fluent中的一些基本問題

2017-03-03 by:CAE仿真在線來源:互聯(lián)網(wǎng)

使用gambit時可能遇到的問題
問題1:
如果體網(wǎng)格做好后,感覺質(zhì)量不好,然后將體網(wǎng)格刪除,在其面上重新作網(wǎng)格,結(jié)果發(fā)現(xiàn)網(wǎng)格都脫離面,不再附體了,比其先前的網(wǎng)格質(zhì)量更差了.
原因:
刪除體網(wǎng)格時,也許連同較低層次的網(wǎng)格都刪除了.上面的脫離面可能是需要的體的面.
解決方法:
重新生成了面,在重新劃分網(wǎng)格
問題2:
在gambit下做一虛的曲面的網(wǎng)格,結(jié)果面上的網(wǎng)格線脫離曲面,由此產(chǎn)生的體網(wǎng)格出現(xiàn)負體積.
原因:
估計是曲面扭曲太嚴重造成的
解決方法:
可以試試分區(qū)域劃分體網(wǎng)格,先將曲面分成幾個小面,生成各自的面網(wǎng),再劃體網(wǎng)格。
問題3:
當好網(wǎng)格文件的時候,并檢查了網(wǎng)格質(zhì)量滿足要求,但輸出*.msh時報錯誤.
原因:
應該不是網(wǎng)格數(shù)量和尺寸.可能是在定義邊界條件或continuum type時出了問題.
解決方法:
先把邊界條件刪除重新導出看行不行.其二如果有兩個幾何信息重合在一起, 也可能出現(xiàn)上述情況,將幾何信息合并掉.
問題4:
當把兩個面(其中一個實際是由若干小面組成,將若干小面定義為了group了)拼接在一起,
也就是說兩者之間有流體通過,兩個面?zhèn)€屬不同的體,網(wǎng)格導入到fluent時,使用interface時出現(xiàn)網(wǎng)格check的錯誤,將interface的邊界條件刪除,就不會發(fā)生網(wǎng)格檢查的錯誤.
原因:
interface后的兩個體的交接面,fluent以將其作為內(nèi)部流體處理(非重疊部分默認為wall,合并后網(wǎng)格會在某些地方發(fā)生畸變,導致合并失敗.也可能準備合并的兩個面幾何位置有誤差,應該準確的在同一幾何位置(合并的面大小相等時),在合并之前要合理分塊
解決方法:
為了避免網(wǎng)格發(fā)生畸變(可能一個面上的網(wǎng)格跑到另外的面上了),可以一面網(wǎng)格粗,一面網(wǎng)格細,或者通過將一個面的網(wǎng)格直接映射到另一面上的,兩個面默認為interior.也可以將網(wǎng)格拼接一起.

Map (產(chǎn)生規(guī)則的結(jié)構(gòu)化網(wǎng)格)
Submap(把一個非mappable面分成幾個mappable面,從而在每個區(qū)域產(chǎn)生結(jié)構(gòu)化網(wǎng)格)Pave (產(chǎn)生非結(jié)構(gòu)化網(wǎng)格)Tri Primitive(把一個三邊形面分成三個四邊形部分,在每個部分生成結(jié)構(gòu)化網(wǎng)格)Wedge Primitive(在楔形面的頂點產(chǎn)生三角形網(wǎng)格單元,從頂點往外生成發(fā)散性的網(wǎng)格)

插值方式常稱為離散格式。
中心差分格式:就是界面上的物理量采用線性插值公式來計算,即取上游和下游節(jié)點的算術(shù)平均值。它是條件穩(wěn)定的,在網(wǎng)格Pe數(shù)小于等于2時穩(wěn)定。在不發(fā)生振蕩的參數(shù)范圍內(nèi),可以獲得較準確的結(jié)果。如沒有特殊聲明,擴散項總是采用中心差分格式來進行離散。
一階迎風格式: 即界面上的未知量恒取上游節(jié)點(即迎風側(cè)節(jié)點)的值。
這種迎風格式具有一階截差,因此叫一階迎風格式。無論在任何計算條件下都不會引起解的振蕩,是絕對穩(wěn)定的。但是當網(wǎng)格Pe數(shù)較大時,假擴散嚴重,為避免此問題,常需要加密網(wǎng)格。
研究表明,在對流項中心差分的數(shù)值解不出現(xiàn)振蕩的參數(shù)范圍內(nèi),在相同的網(wǎng)格節(jié)點數(shù)條件下,采用中心差分的計算結(jié)果要比采用一階迎風格式的結(jié)果誤差小。
混合格式:綜合了中心差分和迎風作用兩方面的因素,當|Pe|<2時,使用具有二階精度的中心差分格式;
當|Pe|>=2時,采用具有一階精度但考慮流動方向的一階迎風格式。該格式綜合了中心差分格式和一階迎風格式的共同的優(yōu)點,其離散系數(shù)總是正的,是無條件穩(wěn)定的。計算效率高,總能產(chǎn)生物理上比較真實的解,
但缺點是只有一階精度。
二階迎風格式:二階迎風格式與一階迎風格式的相同點在于,二者都通過上游單元節(jié)點的物理量來確定控制體積界面的物理量。但二階格式不僅要用到上游最近一個節(jié)點的值,還有用到另一個上游節(jié)點的值。
它可以看作是在一階迎風格式的基礎(chǔ)上,考慮了物理量在節(jié)點間分布曲線的曲率影響。在二階迎風格式中,只有對流項采用了二階迎風格式,而擴散項仍采用中心差分格式。二階迎風格式具有二階精度的截差。
QUICK格式:是“對流項的二次迎風插值”,是一種改進離散方程截差的方法,通過提高界面上插值函數(shù)的階數(shù)來提高格式截斷誤差的。對流項的QUICK格式具有三階精度的截差,但擴散項仍采用二階截差的中心差分
格式。對于與流動方向?qū)R的結(jié)構(gòu)網(wǎng)格而言,QUICK格式將可產(chǎn)生比二階迎風格式等更精確的計算結(jié)果。
QUICK格式常用于六面體(二維中四邊形)網(wǎng)格。對于其它類型的網(wǎng)格,一般使用二階迎風格式。

