首页/文章/ 详情

没用过LBM方法的仿真软件没关系,这篇小白文您可以看懂

1月前浏览2113

格子玻尔兹曼方法(LBM)是一种计算流体动力学(CFD)方法,它代表了模拟进行方式的范式转变,使得传统纳维-斯托克斯求解器无法触及的广泛应用成为可能。无论你是经验丰富的CFD专业人士还是渴望了解更多的初学者,理解LBM在现代模拟领域至关重要。

由于其在处理复杂流动场景和复杂几何形状方面的能力,LBM的应用已经大幅增长。它已在包括航空航天、汽车和建筑在内的各个领域得到应用。

图1:城市CAD模型上速度的可视化


01

     

LBM方法    


     

     

格子玻尔兹曼方法(LBM)是一种数值方法,它基于在介观尺度上制定的动力学方程,在宏观尺度上模拟流体动力学。更准确地说,它是“一种并行且高效的算法,用于模拟单相和多相流体流动,并纳入额外的物理复杂性”。它特别适用于模拟复杂的边界条件和多相界面。


02

     

LBM的历史背景


     

     

LBM起源于20世纪80年代开发的格子气体自动机(LGA),作为传统计算流体动力学(CFD)方法的有力竞争者出现。由于需要尖端和高效的模拟技术,LBM从LGA的离散和二进制模型转变为基于连续分布函数的模型。这种转变不仅增强了其准确性,也扩大了其应用范围。多年来,LBM的快速发展和多功能性使其成为流体模拟的首选,特别是在处理复杂几何形状和流动条件时。

LBM的另一种解释可以表示为离散速度玻尔兹曼方程。玻尔兹曼方程是由路德维希·爱德华·玻尔兹曼 Ludwig Eduard Boltzmann(1844-1906)推导的,他是一位奥地利物理学家和哲学家,以其在统计力学方面的工作而闻名,预测原子的属性并确定物质的物理属性,如粘度、扩散和热导率。

图2:Ludwig Eduard Boltzmann


03

     

LBM VS 传统CFD


     

     

定义LBM的是其格子框架和离散速度集。与传统的CFD方法不同,LBM在离散格子上操作,每个节点都是一个计算点,具有一个相关的分布函数,反映了粒子组在特定方向或速度上移动的可能性。

在讨论LBM的应用时,必须强调该方法的适应性和强度。与可能在处理多孔材料等复杂几何形状时遇到限制的传统基于纳维-斯托克斯的方法不同,LBM表现出色。具体来说,LBM的内在离散框架使其能够高效地在复杂结构内模拟流动,使其成为一系列复杂模拟的首选。


04

     

LBM的数学框架


     

     

流体动力学本质上依赖于数学模型来描述和预测流体行为。LBM也不例外,提供了一个独特而复杂的数学框架。

4.1-离散速度

虽然传统的流体动力学技术将空间和速度场视为连续的,但LBM采用了一种不同的、离散的方法。在LBM中,“格子”一词指的是一个空间网格,其中每个节点或点对应于一个特定位置。速度也是离散的,不是连续的,而是离散成一组数量。这些离散速度通常使用“DnQm”表示法表示:“n”表示空间维度,“m”表示离散速度的计数。这种离散化方法简化了计算过程,特别是在复杂几何形状中。

4.2-碰撞和流过程

LBM基本上依赖于两个关键过程:碰撞collision和流streaming。在碰撞阶段,每个格子节点上的粒子分布相互作用,导致粒子速度的重新洗牌,确保质量和动量守恒。

随后的流阶段看到粒子在碰撞后根据它们的新速度前进到相邻节点。正是通过这些局部(碰撞)和全面(流)的相互作用,LBM有效地捕捉了流体行为的复杂性。

4.3-玻尔兹曼方程推导

LBM的核心是其基础方程,该方程借鉴了动力学理论中的玻尔兹曼方程。本质上,这个方程检查了粒子分布函数的演变——或者它存在的可能性——随着时间的变化,受到碰撞的影响。当与离散化元素和明确的碰撞-流过程相结合时,LBM提供了一个严格而灵活的流体动力学描述,通常匹配甚至超过了传统CFD方法的能力。

LBM的控制方程可以表示如下:

