首页/文章/ 详情

如何求解FSI流固耦合问题

23天前浏览1147
   

   

一、什么是流固相互作用


   
流体流动和固体结构之间的相互作用涉及流体动力学、固体力学和热力学等复杂同时现象。
这些现象的耦合可能导致各种结果,如涡流诱导振动或气弹性。
海洋结构(例如大型集装箱船、海上平台等)在重型海洋条件下表现得像弹性体,因此,流体弹性效应不容忽视。
涡流诱导振动在许多不同的工程领域都有表现,从电缆到热交换器管阵列。
气弹效应在航空航天结构中很常见,因为它们必须轻量化,同时承受大的气动载荷。
流场特征是层流和湍流流动,而变形和应力场特征是固体结构。因此,固体变形和应力场可以影响流体流动,流场也可以影响固体。


   

   

二、单向模拟


   
流固相互作用(FSI)仿真领域在过去几十年中取得了显著进展。
传统方法基于简化假设,而最近的方法更准确、可靠。FSI耦合提供了计算优势和灵活性,但也存在缺点,包括信息交换繁琐、精度降低和稳定性挑战。

1-如何进行单向耦合,分为两个步骤!

首先,确保你的CFD仿真在流体和固体域之间有清晰的界面!这个界面通常由与流体接触的FEA网格表面定义。识别并选择CFD网格上的边界或边界,代表流体和固体域之间的界面。这可以通过在仿真域中选择对应固体对象的表面来实现。:一旦选择了界面边界,提取与该边界相关的压力数据。例如,在ParaView中,您可以使用“提取表面”过滤器来隔离选定的边界,然后提取与该表面相关的压力值。
下一步是将提取的压力数据导出为与您的FEA软件兼容的格式。一种常见格式是CSV(逗号分隔值)。请确保导出的文件包含必要信息,通常包括界面边界上的每个点的坐标(x,y,z)和相应的压力值(P)。在进行FEA仿真之前,验证导出的数据以确保其准确代表界面边界上的压力分布。您可以通过可视化导出的数据或在特定点抽查压力值来做到这一点。

2-单向耦合的优势和局限性

单向耦合(松耦合方法)涉及单独解决流动和结构方程,然后在一次迭代中将两个解决方案耦合。
在这种方法中,流体流动影响结构,但结构响应对流体流动的反馈在同一迭代中不考虑。这种方法简化了计算并降低了问题的复杂性。
然而,它有显著的局限性。
由于结构响应不会在同一迭代中影响流体流动,特别是在关键的动态相互作用中,结果可能缺乏准确性。这种方法的解耦性质可能导致收敛问题,并在捕捉实际交互系统的确切行为时出现不准确。
我们可以得出结论,单向耦合适用于流和结构之间相互作用较弱或不需要高精度的场景。
3-更详细地,单向数值分析工作流程如下
步骤1 - CFD中的流体流动解:首先使用计算流体动力学软件解决流体流动方程,以获得结构表面的压力和剪切应力分布。
步骤2 - 映射压力和剪切应力:将流体解计算出的压力和剪切应力映射到固体结构表面作为边界条件。
步骤3 - FEA中的结构响应:使用FEA软件,使用流体流动的施加边界条件(BCs)解决结构方程,以确定结构的变形和应力分布。


   

   

三、双向模拟


   
近年来,开发了几种计算方法来模拟FSI,主要包括全耦合求解器、浸没边界方法和降阶建模技术,主要采用双向仿真方法。

1-显式或隐式FSI

在双向FSI仿真中选择显式和隐式耦合方法至关重要。显式耦合是顺序的且更简单,但不太稳定,而隐式耦合是同时的、更稳定且计算密集。这种选择通常在集成FSI软件中模拟设置中进行,以适应所解决问题的特定交互动态。
选择显式和隐式耦合方法通常嵌入在商业CAE供应商提供的集成FSI软件解决方案的模拟设置中。这些软件工具提供了定义流体和结构求解器如何交互的界面,允许用户根据其模拟的特定要求选择适当的耦合策略。
隐式耦合对于结构变形显著影响流体流动的高度耦合问题至关重要,如气弹性。
在隐式耦合中,流体和结构求解器在每个时间步长内同时运行,迭代求解耦合方程,直到收敛。这种方法在每个时间步长内平衡流体和结构响应。我们可以更大稳定性和能够处理更大的时间步长,使其适用于强耦合相互作用。这是有代价的。代价是增加了复杂性和由于迭代求解过程而更高的计算成本。隐式耦合适用于结构变形对流体流动影响中等的不太紧密耦合的相互作用。
在显式耦合中,流体和结构域在每个时间步长内顺序求解。流体求解器计算流体力并将其传递给结构求解器,然后计算结构响应。然后更新的结构用于下一次流体计算。
虽然这种方法更简单,但它不太稳定,通常需要更小的时间步长,这增加了计算成本。

2-显式和隐式流固相互作用(FSI)的数学

作为最终的数学比较——在显式FSI中,我们可以有以下连续方程来控制流体(上标ᶠ表示)和固体(上标ˢ表示)之间的相互作用:
流体方程:
结构方程:
显式耦合:
在隐式FSI中,我们可以有以下方程来控制相互作用:
流体方程:
结构方程:
隐式耦合由ffluid-struct给出,它代表流体对结构施加的力, fstruct-fluid代表结构对流体施加的力。


   

   

