Neues Modell zur Simulation der Wechselwirkung von Meereswellen mit schwimmenden Strukturen
Ein neuer Ansatz zur Modellierung, wie schwimmende Strukturen auf Meereswellen reagieren.
― 6 min Lesedauer
Inhaltsverzeichnis
Die Offshore-Industrie beschäftigt sich mit der Energieproduktion aus nachhaltigen Quellen wie Wind, Sonne und Ozeanwellen. Dafür werden oft schwimmende Strukturen eingesetzt. Früher wurden diese Strukturen in grossen Wellenbecken getestet, was ziemlich teuer und zeitaufwendig sein kann. Um dieses Problem zu lösen, sind Computer-Modelle immer beliebter geworden, da sie simulieren können, wie diese Strukturen auf Ozeanwellen reagieren, ohne physische Tests durchführen zu müssen.
In diesem Artikel geht's darum, wie numerische Modelle Ozeanwellen und deren Auswirkungen auf schwimmende Strukturen simulieren können. In einer aktuellen Studie wurde ein neues Modell entwickelt, um die Probleme von Strahlung und Beugung zu lösen, die wichtig sind, um zu verstehen, wie Wellen mit schwimmenden Strukturen interagieren. Strahlung bezieht sich auf die Wellen, die durch die Bewegung der Struktur erzeugt werden, während Beugung beschreibt, wie Wellen ihre Form um die Struktur herum verändern.
Verständnis der Fluiddynamik
Um zu modellieren, wie Wellen sich bewegen und mit Strukturen interagieren, nutzen wir Gleichungen, die die Bewegung von Fluiden beschreiben. Diese Gleichungen können kompliziert werden, besonders wenn man Faktoren wie Geschwindigkeit und Druck berücksichtigt. Normalerweise verwenden Ingenieure die Navier-Stokes-Gleichungen, die die Bewegungen von Fluiden beschreiben. Allerdings sind diese Gleichungen komplex und können viel Rechenleistung benötigen, besonders bei grossangelegten Simulationen.
Ein einfacherer Weg, die Fluiddynamik zu modellieren, ist die Potentialströmungstheorie. Diese Methode geht davon aus, dass das Fluid inkompressibel ist, also seine Dichte nicht ändert, und ignoriert Faktoren wie Viskosität. Durch diese Annahmen werden die Gleichungen leichter handhabbar, während sie dennoch für die meisten Szenarien zuverlässige Ergebnisse liefern.
Das neue Modell
Das neue Modell, das hier besprochen wird, basiert auf der spektralen Elementemethode (SEM), die eine hohe Genauigkeit in Simulationen ermöglicht. Diese Methode zerlegt den interessierenden Bereich in kleinere, handhabbare Teile, die Elemente genannt werden. Innerhalb jedes Elements können wir polynomiale Funktionen nutzen, um zu beschreiben, wie sich das Fluid verhält.
Das Modell konzentriert sich auf zwei Hauptaspekte: Strahlung und Beugung. Diese Aspekte helfen uns zu verstehen, wie die von einer schwimmenden Struktur erzeugten Wellen sich verhalten und mit ankommenden Wellen interagieren. Das Modell verwendet einen zeitlichen Ansatz, was bedeutet, dass es Veränderungen über die Zeit berechnet, anstatt sich auf einen bestimmten Moment zu konzentrieren. Dadurch kann flexibler untersucht werden, wie verschiedene Wellenfrequenzen während einer einzelnen Simulation auftreten.
Das Problemsetup
Um dieses Modell effektiv zu nutzen, richten wir einen dreidimensionalen Raum ein, der den Ozean und die schwimmende Struktur darstellt. Dieser Raum ist in Regionen unterteilt, die verschiedene Merkmale repräsentieren, wie die Wasseroberfläche und den Meeresboden. Die Grenzen des Modells sind entscheidend, da sie bestimmen, wie Wellen mit der schwimmenden Struktur und der Umgebung interagieren.
Wir können Symmetrie in unser Modell schaffen, indem wir annehmen, dass sich die Struktur in bestimmten Richtungen gleich verhält, was die benötigte Rechenleistung verringert. Wenn die Wellen jedoch in einem anderen Winkel ankommen, wird das Modell komplexer, da es diese unterschiedlichen Interaktionen berücksichtigen muss.
Numerische Methoden
Um die Gleichungen, die den Fluss bestimmen, zu lösen, verwenden wir numerische Methoden. Diese Methoden beziehen sich auf die Annäherung an die Lösungen der Gleichungen durch Techniken, die das Problem in kleinere Teile zerlegen. Dieser Prozess hilft, die Rechenressourcen zu verwalten, während wir weiterhin auf genaue Ergebnisse hinarbeiten.