其中方程的左侧表示流阶段,右侧表示碰撞阶段。

  • fi 表示单粒子位置和动量的离散概率分布函数(i=1…9i=1…9)。

  • c是格子速度

  • τ 是松弛参数

  • 离散化后,方程可以这样表示:


05

     

LBM的工程应用


     

     

格子玻尔兹曼方法重新定义了各种工程领域的计算流体动力学的可能。与传统基于纳维-斯托克斯的模拟不同,LBM提供了一种介观方法,专注于微观层面上的粒子相互作用。这种独特的方法带来了几个优势,使LBM成为许多应用的变革者。

5.1-汽车空气动力学 - LMP1赛车

使用LBM了解LMP1赛车的空气动力学,这对于优化赛道上的性能至关重要。

5.2-特斯拉Cybertruck空气动力学

对特斯拉Cybertruck的气动特性进行分析,提供对其设计效率的见解。

5.3-多伦多四季风

对多伦多四季地区进行风分析,帮助城市规划和建筑设计。

5.4-自然通风 - 百货公司/购物中心

使用LBM研究大型商业空间的自然通风,围绕百货公司的风流动追踪,识别循环区域,有助于HVAC设计和能效。

5.5-伦敦行人风舒适度

对城市规划者来说,这是一个重要的研究,使用LBM分析伦敦行人区域的风舒适度。


来源:CFD饭圈
碰撞多相流航空航天汽车建筑理论材料科普控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-09-08
最近编辑:1月前
CFD饭圈
硕士 分享CFD文章,感谢关注
获赞 27粉丝 27文章 378课程 0
点赞
收藏
作者推荐

