CFD in F1: costi e tempi minori semplificano lo sviluppo delle monoposto

F1.La fluidodinamica computazionale (o computational fluid dynamics – CFD) rappresenta l’insieme di operazioni, di simulazioni, che devono essere fatte per risolvere un problema termodinamico, strutturale, fluidodinamico, mediante calcolo discretizzato. Per spiegarla in modo ben più semplice, possiamo definirla come “la sorellina” che cammina mano nella mano con l’analisi sperimentale. 

Trattasi, in altre parole, della maniera semplificata di risolvere problemi complessi senza dover costruire i componenti, metterli in galleria (o su altri banchi di test, ovviamente) e aspettare che i sensori abbiano catturato tutti i dati sensibili necessari. In pratica, è ciò che può essere usato prima della costruzione del prototipo e durante la simulazione sul prototipo, per dare conferma di quanto ottenuto nei test, o fare previsione di cosa succederebbe se al problema si cambiasse qualcosina. 

Discretizzato, si diceva, per un semplice motivo. Come vedrete nelle figure a seguire, la mesh (cosí viene chiamato il reticolo spaziale creato attorno alla costruzione al CAD), anziché essere un unico continuo, diviene un insieme di tanti cubettini, all’interno dei quali occorre risolvere un complicato sistema di equazioni. Allo stesso modo accade per il tempo (per le simulazioni tempo-varianti) che, anziché essere trattato come lo percepiamo nella vita di tutti i giorni, ovvero come una linea continua di eventi, viene simulato in modo discreto. Un po’ come un film che in realtà è composto da una serie di fotografie che scorrono in modo molto veloce una dopo l’altra.

Dunque come funziona la preparazione ad un caso CFD?

Beh è presto detto! Si parte dal CAD, che ormai tutti abbiamo imparato cosa sia, ovvero quell’ambiente in cui si progettano le componenti, le parti di un assieme. Insomma, la geometria del problema. E una volta completata la costruzione si esporta un file chiamato STL, stereolitografico. Questo non è un nome invece comune a tutti, ma non preoccupatevi, lo diventerà presto, visto che è anche il comune formato con cui si procede alla stampa in 3D. Questo vi renderà forse meno eccitante l’introduzione “innovativa” di componenti stampate in 3D in F1 con tecnologia additiva, visto che banalmente non è che siano serviti grandi sforzi per fare questo “grande salto”. 

Ma, tornando al nostro procedimento, giunge così il momento di importare il file STL in un MESHATORE, ovvero un programma (e ce ne sono diversi) per creare la famosa griglia, di cui sopra. Fatta quella, è tutto in discesa, o quasi…impostando le condizioni al contorno (da dove entra aria, quali sono le pareti come muso, ali, alettine, ecc, QUALE MODELLO DI TURBOLENZA USARE – occhio che questo ha rilevanti effetti sui risultati -, e altre bellissime e importantissime cose). 

Quindi scelte le equazioni da usare in funzione del problema da risolvere, si preme un pulsante, e si attende per ore che la soluzione sia pronta. Poi, si estraggono i dati, e come spesso succede in F1, si lotta con i colleghi sperimentali per capire chi ha ragione: la matematica, con le dovute semplificazioni, o la vita reale, con le dovute tolleranze e imprecisioni nella misurazione.

Prendiamo quindi un caso reale. Supponiamo di voler mostrare la fantomatica, ormai famosissima e molto discussa, soluzione di ala anteriore con UP wash, quella che genera più carico, ma al contempo maggiore resistenza, di una soluzione con OUT wash. Ormai siamo abituati a sentire che è così, la fluidodinamica dice che è una ovvietà, e la galleria del vento non può far altro che confermare il tutto. 

Ma la CFD? (Spoiler: fa altrettanto)

Niente di più semplice. Si apre un software CAD, si costruisce una componente di ala anteriore con estremizzazione del concetto UP wash, o più semplicemente un’ala anteriore “stile Williams”, alla “primo modello” Mercedes (vi sarete accorti che un miiinimo di effetto OUTbwash ora lo hanno anche loro), o alla Red Bull! Un po’ come in foto. (foto 1)

Il problema è simmetrico… quindi perché raddoppiare la potenza di calcolo necessaria? 

