prestaties van windparken en een bijdrage heeft geleverd aan het beperken van klimaatverandering.

Zelfs nu nog zijn er verschillende turbulentiemodellen, maar naarmate deze modellen verbeterden, verbeterde ook de nauwkeurigheid van de simulatie. Net zo belangrijk was dat de rekenkracht de wet van Moore volgde, waarbij de rekenkracht elke twee jaar verdubbelde, waardoor een meer gedetailleerde simulatie van het stromingsveld mogelijk werd. De reden dat dit belangrijk is, is dat het volume op het oppervlak van het virtuele model en het volume van de lucht eromheen wordt opgesplitst in een massa virtuele cellen. De gedeeltelijke differentiaalvergelijkingen die het stromingsveld beschrijven moeten dan voor elk van deze cellen worden opgelost.

Voor een eenvoudig geval hebben we het over ongeveer 95 miljoen cellen die, op een single-core laptop, ongeveer 40 weken nodig zouden hebben om op te lossen. Vandaar de behoefte aan rekenkracht. Een team gebruikt meestal 192 cores, waardoor de oplostijd wordt teruggebracht tot een kwestie van uren. Helaas heeft de RANS-techniek, zelfs met verbeterde turbulentiemodellering, beperkingen en de gouden standaard op dit moment is Directe Numerieke Simulatie of DNS. Dit lost de vergelijkingen direct op voor alle wervelingen, maar is zo rekenintensief dat het onpraktisch is voor F1-gebruik.

Toekomst 

Bij de ontwikkeling van de F1-auto 2022 werd een systeem gebruikt dat bekend staat als DES of Detached Eddy Simulations. Dit is in feite een oplossing van gemiddelde complexiteit waarmee het turbulente zog in detail kan worden bestudeerd terwijl de rekentijd binnen redelijke, maar nog steeds zeer grote grenzen blijft. Een andere techniek die bekend staat als de Lattice Boltzmann techniek of LBM werd ook gebruikt in de studies.

CFD en rekenkracht hebben zich in korte tijd enorm ontwikkeld, zodat het nu een haalbaar voorstel is om een aanzienlijke hoeveelheid ontwikkeling in CFD te doen - maar hoe zit het met de toekomst? Ik denk dat aerodynamische ontwikkeling zich op twee gebieden zal uitbreiden. De eerste is machine learning, het tweede zal gebeuren op het gebied van multi-physics, waarbij een compleet systeem en zijn omgeving samen worden gesimuleerd. De aerodynamische solver zal bijvoorbeeld belastingen op het lichaam toepassen die zullen doorbuigen, waardoor de aerodynamica verandert. Zelfs de effecten van nat weer kunnen worden gesimuleerd en volledige trajecten kunnen worden geanalyseerd. Dit kan al tot op zekere hoogte, maar toekomstige ontwikkelingen zullen deze analyse versnellen.