Aerodynamics Optimization

Sandeep Sovani Ph.D.

Manager, Global Automotive Market Strategy
Manager Global Automotive Market Strategy
ANSYS, Michigan

1 © 2011 ANSYS, Inc. September 22, 2011
 Brief History of Aerodynamics CFD
1970s 1980s 1990s 2000s

2 © 2011 ANSYS, Inc. September 22, 2011
 Brief History Aerodynamics CFD
1970s 1980s 1990s 2000s

What is CFD? Does it really  Does it work for  Can it be used in 

work? my application production?
(aerodynamics)?

2010s – How to leverage simulation extensively?
Decade of Optimization
3 © 2011 ANSYS, Inc. September 22, 2011
 CFD in Aerodynamics Development

The main purpose of CFD is to enable optimization via thorough 
The main purpose of CFD is to enable optimization via thorough
design exploration

Thorough Design Exploration
Design Alternatives Deep Insights Multiple Aspects

Ability to evaluate  Ability to provide in‐depth  Ability to study each 

performance of numerous  understanding of physical  design alternative from all 
design alternatives in a  phenomena affecting  performance aspects 
short timeline, at low cost
h i li l performance
f (
(e.g. drag, cooling flow, 
d li fl
wind noise, etc)

4 © 2011 ANSYS, Inc. September 22, 2011
 CFD in Aero Development
Current state‐of‐the art 
(commercial, non‐commercial codes)

Design Alternatives Deep Insights Multiple Aspects

State‐of‐the‐art – State‐of‐the‐art – State‐of‐the‐art  –

• Few engineer‐days 
Few engineer days • Codes generally accurate 
Codes generally accurate • Large models needed for 
Large models needed for
needed for studying each  for A‐to‐B comparison all‐in‐one simulation 
design alternative • Advanced post‐ (aero, underhood, wind 
processing noise)

Further Needs – Further Needs – Further Needs –

• Ability to simulate  • Some accuracy issues  • No special needs. 
detailed aerodynamics for
detailed aerodynamics for  lingering (e g lift
lingering (e.g. lift  Hardware/software
Hardware/software 
a large DOE matrix, fast  calculation) growth will allow co‐
(e.g. 50 design  • Debate about need for  simulation
alternatives in a weekend) transient calculation

5 © 2011 ANSYS, Inc. September 22, 2011
 Technological Building Blocks 
f A d
for Aerodynamics Optimization
i O i i i
Ability to simulate detailed aerodynamics for large DOE 
matrix in a short time (e g simulating 50 design
matrix in a short time (e.g. simulating 50 design 
alternatives automatically over a weekend)

Major technological advances needed in –
1. Model creation
2
2. S l
Solver speed
d
3. Process management
4. Data management

ANSYS is first in overcoming these technological 
challenges

6 © 2011 ANSYS, Inc. September 22, 2011
 Tech. Building Blocks for Aero Optimization
1 M d l C ti
1. Model Creation
Surface Wrapper Cut Cells
Model Creation
Model Creation

Reference:
SAE Paper 2009‐01‐0335

Cut Wrap
Cut Wrap Morpher

7 © 2011 ANSYS, Inc. September 22, 2011
 Tech. Building Blocks for Aero Optimization
2 S l
2. Solver Speed
S d
Truck (111 million cells)

• Basic solver enhancements

Perfrormance
– P
Pressure based coupled solver, pseudo‐
b d l d l d 13.0.0
transient relaxation, higher‐order term  14.0.0
relaxation (HOTR), hybrid flow initialization,  0 768 1536 2304 3072 3840
non‐iterative transient, hierarchy based hybrid  Number of Processor Cores
Number of Processor Cores
AMG, higher‐order numerics improvements 
F1 140M AMD Magny‐Cours

• High performance computing (parallel 
solver)

nce
Performan
– ANSYS Fluent is a clear leader in high‐
14.0.0
performance computing for external  Ideal
aerodynamics
• Linear scalability shown on > 3000 processor 
Li l bili h 3000 384 832 1280 1728 2176 2624 3072

cores (using wall clock time) Number of Processor Cores

• Parallel file I/O
• Smart and efficient partitioning and load 
Smart and efficient partitioning and load
balancing algorithms

8 © 2011 ANSYS, Inc. September 22, 2011
 ANSYS Aero Capabilities Leadership
ANSYS Fluent 15.0
Fluent–Tgrid integration (parallel)
HPC: linear scalability to >10,000 cores
Feaatures

ANSYS Fluent 14.x
GPU for radiation, Fluent–Tgrid
g integration (serial)
g ( )
HPC: scalability and I/O