Si costruisce una bella box attorno al componente, e si fa il Meshing. Al termine dell’operazione si ottiene una costruzione a mo’ di foto 2, di difficile interpretazione per i meno abituati, per cui sarà molto più comodo vedere il tutto come da foto 3.

A questo punto si ragiona sul metodo di risoluzione. Partiamo da una cosa semplice, un’istantanea, a convergenza (ovvero con errore limitato sulla soluzione numerica), del flusso attorno all’ala. Una soluzione stazionaria, tempoinvariante, che poi è quello che spesso viene fatto proprio in F1. 

Più semplicemente: cosa vedrei se l’ala andasse a velocità costante, in aria ferma, indisturbata, per un tempo infinito?

Le immagini colorate presentate mostrano come il campo di pressione sia molto maggiore sulla parte superiore dell’ala, rispetto a quella inferiore. La classica e famosa deportanza (che è un modo carino per chiamare la portanza a verso negativo) può essere non solo apprezzata, ma anche analizzata quantitativamente. 

Si possono posizionare Probes (tubi di pitot), usare isosuperfici, axial lines, e tanto altro. Si può avere una idea sufficientemente accurata (ricordiamoci le semplificazioni proposte) del comportamento delle linee di flusso, e quantificare anche il drag generato, oltre all’effetto suolo prodotto. Le rappresentazioni qui hanno un effetto scenico interessante, per chi non è abituato a vederle, ma il caso considerato è molto banale.

Mancano le interazioni con le sospensioni, la ricerca di laminazione verso i bargeboards, la complessa evoluzione del flusso per interazione con gli pneumatici e la ricerca di immissione di flusso (fresco) all’imbocco delle pance.

Questo però alla lunga dà anche l’idea di come (automatizzando il processo, e vi spiego come) la CFD possa essere meno costosa e più rapida (a fronte dei tempi di calcolo) dell’analisi sperimentale. Una volta automatizzata l’estrazione dei risultati, la scelta delle approssimazioni, e il processo di calcolo, se volessimo cambiare forma, posizione, di qualche componente, solo la parte di Cad, e di meshing andrebbe rifatta, mentre il “caso” sarebbe già pronto. 

E soprattutto, dividendo la potenza di calcolo, possono essere ottenute soluzioni di più problemi in contemporanea. Risulta abbastanza difficile (e costoso) mettere invece più componenti, auto all’interno di una galleria, cercando di evitare cross interaction.

F1-E se volessimo fare qualcosa di ancor più realistico? 

Beh… si potrebbe passare ad una simulazione tempo-Variante, un po’ come vedere l’effettivo cambiamento del flusso attorno l’ala nella vita reale. Certo questo complica un pochino le cose, e nuove scelte devono essere fatte, come ad esempio il sopracitato modello di turbolenza.

Sebbene la cosa più accurata sia una scelta LES (qui si entra in una parte della fisica fatta di equazioni lunghe e difficili, e se volete potete cercare “Large Eddy Simulation”), con la potenza di calcolo a disposizione (che non è il server di un team di formula1) sarà sufficiente un’analisi RANS (Per questo potete cercare “Raynolds Average Navier Stokes”). Quel famoso RANS di cui un vecchio articolo di FUnoAT già parlava, citando le importanti equazioni della fluidodinamica. Si imposta il modello, si prepara la simulazione con solutore implicito, e si attende.

In conclusione una curiosità…

Al giorno d’oggi, pur avendo tutti a disposizione diversi software, il 90% dei team utilizza OpenFOAM per le sue analisi CFD, mentre la storica scuderia Ferrari utilizza prevalentemente Fluent. Per la stragrande maggioranza delle operazioni non vi sono particolari differenze, e basandosi sulle stesse equazioni fisiche di partenza, di fondo non vi sarebbe ragione di preferire l’uno all’altro. Ciò che cambia sono solamente tempistiche e abitudini, ma se proprio vogliamo trovare una differenza possiamo dire che, a parte i sottomodelli implementati, OpenFOAM, software open source e gratuito in generale, possiede un codice sorgente molto piú facilmente modificabile (a patto di avere la giusta competenza) di quanto non sia permesso in Fluent.

F1-Autore: Alessandro Arcari –@berrageiz – Federico Ghioldi

Immagini: FUnoAT