Die Finite-Elemente-Methode (FEM) ist eine Herangehensweise, bei der der Problemraum in kleinere Elemente unterteilt wird. Jedes Element trägt zur Gesamtösung bei. Die spektrale Elementemethode verbessert diesen Ansatz, indem sie innerhalb jedes Elements höhergradige polynomiale Funktionen verwendet, was die Genauigkeit erhöht.
Die Methode der Linien (MOL) wird für die zeitliche Integration verwendet. Das bedeutet, dass wir das System von Gleichungen in eine Form umwandeln, die Schritt für Schritt über die Zeit gelöst werden kann. Spezielle Techniken wie die Runge-Kutta-Methode helfen sicherzustellen, dass die Lösung stabil und genau ist.
Validierung des Modells
Um sicherzustellen, dass unser neues Modell korrekt funktioniert, werden verschiedene Tests und Vergleiche mit bestehenden Werkzeugen wie WAMIT durchgeführt. Diese Tests zeigen, dass das neue Modell essentielle Grössen wie die hinzugefügte Masse und Dämpfungskoeffizienten effektiv berechnen kann. Hinzugefügte Masse bezieht sich auf die zusätzliche Trägheit, die ein schwimmender Körper erfährt, wenn er sich durch Wasser bewegt. Dämpfungskoeffizienten repräsentieren, wie Wellen Energie abgeben, wenn sie mit einer Struktur interagieren.
Durch die Durchführung dieser Tests an einfachen Formen wie Kugeln und Boxen können wir die Genauigkeit des Modells bestätigen, bevor wir es auf komplexere Formen und Szenarien anwenden.
Fallstudien
Schwimmende Kugel
Die erste Fallstudie befasst sich mit einer schwimmenden Kugel. Das Modell wird verwendet, um zu bestimmen, wie die Kugel in Bezug auf hinzugefügte Masse und Dämpfungskoeffizienten mit Wellen interagiert. Die Ergebnisse zeigen eine gute Übereinstimmung mit den Daten von WAMIT, was die Genauigkeit des neuen Modells bestätigt.
Schwimmende Box
Als Nächstes wird eine schwimmende Box unter ähnlichen Bedingungen untersucht. Das Modell zeigt erneut zuverlässige Ergebnisse für die hinzugefügte Masse und Dämpfungskoeffizienten. Der Vergleich dieser Ergebnisse mit den WAMIT-Daten validiert die Effektivität des Modells weiter.
Schwingende Wassersäule
Die letzte Fallstudie befasst sich mit einer schwingenden Wassersäule, einer Art von Wellenenergieumwandler. Diese Struktur stellt aufgrund ihrer internen Dynamik und der Interaktionen mit Wellen mehr Herausforderungen dar. Das Modell erfasst diese Komplexitäten effektiv und liefert Einblicke, wie die Bewegung des Kammer die gesamte Energieumwandlung beeinflusst.
Generalisierte Modi, darunter Kolbenbewegung und Schwappeffekte, werden in der Simulation berücksichtigt. Dadurch wird eine realistischere Darstellung dessen ermöglicht, wie die Struktur mit den Wellen interagiert, was letztlich unser Verständnis von Wellenenergiesystemen verbessert.
Fazit
Zusammenfassend führt diese aktuelle Arbeit eine neue spektrale Elementemethode zur Simulation der Wechselwirkung zwischen Ozeanwellen und schwimmenden Strukturen ein. Durch den Fokus auf die Probleme von Strahlung und Beugung bietet das Modell wertvolle Einblicke in das Verhalten dieser Strukturen in dynamischen marinen Umgebungen.
Mit der Fähigkeit, genaue Simulationen über verschiedene Wellenfrequenzen und -bedingungen hinweg durchzuführen, stellt dieses Modell einen bedeutenden Fortschritt in der numerischen Modellierung für Offshore-Energiesysteme dar. Die Ergebnisse werden helfen, bessere Designs und Optimierungen schwimmender Strukturen zu entwickeln, was zum Wachstum nachhaltiger Energiequellen aus dem Ozean beiträgt.
Durch kontinuierliche Verfeinerung und Validierung bietet dieses Modell ein nützliches Werkzeug für Ingenieure und Forscher, die im Bereich der Meeresenergie und Offshore-Technologie arbeiten.