ANSYS Fluent 14.0
Adjoints, higher order numerics and wall treatment 
improvements, GPU for radiation
HPC li
HPC: linear scalability to >3000 cores 
l bilit t >3000
ANSYS Fluent 13.0
Pseudo transient solver, bad mesh robustness, mesh‐morpher‐
optimizer, cut‐cell remesh, wall‐film, viewfactor speedup
HPC: file I/O, load balancing

ANSYS Fluent 12.0
One‐billion (1E9) cell cases
Anisotropic boundary layer remeshing
HPC: Parallel File I/O, Linear scalability to >1000 cores

Fluent 6.3
Pressure based coupled solver, polyhedra
HPC: improved file I/O

Fluent 6.2
Linear scalability to 256 cores
Linear scalability to 256 cores

Q1 2005 Q4 2007 Q2 2009 Q4 2010 Q4 2011 Q3 2012 2013 Time

9 © 2011 ANSYS, Inc. September 22, 2011
 Tech. Building Blocks for Aero Optimization
3 P
3. Process Management
M t

Ideal process 
Ideal process – “One‐click”
One click  response surface
response surface
• Supply baseline model
• Identify parameters and ranges
• Submit job –
S b it j b obtain response surface
bt i f
Ideal process automatically manages
• Model modification and remeshingg
• Distributed solve
• Data collation and reporting

ANSYS WorkBench and DesignXplorer meet needs of the ideal 

process

10 © 2011 ANSYS, Inc. September 22, 2011
 Tech. Building Blocks for Aero Optimization 
4 D t M
4. Data Management
t

New problem – The engineer is again a bottleneck – A good 

problem!
bl !

When extensive simulations are rapidly run, simulation data is 
produced at a faster rate than can be meaningfully 
d d t f t t th b i f ll
understood and used by an engineer

Solution – Simulation Process Data Management
Solution Simulation Process Data Management
• Data handling and storage
• Meta data extraction
• Post simulation database studies

ANSYS EKM
11 © 2011 ANSYS, Inc. September 22, 2011
 Case Study
Objective:
A “One Click” process for running an aerodynamics DOE 
(D i
(Design of Experiments) study, after initial setup
fE i t ) t d ft i iti l t
Setup baseline model
Setup parameters
Run and post process entire DOE matrix automatically without user intervention
Run and post‐process entire DOE matrix automatically without user intervention

12 © 2011 ANSYS, Inc. September 22, 2011
 Shape Exploration & Optimization Work Flow
Setup Baseline CFD model

Set Shape Parameters 
Using Mesh Morpher

Set Output Parameter (Drag 
Coefficient)

Generate and Run DOE Matrix

Generate Response Surface & 
Perform Goal Driven Optimization
Perform Goal Driven Optimization

13 © 2011 ANSYS, Inc. September 22, 2011
 Baseline CFD Simulation Setup

Mesh Details
• Tetrahedral + prism mesh
• 5 prism layers from all surface of vehicle
• Total cell count ~ 5.0 M
• Same mesh is used in all DOE points
p
Boundary Condition Setup
• Inlet : Velocity inlet (V = 80 mph)
• Outlet: Pressure outlet (0 Pa (gage))
• Tunnel Top & Sides : Symmetry
T l T & Sid S t
• Tunnel Road: No slip wall
Solver Setup
• Pressure based coupled solver
p
• RKE turbulence model
• 2nd order discretization schemes

14 © 2011 ANSYS, Inc. September 22, 2011 2011‐01‐0170

 Shape Parameter Definition

Backlight angle Tumble home angle Windshield angle

15 © 2011 ANSYS, Inc. September 22, 2011
 Shape Parameter Definition
Mesh Morpher Setup

3 Mesh morpher 
3 M h h
parameters 
corresponding to 3 
p
shape factors defined 
for vehicle

16 © 2011 ANSYS, Inc. September 22, 2011
 Shape Parameter Definition

Range Control point

Shape parameter and
movement per
Morpher Control Point
Baseline Minimum Maximum degree angle
Association
Model Value Value change
Angular displacement
(degree) 69 62.5 75.5
0.3077 (m)
Control Point
Backlight angle movement (m) 0.0 +2.0 -2.0
Angular displacement
(degree) 32 24.5 39.5
0.0667 (m)
Tumble home Control Point
angle movement (m) 0.0 +0.5 -0.5
Angular displacement
(degree) 62 58 62
0.2500 (m)
Windshield Control Point
angle movement (m) 0.0 +1.0 0.0