都知道CFD计算是慢的,回顾从80年代到现在的应对方法

各位平时仿真一次CFD工况,需要多长时间?一小时、半天、一天还是一周?对于CFD计算速度这事儿,各位的终极期待是不是:实时仿真计算?CFD模拟结果要是出得太慢,会有什么后果?(大家多少身有体会,不在这里废话了。)现在CFD在商业上越来越吃香,项目/工程周期却越来越短(卷天卷地卷CFD),所以这事儿的风险也就越来越大了。这里尝试回顾过去几十年CFD计算对速度的需求,并看看机器学习是如何在最近几年“及时”出现的。如有不对之处,请各位帮忙指出纠正。 80年代和90年代 在80年代初,CFD工程师需要花费数周时间调整他们的模型。在90年代初,CFD结果的缓慢交付,意味着CFD诊断和分析对于项目的推进讨论中来得太晚,无法提供帮助。为了应对这一挑战,CFD软件公司试图采用更直接的方法-将CAD与CFD耦合,试图克服由CFD网格构建所代表的显著瓶颈。另一个问题是求解器的计算缓慢,计算耗时。最后一个问题是计算结果的可视化展示。这个二十年产生了至少三个主要的创新:1)自动网格化软件(“网格器”)被独立生产和分发,或在现有的商业求解器包中提供。2)求解器在多个CPU上的并行性能,随着多核CPU的逐渐出现。3)更真实的可视化使最终用户能够理解流体模拟和实体对象的“阴影”几何形状。 00年代(200x年) 在00年代初,流体工程问题的日益复杂和对更快周转时间的需求导致了CFD行业的转变。这个年代里,期望CFD工程师在几天甚至几小时内交付结果,而不是几周,这意味着他们需要开发新策略来加速纳维-斯托克斯方程和其他相关偏微分方程的解决方案。这段时间最重大的挑战之一是涉及的几何形状的尺寸和复杂性的增加,这使得问题难以有效解决。为了应对这一挑战,CFD工程师比以往任何时候都更加依赖并行处理,这使他们能够将一个大问题分成更小、更易管理的部分,并同时解决它们。更强大的计算硬件的可用性和新算法及求解器的发展也有助于更快的模拟。这个时代见证了商业CFD软件的明确巩固,这些软件变得越来越复杂和用户友好,使工程师更容易使用。图:示意图,公司内部HPC资源或云计算 10年代 (201x年) 在10年代初,CFD工程师面临与对模拟准确性和可靠性需求增加相关的新挑战。随着工程问题的日益复杂,对高保真度模拟的需求增加,这意味着模拟必须以更高的分辨率和更多的细节运行。这对CFD工程师来说是一个重大挑战,因为更高分辨率的模拟需要更多的计算能力和更长的模拟时间。方法一,CFD工程师转向了新的模拟方法,如自适应网格细化(AMR),以克服这一挑战。AMR通过在解变化迅速的区域自动细化网格,同时在解相对平滑的区域保持网格粗糙,从而显著降低模拟的计算成本,使高保真度模拟能够更有效地运行。另一个重要且更广泛的改进是自动网格化,适用于非常任意的网格,远远超出了最初的四面体方法:1)多面体网格:这个年代,出现了多面体网格,CFD的终极有限体积形状!多面体网格化是一种技术,涉及使用多面体元素填充计算域的大部分。例如,STAR-CCM+ / Fluent等成熟商用CFD软件中的多面体网格化算法,使用各种技术生成高质量的网格,这些网格被证明可以显著降低CFD模拟的计算成本,同时保持高水平的准确性并控制内存占用。2)修剪单元网格:修剪单元网格化是一种技术,用于为复杂几何形状生成高质量网格,如汽车零部件或飞机部件。该技术涉及在几何的外部表面上生成高质量网格,然后修剪(切割)几何内部的单元以匹配边界条件。该技术已被证明可以减少网格化时间并提高模拟精度,特别是对于具有具有挑战性的内部特征的复杂几何形状。 修剪单元网格:示例,如上图,一个2X2X2的六面体组块(左)“遇到”CAD表面;在右边,六面体正在被交叉并生成一个新的由新的绿色边界定的多面体形状。请注意,在这种情况下,剩余的单元没有改变,即网格主要是六面体的,并且这个过程被优化以允许表示边界层的一层棱柱形单元。 多面体和修剪单元网格化都有助于CFD的演变和加速,使工程师能够模拟日益复杂的几何形状并降低模拟成本。然而,必须提到“网格化时间”和“网格化内存”(RAM)是显著的。像并行网格化这样的进步,即在多个计算节点上分发它,正在使其更快,但远非实时。 20年代 (202x年,现在) 时间来到了现在的202x年,在过去几年里面,对实时CFD模拟的需求显著增加。这对需要优化计算资源的工程师来说是一个挑战。GPU在CFD仿真中提供了显著的计算加速。与传统的CPU相比,GPU拥有更多的并行处理核心,这使得它们能够同时处理大量的数据和计算任务。GPU已成为CFD领域中不可或缺的加速工具,广泛应用于航空航天、汽车设计、环境科学等多个领域。如在2021年,Ansys Fluent进一步推出了原生的GPU求解器,在处理上亿网格的车辆外部空气动力学仿真时,使用GPU求解器可以提升求解效率达5倍,使用多个GPU时,这个效率可以提升至30倍。研究人员正在探索新的模拟技术,如降阶建模(ROM)或模型阶数降低,这允许通过降低问题的计算复杂性来实现实时模拟。模型降低通过构建一个降阶模型来工作,该模型捕获整个模拟的基本特征,同时消除非基本细节。这种方法显著降低了模拟的计算成本,使得在不那么强大的硬件上进行实时模拟成为可能。这对CFD工程师来说是一个重大进步,使他们能够对以前无法实时模拟的工程问题进行实时模拟。机器学习的最新进展,特别是几何深度学习,已经导致了超越模型减少并摆脱以前参数化约束的新模拟技术。几何深度学习是一种机器学习技术,可以学习几何结构的表示,例如基于工业3D CAD几何形状的CFD模拟中发现的结构。CAD被“学习”为对象的3D空间表示,无需手动参数化。这种新方法在模拟复杂的工程问题中显示出惊人的结果,为CFD中的实时模拟提供了更多机会。ss 小结一下 从上面各个年代的需求背景和技术成熟度来看,为了解决CFD计算效率这事儿,不同时代出现的相应技术:年代提高计算效率方法80-90年代1、网格生成器2、多核CPU并行3、可视化后处理00年代1、HPC大规模并行10年代1、自适应网格2、多面体网格3、修剪单元网格化20年代(现在)1、GPU加速计算2、降阶模型3、机器学习,特别是几何深度学习 来源:CFD饭圈

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