Vid realistiska flygförhållanden är förståelsen av iskristallers påverkan på ytor central för att förutsäga och motverka isbildning, särskilt inom motor- och vingteknik. Fragmentering av iskristaller vid kollision med ytor i närvaro av tunna vattenfilmer har visat sig vara väsentligt beroende av den relativa tjockleken på vattenfilmen i förhållande till partikelns diameter, samt kollisionshastigheten. Förhållanden där vätskehalten på ytan är låg, kräver i allmänhet dubbelt så hög kollisionsenergi för att inducera fragmentering jämfört med torra ytor.

En ny semiempirisk modell, baserad på en energibalans mellan tillstånd före och efter fragmentering, har föreslagits för att uppskatta den största fragmentstorleken. Denna modell antar att fragmenteringen drivs av plastisk deformation och krossning i kontaktzonen, följt av spricktillväxt. Resultaten stämmer väl överens med experimentella data för både kristallina partiklar och hagel, men representerar ingen avgörande förbättring jämfört med tidigare modeller inom HAIC-projektet. Det är dock värt att notera att preliminära tester antyder att samma karakteristiska töjningshastighet även kan tillämpas för att modellera fragmentens radiella återemission.

Ett annat avgörande område är beräkningen av den så kallade sticking efficiency (fästningseffektiviteten) ϵs, som definierar hur stor andel av den inkommande iskristallmassan som fastnar vid ytan. Den totala ismassan som fastnar delas upp i två komponenter: flytande (m_Ldep) och fast (m_Sdep), där den smälta andelen av iskristallerna, ηm, spelar en central roll.

Vid frånvaro av flytande vatten, t.ex. under mycket kalla glaciationsförhållanden, tenderar iskristaller att studsa bort från kalla ytor snarare än att fastna. Förekomsten av vätska är därför en förutsättning för fäste. Vätskan kan antingen komma från underkylda vattendroppar i blandfasmoln (temperaturer mellan 0 och –40 °C), eller från smälta delar av själva iskristallerna – särskilt i motorförhållanden där våtbulbstemperaturen överstiger fryspunkten.

För att kvantifiera vätskans andel används LWR (liquid water ratio), som är förhållandet mellan flytande vatten och total vatteninnehåll. Beroende på om vätskan kommer från smältning av iskristaller (glaciationsförhållanden) eller från underkylda droppar (blandfasförhållanden) modelleras LWR olika: i glaciationsfallet är LWR = ηm, medan den i blandfasfallet förenklas till LWR = LWC / TWC.

Modellen för sticking efficiency under glaciationsförhållanden föreslogs i en förenklad form där ϵs = F(ηm), där funktionen F är en polynomfunktion kalibrerad för att uppfylla fysikaliska randvillkor: vid ηm = 0 (inga smälta delar) är ϵs = 0; vid ηm = 1 (helt smält) är ϵs = 1; och däremellan växer funktionen linjärt för låga ηm. Det föreslagna uttrycket för F(ηm) är:

F(ηm) = K# × (–2ηm³ + 3ηm² – ηm),
med K# ≈ 2.5 enligt experiment av Currie et al. (2014).

Det bör påpekas att i experimentella observationer är det inte möjligt att skilja mellan fastklibbning och erosion, då det enda som mäts är den nettofästande effekten. Men nära stagnationspunkten, där partiklar träffar ytan vinkelrätt och tangentiella komponenter är minimala, är erosionseffekten försumbart liten, vilket möjliggör att använda dessa data för parameterkalibrering i modellerna.

För blandfasförhållanden är modellen mer komplex. Initialt försökte man relatera sticking efficiency till vattenfilmens tjocklek vid ytan (hw), men detta visade sig vara praktiskt ohållbart då filmens tjocklek ofta är i mikronskala och svår att mäta exakt. Felaktiga uppskattningar av hw visade sig dessutom ha kraftig påverkan på den resulterande ismängden.

Därför har man övergått till att modellera den nödvändiga vätskeandelen för att fäste ska uppstå (LWRstick) som en funktion av total flytande vattenandel vid ytan – mer specifikt genom att använda accretionsytans totala flytande massfraktion (fl) istället för traditionella storheter som LWC/TWC. Fästningseffektiviteten uttrycks då som

Hur simuleras issamling vid flygplansytor under förhållanden med rimfrost, glaze och blandad is?