Correlating Shape Parameters with Control Point 
17 © 2011 ANSYS, Inc. September 22, 2011
Movement
 Design of Experiments
Leveraging ANSYS WorkBench Platform

18 © 2011 ANSYS, Inc. September 22, 2011
 Design of Experiments

Fluent parameters are exposed to and driven by 
DesignXplorer (DOE and Optimization application)

• Input Parameters
– Backlight angle
– Tumblehome
– Windshield angle
• Output Parameter
– Drag force on the vehicle

19 © 2011 ANSYS, Inc. September 22, 2011
 Design of Experiment

Design Space is defined by the 
following bounds 
• Backlight angle(BA): ‐2 < BA <2
• Tumblehome (TH): ‐0.5<TH<0.5
• Windshield angel (WA): 0<WA<1
Windshield angel (WA): 0<WA<1

DOE Algorithm
• Central Composite Design (CCD)
• Design Type : Face Centered with 
Enhanced Template
• 29 DOE Points Generated
29 DOE Points Generated

20 © 2011 ANSYS, Inc. September 22, 2011
 Design of Experiments

After setup, running the DOE matrix of simulations is a 
After setup, running the DOE matrix of simulations is a
“One‐Click” process

Workbench automatically runs simulations for all design 
p
points one after the other

Post‐processing data is automatically gathered and 
supplied to DesignXplorer
li d D i X l where response surfaces, 
h f
etc are automatically generated

21 © 2011 ANSYS, Inc. September 22, 2011
 Response Surfaces
Response Surface are generated based on Non‐Parametric 
Regression Model
2D and 3D surfaces can be created to visualize the 
2D d 3D f b t d t i li th
variation of output parameter within the design space. 

Chart between predicted and 
observed value of output parameter

Goodness of fit shows the accuracy of 
the response surfaces 

For bad goodness of fit one need to 
refine the DOEs to get a better fitted 
response surface

22 © 2011 ANSYS, Inc. September 22, 2011
 Response Surfaces (3D)

23 © 2011 ANSYS, Inc. September 22, 2011
 Response Surfaces (2D)

F Vs TH 
F Vs BA 

F Vs WA 

24 © 2011 ANSYS, Inc. September 22, 2011
 Parameter Sensitivity
Sensitivity Charts show that drag force is most sensitive to backlight angle 
and least to windshield angle, for this case

25 © 2011 ANSYS, Inc. September 22, 2011
 Pareto Plots

Backlight Angle Tumblehome Angle Windshield Angle Drag

26 © 2011 ANSYS, Inc. September 22, 2011
 Pareto Plots

Backlight Angle Tumblehome Angle Windshield Angle Drag

27 © 2011 ANSYS, Inc. September 22, 2011
 Goal Driven Optimization
• Goal driven optimization method works on the relative 
importance of user specified conflicting goals to get an optimized 
set of parameters
• Basic goal considered is that of minimizing drag force

Screening method for optimization

Goal: Minimize drag force 

3 best designs suggested 
3 best designs suggested
by DX 

28 © 2011 ANSYS, Inc. September 22, 2011
 Flow Field 
Design Space Point:‐‐
Design Space Point: Baseline Design 
Baseline Design
(Velocity Contours on x=0)

29 © 2011 ANSYS, Inc. September 22, 2011
 Flow Field
Design Space Point: Worst Design
Design Space Point:‐‐ Worst Design
(Velocity Contours on x=0)

30 © 2011 ANSYS, Inc. September 22, 2011 2011‐01‐0170

 Flow Field
Design Space Point: Optimized Design
Design Space Point:‐‐ Optimized Design
(Velocity Contours on x=0)

31 © 2011 ANSYS, Inc. September 22, 2011 2011‐01‐0170

 Shape Comparisons

B li D i
Baseline Design

Optimized Design

Worst Design

32 © 2011 ANSYS, Inc. September 22, 2011
 Shape Comparisons

33 © 2011 ANSYS, Inc. September 22, 2011
 Summary
2010s is the Decade of Optimization

Four key technologies needed for aerodynamics optimization simulation
1. Model creation
2
2. S l
Solver speed
d
3. Process management
4. Data management

A “One‐Click” process is developed and demonstrated for running the 
entire DOE matrix after initial setup
p

34 © 2011 ANSYS, Inc. September 22, 2011
 Aerodynamics Optimization
G d Ch ll
Grand Challenges
A simulation tool that can simulate
A simulation tool that can simulate

50 design variants (extensive DOE matrix)

50:50:50 50 million cells (accurate model)

50 hours total elapsed time (weekend process)

35 © 2011 ANSYS, Inc. September 22, 2011