在Fleuent隱藏了很多湍流模型,在GUI面板中只能看到三種k-e模型,實際上低雷諾數(shù)湍流模型同樣可以使用。
具體操作一共有兩步,第一步,先在viscous model面板中選擇k-e模型;
第二步,鍵入下面的命令:
define/models/viscous/turbulence-expert /low-re-ke y
然后回車
在模型選擇面板中我們就可以看見低雷模型low-re-ke model了。

離散相模型一般只用于體積率小于10%的情況,雙流體模型(VOF模型、混合物模型和歐拉模型)可用于各種體積份額下,但只能選擇一階時間離散。如果分散相的的分布廣,那么用混合模型最為合適。如果分散相幾種在主域的某些區(qū)域,那么用歐拉模型合適。如果相間的drag law可用或者可以通過用戶定義的方式得到,那么歐拉模型能得到精確的結(jié)果,如果相間的draglaw不可知或者能否應用到你的問題中還是未知的情況下,選擇混合模型

FLUENT的初始化面板中有一項是設(shè)置從哪個地方開始計算,選擇從不同的邊界開始計算有很大的區(qū)別嗎?
一般是選取ALLZONE,即所有區(qū)域的平均處理,通常也可選擇有代表性的進口(如多個進口時)進行初始化。對于一般流動問題,初始值的設(shè)定并不重要,因為計算容易收斂。但當幾何條件復雜,而且流動速度高變化快(如音速流動),初始條件要仔細選擇。如果不收斂,還應試驗不同的初始條件,甚至逐次改變邊界條件最后達到所要求的條件。

在fluent中,用courant number來調(diào)節(jié)計算的穩(wěn)定性與收斂性。一般來說,隨著courantnumber的從小到大的變化,收斂速度逐漸加快,但是穩(wěn)定性逐漸降低。所以具體的問題,在計算的過程中,最好是把courantnumber從小開始設(shè)置,看看迭代殘差的收斂情況,如果收斂速度較慢而且比較穩(wěn)定的話,可以適當?shù)脑黾觕ourantnumber的大小,根據(jù)自己具體的問題,找出一個比較合適的courant number,讓收斂速度能夠足夠的快,而且能夠保持它的穩(wěn)定性。

什么是旋流數(shù)?切向動量和軸向動量比.
強旋流動用混合長,K-e模型都不行,反應不出強旋情況下的各向異型。用代數(shù)應力模型或者雷諾應力模型比較合適。一般來說,混合長,K-e模型(用的最廣)算自由射流,剪切流,弱旋,無浮力流等等各向異型不強的情況符合很好。對強旋流動,也可以采用修正后的K-e模型(有很多修正,對強旋就找針對強旋修正的模型)。

出現(xiàn)回流后影響不影響計算精度主要是看實際有沒有回流。如果實際有回流,則計算出來的回流是確實存在的。則此時的回流參數(shù)應靠試驗來確定。所謂的回流參數(shù)是指計算中一旦出現(xiàn)回流,則從出口流回來的物理量(如組分)是多少!當實驗中沒有回流,而計算中出現(xiàn)回流時,要分成兩種情況來討論。在討論這個以前,有必要將產(chǎn)生假回流的原因仔細說一下。產(chǎn)生假回流主要是由于不好的初始條件或是上次迭代的結(jié)果所計算的系數(shù)被代入使矩陣迭代而產(chǎn)生的結(jié)果。這樣說,則可把問題分為兩類。一類是計算中出現(xiàn)回流,而計算最后沒有回流的,這樣的話,可以將迭代中沒有回流以后的任意步看作初始條件,這樣設(shè)不設(shè)回流參數(shù)都是無所謂的。第二種問題是計算最后還有回流。這就可能是你邊界條件或是物
性什么的原因了,即使設(shè)置回流參數(shù),結(jié)果也是不足取的。

計算時間和網(wǎng)格數(shù),湍流模型,離散格式階數(shù)等都有關(guān)系。一般每十萬個單元需要50-100M內(nèi)存,在CPU速度和內(nèi)存兩者中,計算速度和內(nèi)存的關(guān)系更大。

開放分享：優(yōu)質(zhì)有限元技術(shù)文章,助你自學成才