[논문 리뷰] Comparison between the DSMC and DSBGK Methods

Jun Li|arXiv (Cornell University)|2012. 07. 04.

Gas Dynamics and Kinetic Theory참고 문헌 12인용 수 7

한 줄 요약

이 논문은 저속 희박 기체 유동을 시뮬레이션하기 위한 분산 감소 기반의 DSBGK 방법을 제안한다. 이는 분자 변수의 점진적 갱신을 통해 통계적 노이즈를 억제하는 DSMC 방법의 대안으로서, 특히 개방형 문제에서 세포당 분자 수를 크게 줄여 대규모 마이크로 기체 유동 시뮬레이션에 있어 메모리 사용량과 계산 비용을 감소시키면서도 높은 정확도와 효율성을 확보한다.

ABSTRACT

Recently, the DSBGK method (note: the original name DS-BGK is changed to DSBGK for simplicity) was proposed based on the BGK equation to reduce the stochastic noise in simulating rarefied gas flows at low velocity, in which the deviation from equilibrium state is small making the traditional DSMC simulation time-consuming due to the dominance of noise in transient results. In both DSMC and DSBGK simulations, the simulated molecules move into and out of cells randomly and frequently. Consequently, the transient information of molecules in each particular cell contains significant noise. The DSMC method uses the transient values of molecular variables to compute the cell's variables (including number density, flow velocity and temperature) and so the stochastic noise in its cell's variables is remarkable particularly in the case of low velocity. In the DSBGK simulation, the increments rather than the transient information of molecular variables are used to update the cell's variables based on the mass, momentum and energy conservation principles of intermolecular collision process. This updating scheme significantly reduces the noise in cell's variables of DSBGK simulations because the molecular variables are updated smoothly by the extrapolation of acceptance-rejection scheme and so their increments contain low noise. The detailed comparisons of algorithms and results between the DSMC and DSBGK methods are given here. Several benchmark problems are simulated to verify the DSBGK method by comparison with the DSMC method as criterion.

연구 동기 및 목표

• 균형에서의 미세한 이탈으로 인해 저속 희박 기체 유동의 DSMC 시뮬레이션에서 발생하는 높은 계산 비용과 통계적 노이즈를 해결하기 위해.
• 일시적 세포 변수의 확률적 변동을 줄임으로써 DSMC보다 더 효율적이고 안정적인 대안을 개발하기 위해.
• 다양한 쿤들렌 수와 유동 구조에서의 기준 문제를 이용해 DSBGK 방법을 DSMC와 대조하여 검증하기 위해.
• 낮은 세포당 분자 수 설정을 통해 메모리 사용량을 최소화함으로써 대규모 개방형 문제에 대한 DSBGK의 적용 가능성을 입증하기 위해.
• 폐쇄형 및 개방형 흐름 시스템에서 DSBGK의 수치적 안정성과 효율성 분석과 함께 BGK 방정식으로의 수렴 특성 분석하기 위해.

제안 방법

• 분자 간 충돌 시 일시적 분자 변수 값을 DSMC의 방식에서 질량, 운동량, 에너지 보존 기반의 점진적 갱신 방식으로 대체한다.
• 소음 감소를 위해 분자 속도 갱신을 위해 수용-기각 방식을 사용하여 증분의 부드러움을 확보한다.
• BGK 방정식을 기초 운동학 모델로 사용하며, DSBGK 방법은 그 정적인 해에 수렴하도록 설계된다.
• 벽 경계 조건으로 CLL 반사 모델을 적용하여, 분자 반사 모델링에서 DSMC와 일관성을 확보한다.
• 특히 기울기가 작은 영역에서 소음 감소를 위해 결과의 시간 평균을 적용한다.
• 개방형 문제에 대해 동적 초기화 전략을 적용하여, 각 세포의 초기 분자 수를 국소 밀도 비례로 설정함으로써 시뮬레이션 전반에 약 10개의 분자를 유지한다.

실험 결과

연구 질문

• RQ1 DSMC에 비해 DSBGK 방법은 저속 희박 기체 유동에서 통계적 노이즈를 어떻게 감소시키는가?
• RQ2 개방형 문제에서 세포당 단지 10개의 시뮬레이션 분자만을 사용할 경우 DSBGK 방법은 정확성과 안정성을 어느 정도 유지하는가?
• RQ3 DSBGK 방법은 BGK 방정식의 정적 해에 대해 어떻게 수렴하는가?
• RQ4 DSMC 기준 문제인 코우에트 흐름, 채널 흐름, 리드된 커버 캐비티, 열 전도성 흐름을 다양한 쿤들렌 수에서 DSBGK 방법은 어떻게 성능을 발휘하는가?
• RQ5 폐쇄형 DSBGK 시뮬레이션에서 수밀 밀도에 나타나는 장기 주기적 변동의 원인은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• DSBGK 방법은 쿤들렌 수 0.063 및 6.3에서 리드된 커버 캐비티 유동, 쿤들렌 수 0.63에서 채널 흐름을 포함한 모든 기준 문제에서 DSMC와 비교해 높은 정확도를 확보한다.
• 쿠늘렌 수 0.63에서의 개방형 문제인 채널 흐름에서는 DSBGK가 약 10개의 시뮬레이션 분자만으로도 안정적이고 정확하게 유지되며, 이는 메모리 사용량을 크게 감소시킨다.
• 수집된 6000개 이상의 샘플 후 시간 평균 처리된 DSBGK 결과는 수밀 밀도, 속도, 온도 분포에서 DSMC 결과와 뛰어난 일치를 보인다.
• 시간 평균 처리된 DSBGK의 속도 및 온도 분포에서의 통계적 노이즈는 샘플 수가 적더라도 DSMC보다 현저히 낮아, 분산 감소 성능이 뛰어나다는 것을 시사한다.
• 폐쇄형 DSBGK 시뮬레이션에서 관찰된 비물리적 장기 주기적 변동은 고정 경계 조건으로 시스템이 안정화됨에 따라 개방형 문제에서는 제거된다.
• 이론적 분석과 여러 테스트 케이스에서의 수치 검증을 통해 DSBGK 방법은 BGK 방정식의 정적 해에 수렴함을 입증한다.