Titel: Solving the complete pseudo-impulsive radiation and diffraction problem using a spectral element method
Zusammenfassung: This paper presents a novel, efficient, high-order accurate, and stable spectral element-based model for computing the complete three-dimensional linear radiation and diffraction problem for floating offshore structures. We present a solution to a pseudo-impulsive formulation in the time domain, where the frequency-dependent quantities, such as added mass, radiation damping, and wave excitation force for arbitrary heading angle, $\beta$, are evaluated using Fourier transforms from the tailored time-domain responses. The spatial domain is tessellated by an unstructured high-order hybrid configured mesh and represented by piece-wise polynomial basis functions in the spectral element space. Fourth-order accurate time integration is employed through an explicit four-stage Runge-Kutta method and complemented by fourth-order finite difference approximations for time differentiation. To reduce the computational burden, the model can make use of symmetry boundaries in the domain representation. The key piece of the numerical model -- the discrete Laplace solver -- is validated through $p$- and $h$-convergence studies. Moreover, to highlight the capabilities of the proposed model, we present prof-of-concept examples of simple floating bodies (a sphere and a box). Lastly, a much more involved case is performed of an oscillating water column, including generalized modes resembling the piston motion and wave sloshing effects inside the wave energy converter chamber. In this case, the spectral element model trivially computes the infinite-frequency added mass, which is a singular problem for conventional boundary element type solvers.
Autoren: Jens Visbech, Allan P. Engsig-Karup, Harry B. Bingham
Letzte Aktualisierung: 2023-06-22 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2306.12854
Quell-PDF: https://arxiv.org/pdf/2306.12854
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.
Referenz Links
- https://orcid.org/0000-0001-6698-2623
- https://orcid.org/0000-0001-8626-1575
- https://orcid.org/0000-0002-7263-442X
- https://www.mdpi.com/2077-1312/8/1/35
- https://doi.org/10.1016/0141-1187
- https://www.sciencedirect.com/science/article/pii/0141118789900035
- https://www.sciencedirect.com/science/article/pii/0141118794900167
- https://doi.org/10.1002/fld.5157
- https://onlinelibrary.wiley.com/doi/abs/10.1002/fld.5157
- https://doi.org/10.1016/0021-9991
- https://www.sciencedirect.com/science/article/pii/0021999187901409
- https://doi.org/10.1016/j.enganabound.2004.12.001
- https://www.sciencedirect.com/science/article/pii/S0955799705000020
- https://doi.org/10.1002/fld.5051
- https://doi.org/10.1016/j.jcp.2010.09.029
- https://www.sciencedirect.com/science/article/pii/S0021999110005322
- https://hal.science/hal-01198800
- https://dx.doi.org/10.2139/ssrn.4396951
- https://doi.org/10.5957/jsr.2011.55.3.163
- https://doi.org/10.1007/s10665-006-9108-4
- https://doi.org/10.1016/j.jcp.2008.11.028
- https://www.sciencedirect.com/science/article/pii/S0021999108006190
- https://doi.org/10.1016/S0378-3839
- https://www.sciencedirect.com/science/article/pii/S0378383996000464
- https://doi.org/10.1016/S1001-6058
- https://doi.org/10.1115/OMAE2012-83568
- https://doi.org/10.1016/j.apor.2017.11.001
- https://www.sciencedirect.com/science/article/pii/S0141118717300433
- https://doi.org/10.1016/j.apor.2018.08.017
- https://www.sciencedirect.com/science/article/pii/S0141118718301664
- https://www.sciencedirect.com/science/article/pii/0141118794000298
- https://doi.org/10.1007/978-94-009-0253-4_4
- https://doi.org/10.1016/S0029-8018
- https://www.sciencedirect.com/science/article/pii/S0029801802000379
- https://www.sciencedirect.com/science/article/pii/0021999184901281
- https://doi.org/10.1002/fld.5011
- https://onlinelibrary.wiley.com/doi/abs/10.1002/fld.5011
- https://doi.org/10.1006/jcph.1999.6328
- https://www.sciencedirect.com/science/article/pii/S0021999199963283
- https://doi.org/10.1016/j.jcp.2016.04.060
- https://www.sciencedirect.com/science/article/pii/S0021999116301255
- https://doi.org/10.1007/s42286-019-00018-5
- https://doi.org/10.1016/j.cma.2019.01.020
- https://www.sciencedirect.com/science/article/pii/S0045782519300416
- https://doi.org/10.1016/j.jcp.2004.11.038
- https://www.sciencedirect.com/science/article/pii/S0021999105000045
- https://doi.org/10.1016/0378-3839
- https://www.sciencedirect.com/science/article/pii/0378383983900224
- https://doi.org/10.1002/nme.2579
- https://onlinelibrary.wiley.com/doi/abs/10.1002/nme.2579
- https://doi.org/10.1007/978-3-319-70766-2_12
- https://doi.org/10.1016/j.egyr.2023.04.052
- https://www.sciencedirect.com/science/article/pii/S2352484723004122
- https://www.sciencedirect.com/science/article/pii/0141118794900132
- https://www.mdpi.com/1996-1073/14/6/1718
- https://www.isope.org