Symulacja obliczeniowej mechaniki płynów

Analiza metodą elementów skończonych (MES) jest z powodzeniem stosowana w inżynierii produktu od dziesięcioleci. Równolegle stale rozwijano podejścia do modelowania o wysokiej wierności i bardziej pragmatyczne, które pozwalają szybciej uzyskać wystarczająco dokładne wyniki.

Obecnie inżynierowie mogą i muszą wybrać poziom dokładności, który najlepiej odpowiada ich potrzebom, aby odpowiedzieć na pytania inżynierskie przy minimalnym wysiłku obliczeniowym. Poziom dokładności waha się od technik modelowania o wysokiej wierności, które umożliwiają przewidywanie rzeczywistych zachowań z dokładnością do kilku procent lub nawet mniej, do szybkich metod, które umożliwiają szybkie przewidywanie trendów.

Obecnie procesy certyfikacji i weryfikacji narzędzi do symulacji MES są dobrze ugruntowane. Pozostaną one kluczowym składnikiem postępu MES, jego niezawodności i zaufania do cyfrowych bliźniaków oraz jego tworzenia w nowych obszarach. Podczas gdy symulacja predykcyjna będzie stale zmniejszać zapotrzebowanie na kosztowne pomiary i prototypowanie, nadal będzie wymagała rygorystycznych metod FES i walidacji najlepszych praktyk poprzez eksperymenty. 

Metodologie CFD Meshfree oferują atrakcyjne alternatywne podejście do metod opartych na siatkach dla wybranych zastosowań. Gdy szybkie uzyskanie wyników jest ważniejsze niż najwyższa dokładność, wygładzona hydrodynamika cząstek (SPH) jest wydajnym narzędziem. Jednak obie metody mają swoje miejsce i w zależności od wymagań dotyczących czasu do rozwiązania w porównaniu z wymaganą dokładnością, korzystne może być wybranie podejścia opartego na siatce lub bez siatki.

Większość przepływów wokół nas i istotnych dla rozwoju produktów ma charakter burzliwy. Przez dziesięciolecia nauka i przemysł nawiązały bliskie relacje, aby włączyć opisy turbulencji do równania Naviera-Stokesa. Na przykład tworzenie siatki najbardziej odpowiedniego modelu turbulencji dla danej aplikacji i projektu CFD w dużym stopniu zależy od dokładności w porównaniu z wymaganiami dotyczącymi prędkości symulacji.

Ogólnie rzecz biorąc, modelowanie turbulencji można podzielić na trzy główne kategorie: modelowanie statystyczne, znane również jako średnia Reynoldsa Naviera-Stokesa (RANS), symulacja rozdzielczości skali (SRS), taka jak symulacja dużych wirów (LES) lub symulacje wirów oderwanych (DES) i ostatecznie bezpośrednia symulacja numeryczna (DNS), która nie przyjmuje żadnych założeń modelowania turbulencji.

Nauka CFD wymaga czasu, poświęcenia, dokładnej nauki i praktyki. Kluczowe znaczenie ma zrozumienie podstawowych podstaw fizyki dynamiki płynów i równania Naviera-Stokesa, zrozumienie metod numerycznych i ich ograniczeń oraz przećwiczenie praktycznego wykorzystania rzeczywistego oprogramowania do obliczeniowej dynamiki płynów. Dzięki automatyzacji i ciągłemu doskonaleniu interfejsów użytkownika w nowoczesnym oprogramowaniu do obliczeniowej dynamiki płynów, bariery dla CFD o wysokiej wierności będą się dalej zmniejszać na wszystkich poziomach, przesuwając zakres badania wyników i podejmowania decyzji opartych na symulacji. Kluczowe znaczenie ma również zrozumienie podstawowej dynamiki płynów, aby ocenić wyniki i podejmować znaczące decyzje inżynierskie w oparciu o wyniki CFD.

Wybór sprzętu do projektu CFD naprawdę zależy od projektu, budżetu i bieżących priorytetów. Kilka zaleceń: procesory x86 przeprowadzają symulacje już od wieków. Każdy solver został początkowo opracowany i zweryfikowany dla tej platformy. Szukaj sprzętu CFD z maksymalną pamięcią podręczną - serwerów, stacji roboczych i laptopów. Procesory graficzne (GPU) obsługują obecnie wiele solverów, a oprogramowanie dostosowuje się do tego jeszcze bardziej. Rozwiązanie to jest bardzo energooszczędne. Zwróć szczególną uwagę na to, czy wymagane solwery są obsługiwane i spełniają wymagania dotyczące pamięci w danym przypadku użycia. Pozwala to w pełni wykorzystać możliwości stacji roboczych i klastrów GPU z wieloma procesorami graficznymi. Procesory ARM obsługują wszystko oprócz graficznego interfejsu użytkownika. Jest to podejście do ekonomicznego przetwarzania danych, zwłaszcza w przypadku usług w chmurze. Pod warunkiem, że Twoje narzędzie do symulacji obliczeniowej dynamiki płynów obsługuje technologię ARM. Ogólnie rzecz biorąc, symulacja CFD w chmurze jest prostym rozwiązaniem. Bez inwestycji w drogi sprzęt komputerowy, bez bezczynnych kosztów i skalowalność na żądanie.