Vid simulering av issamling på ett flygplans vingar under flygning är det av yttersta vikt att noggrant beskriva både partiklar i luften och isens utveckling på ytan. En metod som ofta används för att studera detta fenomen är den så kallade en-vägs kopplade modellen, där luftflödet påverkar vattendropparnas rörelse men inte vice versa. Denna förenklade ansats gör det möjligt att exakt följa vattendropparnas väg genom att initiera deras rörelse från en region som inte är påverkad av störningar från flygplansytorna. För att förbättra noggrannheten i simuleringen används en dynamisk partikelupplösning, där nya partiklar adderas till den ursprungliga frönivån för att bättre spegla den verkliga samlingsförmågan.

När en simulator arbetar med partiklar av vatten i moln, måste en metod som hanterar den polydispersiva naturen hos dessa moln användas. Ett vanligt tillvägagångssätt är att spåra droppar med en diameter motsvarande det så kallade medianvolymdiametern (MVD). MVD är den partikelstorlek där massan av droppar delas i två lika delar, där en del kommer från små droppar och den andra från större. Detta tillåter en noggrann uppskattning av den slutliga isbildningshastigheten som en viktad summa av de individuella samlingseffektivitet som beräknats för varje partikelstorleksklass.

För att beräkna issamlingens utveckling används ofta avancerade lösningar som PoliMIce, en programvara som simulerar isbildning på ytor genom att lösa ett fasövergångsproblem. Programmet simulerar hur is bildas genom att lösa det klassiska Stefan-problemet för varje volymcell på ytan. Detta kräver noggranna temperaturmodeller och en detaljerad förståelse för hur vattenförflyttning sker mellan celler under isbildningens gång. Det är särskilt viktigt att hantera värmeöverföring och massflöden noggrant, eftersom förändringar i temperatur och vatteninnehåll påverkar både hastigheten på isens tillväxt och dess egenskaper.

När simuleringen utförs för olika typer av is – rimfrost, glaze och blandad is – måste olika parametrar som temperatur, vattendropparnas storlek och flödeshastighet beaktas. Rimfrost bildas vid lägre temperaturer, där vattnet fryser snabbt vid impakt och bildar en strömlinjeformad is. För glaze-is, som uppstår vid högre temperaturer, sker en viss återströmning av vatten, där dropparna inte fryser direkt utan rinner bort från impaktområdet och skapar en mer aerodynamiskt ogynnsam och kritisk isbildning. Blandad is uppträder när båda dessa processer sker på samma gång, vilket gör det särskilt utmanande att exakt förutsäga isens form och tillväxt.

Simuleringarna har visat att varje typ av isbildning har sin egen känslighet för både tidssteg och nätverksdiskretisering. Till exempel, för rimfrost visade tester att simuleringarna var relativt stabila och gav bra överensstämmelse med experimentella data, även om isens tjocklek i nosregionen var något underskattad. För glaze-is var det emellertid en större osäkerhet i de lägre delarna av isbildningen, vilket sannolikt beror på den komplexa vattenflödesdynamiken som inte fullt ut fångades av den nuvarande modellen.

I fallet med blandad is kan simuleringsresultaten vara ännu mer komplexa, eftersom både vatten som rinner bort och fryst vatten samverkar på samma gång. Simuleringarna visar ofta två tydliga "horn" av is, där den maximala isbildningen inte sker vid vingens ledande kant utan snarare vid den övre delen av ytan. Detta kräver en noggrannare analys av hur vattenrörelsen interagerar med luftflödet och hur dessa faktorer påverkar isens utveckling.

Simuleringarna för dessa tre typer av is – rimfrost, glaze och blandad is – ger oss en bra grund för att förstå hur is samlas på ett flygplans ytor under olika förhållanden. Det är dock avgörande att fortsätta utveckla och förbättra dessa modeller, särskilt när det gäller att fånga de komplexa interaktionerna mellan luftflöde, vattendroppar och temperatur, för att kunna förutsäga och hantera isbildning på ett mer effektivt sätt.

Endtext

Vad är Liquid Metal-batterier och varför är de viktiga för framtidens energilagring?
Hur påverkar matematiska textproblem ChatGPT:s förmåga att resonera korrekt?
Hur solenergi påverkar din privatekonomi: Fördelar och långsiktig värdeökning
Hur fungerar en teodolit i dimensionell mätning och triangulering?