《精通CFD工程仿真与案例实战---FLUENT GAMBIT ICEM CFD Tecplot》——1.2 计算流体力学问题的解决过程

简介:

本节书摘来异步社区《精通CFD工程仿真与案例实战---FLUENT GAMBIT ICEM CFD Tecplot》一书中的第1章,第1.2节,作者:李鹏飞,徐敏义,王飞飞,更多章节内容可以访问云栖社区“异步社区”公众号查看

1.2 计算流体力学问题的解决过程

精通CFD工程仿真与案例实战---FLUENT GAMBIT ICEM CFD Tecplot
采用CFD解决某一实际问题分为3步:前处理、求解、后处理。下面对这3个过程进行具体说明。

1.2.1 前处理

前处理的目的是将具体问题转化为求解器可以接受的形式。这里求解器可以接受的形式就是计算域和网格,即前处理需要建立计算域并划分网格。这两者虽然只是求解过程的准备工作,但都很耗时,且对求解结果的精确度起决定性的作用。

计算域,即CFD分析的流动区域。对计算域进行合理处理可以极大地减小计算量,如果是具有对称性的流动,可以设置一个含对称面(或对称轴)的计算域处理。又如,如果只关心流场的某一细部,可以只对该细部的计算域进行CFD分析,无须求解整个流场。

网格,即对计算域划分的单元。网格的数目和质量对求解过程有重要的影响。网格的数目应该够多,以确保能合理描述流动过程;网格的数目也不应过多,以免浪费计算资源。在网格的质量方面,应该尽量使用结构化网格。对于二维流动的模拟,应尽量使用四边形网格;对于三维流动的模拟,应尽量使用六面体网格,以提高求解精度。网格划分通常要占到CFD分析时间的40%以上。如果要对实际模型划分高质量的结构化网格,需要进行专门的训练和经验积累。网格划分技术并不神秘,只要经过训练,人人都可以成为复杂模型结构化网格划分的高手。

对计算域划分好网格后,即可定义边界条件。边界条件定义好后即完成前处理,此时可以输出文件给求解器计算了。

1.2.2 求解

求解器读取之前前处理生成的文件后,设置好各种模型和参数,就可以开始进行迭代计算了。

总之,读入前处理生成的文件后,应首先检查该文件的网格质量是否符合求解器的要求,网格是否出现负体积。没有网格问题后,可以检查计算域单位(如尺寸单位、参数单位等)。然后设置求解器,如是定常还是非定常,显式还是隐式等。再设置各类模型,如湍流模型、多相流模型、组分传输模型、化学反应模型、辐射模型等。再设置流体的物性,如密度、比热、导热速率、粘性等。再具体设置计算域的边界条件。然后设置压力与速度耦合方式、离散格式、欠松弛因子。最后对计算域进行初始化,并设置关键位置的监测点,就可以开始进行迭代计算了。

1.2.3 后处理

后处理即对已经计算收敛的结果继续处理,直到得到直观清晰的、便于交流的数据和图表。后处理可以利用商业求解器自带的功能进行,如FLUENT和CFX都自带了较为完善的后处理功能,可以获得计算结果的矢量图、等值线图、迹线图等。后处理也可以利用专业的后处理软件完成,如常用的TECPLOT、origin、FIELDVIEW和EnSight等。

相关文章
Baidu千帆大模型4——ERNIE-Bot 4.0角色
Baidu千帆大模型4——ERNIE-Bot 4.0角色
489 0
|
2月前
|
存储 机器学习/深度学习 算法
​​LLM推理效率的范式转移:FlashAttention与PagedAttention正在重塑AI部署的未来​
本文深度解析FlashAttention与PagedAttention两大LLM推理优化技术:前者通过分块计算提升注意力效率,后者借助分页管理降低KV Cache内存开销。二者分别从计算与内存维度突破性能瓶颈,显著提升大模型推理速度与吞吐量,是当前高效LLM系统的核心基石。建议收藏细读。
563 125
|
12月前
官宣!杭州市地铁集团与阿里云达成战略合作
官宣!杭州市地铁集团与阿里云达成战略合作
697 9
|
6月前
|
存储 人工智能 Shell
PVE开源虚拟化常见配置
PVE开源虚拟化常见配置
531 12
PVE开源虚拟化常见配置
|
9月前
|
人工智能 自然语言处理 API
销售易NeoCRM与Salesforce:优势特色大比拼
本文对比了销售易NeoCRM与Salesforce两款CRM系统。销售易NeoCRM功能涵盖销售、客户、营销管理等,具AI赋能和移动办公优势,界面现代化,价格灵活适合中小企业;Salesforce功能全面,AI平台强大,生态系统丰富,全球化支持出色,适合大型及跨国企业。两者各有优劣,企业应根据自身需求选择合适的CRM系统,以实现高效管理和业务增长。
|
10月前
|
存储 数据挖掘 数据处理
Pandas高级数据处理:性能优化技巧
Pandas 是 Python 数据分析的强大工具,但在处理大规模数据集时可能遇到性能瓶颈。本文介绍常见性能问题及优化方法,包括数据加载(分块读取、选择必要列、指定数据类型)、筛选过滤(避免链式索引、优化布尔索引)、聚合分组(使用 `transform`、减少列)等,并提供代码案例。同时,针对内存溢出、数据类型不匹配和索引冲突等常见报错,给出解决方案。通过这些优化措施,提升 Pandas 数据处理的效率和稳定性。
441 14
|
机器学习/深度学习 编解码 缓存
阿里云服务器计算型c5/c6/c7/c8y和通用型g5/g6/g7/g8y四代实例对比与选择参考
阿里云服务器的所有实例规格中,计算型和通用型是用户选择最多的,计算型实例主要适用于网站应用、批量计算、视频编码等各种类型和规模的企业级应用。通用型实例则主要适用于中小型数据库系统、缓存、搜索集群等各种类型的企业级应用等场景。阿里云服务器的计算型和通用型实例也经过了多代升级,阿里云不断推出新一代的云服务器产品以满足不同用户的需求。本文将详细对比阿里云计算型c5、c6、c7、c8y以及通用型g5、g6、g7、g8y四代云服务器实例,帮助用户更好地了解这些产品的特性和适用场景,以供选择和参考。
阿里云服务器计算型c5/c6/c7/c8y和通用型g5/g6/g7/g8y四代实例对比与选择参考
|
存储 安全 Linux
新 CentOS 7 服务器的基本配置
新 CentOS 7 服务器的基本配置
408 1
|
关系型数据库 MySQL 数据库
【MySQL】-多表设计(一对多、一对一、多对多)
设计数据库时,不同类型的关系需要谨慎考虑,以反映实际需求并优化性能。查询设计良好的数据库通常会更高效,并有助于减少数据冗余和维护成本。同时,确保外键索引的正确使用,可以显著提升查询效率和数据一致性。通过这些原则和技巧的应用,我们可以在遵循数据库设计的最佳实践的同时,确保数据的可扩展性和可维护性。
1334 4
|
存储 监控 安全
Linux日志管理工具:Logrotate(一)
Linux日志管理工具:Logrotate(一)
1037 0