四、深度学习在FSI的应用


   
在流固相互作用(FSI)仿真中,将流体和固体的力学结合起来分析它们的相互作用。传统上,这些仿真使用计算成本高昂的求解器,但深度学习的最新进展为使用神经网络作为替代模型开辟了可能性。这就提出了一个问题:深度学习能取代流固相互作用中的流体和结构仿真吗?
深度学习在替代建模方面显示出有希望的结果,这种建模基于工程和科学领域的输入输出数据,近似复杂的函数或过程。作为CFD的替代品,能够处理任何复杂的几何形状,无论是来自CAD还是FEA计算出的变形。
深度学习替代品比CFD和FEA求解器具有更快的响应优势,因此补充了纯粹基于物理的数值方法。
CFD仿真涉及求解纳维-斯托克斯方程,这在计算上可能是非常密集的。如果提供了用于训练的代表性数据集,深度学习替代品为特定应用提供了更快、更具成本效益的选择。
在FSI分析中,使用深度学习预测而不是CFD可能非常方便。让我们看看为什么以及如何发生这种情况。
使用训练有素的深度学习替代品可以使流固FSI仿真更加高效。在机翼FSI案例中,结构求解器使用基于CFD深度学习替代品提供的气动载荷的传统方法模拟机翼的变形。深度学习模型根据结构变形和FEA求解器提供的数据预测作用在机翼上的气动力,创建了一个准确捕捉动态相互作用的迭代过程。
在计算负担和易用性方面的优势是显而易见的。
例如,使用CFD数据集训练的深度学习平台,可以显著减轻与传统计算流体动力学仿真相关的计算负担。一旦用CAE甚至实验数据训练,替代模型就会根据固体域的新变形形状(被认为是CFD边界)进行非常快速的预测。可以提供流体力的快速预测,从而加快整体FSI仿真。

--- END ---

邀您关注

▽ 纯粹CFD:软件教程、行业应用、专业理论、

基础科普、研究前沿、严选培训广告

▽ 只聊CFD相关的大小事,信手天成,娓娓道来


来源:CFD饭圈
FluentCFX振动燃烧湍流航空航天Polyflow海洋理论科普控制ParaViewParticleWorks
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:2024-10-12
最近编辑:23天前
CFD饭圈
硕士 分享CFD文章,感谢关注
获赞 25粉丝 26文章 378课程 0
点赞
收藏
作者推荐

一文深入了解8类湍流模型,是8类,不是8个

在湍流的计算建模中,一个共同的目标是获得一个能够预测感兴趣量(如流体速度)的模型,以便在模拟系统工程设计中使用。对于湍流流动,涉及湍流现象的长度尺度范围和复杂性使得大多数建模方法成本过高;解决湍流中涉及的所有尺度所需的分辨率超出了计算能力。在这种情况下,主要的方法是创建数值模型来近似未解决的现象。这里列出了一些常用的湍流流动计算模型。湍流模型可以根据计算成本进行分类,这与被模拟与被解析的尺度范围相对应(解析的湍流尺度越多,模拟的分辨率越细,因此计算成本越高)。如果大多数或全部湍流尺度都没有被模拟,计算成本非常低,但代价是准确性降低。除了广泛的长度和时间尺度以及相关的计算成本外,流体动力学的控制方程包含一个非线性对流项和一个非线性及非局部的压力梯度项。这些非线性方程必须在适当的边界和初始条件下用数值方法求解。1. 雷诺平均纳维-斯托克斯方程 Reynolds-averaged Navier–Stokes 雷诺平均纳维-斯托克斯(RANS)方程是湍流建模最古老的方法。解决的是控制方程的集 合版本,引入了新的表观应力,称为雷诺应力。这增加了一个二阶张量的未知数,各种模型可以提供不同程度的封闭。一个常见的误解是,RANS方程不适用于具有时间变化平均流的流动,因为这些方程是“时间平均”的。实际上,统计上非稳态(或非定常)流动也可以同样处理。有时这被称为URANS。雷诺平均没有固有的东西可以阻止这一点,但用于封闭方程的湍流模型只有在这些平均变化的时间与包含大部分能量的湍流运动的时间尺度相比很大时才有效。RANS模型可以分为两种广泛的途径:a)Boussinesq假设这种方法涉及使用雷诺应力的代数方程,包括确定湍流粘度,并根据模型的复杂程度,求解传输方程以确定湍流动能和耗散。模型包括k-ε(Launder和Spalding),混合长度模型(Prandtl)和零方程模型(Cebeci和Smith)。这种方法中可用的模型通常根据与方法相关联的传输方程数量来引用。例如,混合长度模型是“零方程”模型,因为没有求解传输方程;k-ε是“二方程”模型,因为求解了两个传输方程(一个用于k,一个用于ε)。b)雷诺应力模型(RSM)这种方法尝试实际解决雷诺应力的传输方程。这意味着引入了几个传输方程,用于所有雷诺应力,因此这种方法在CPU工作上的成本要高得多。2. 大涡模拟 Large eddy simulation大涡模拟(LES)是一种技术,在这种技术中,通过过滤操作去除流动的最小尺度,并使用子网格尺度模型来建模它们的效果。这允许解析湍流的最大和最重要的尺度,同时大大减少了最小尺度引起的计算成本。这种方法需要比RANS方法更多的计算资源,但比DNS要便宜得多。3. 分离涡模拟 Detached eddy simulation分离涡模拟(DES)是RANS模型的修改,在足够细分的区域中,模型切换到子网格尺度表述,以便进行LES计算。靠近固体边界和湍流长度尺度小于网格最大尺寸的区域被分配RANS模式的解决方案。当湍流长度尺度超过网格尺寸时,使用LES模式解决这些区域。因此,DES的网格分辨率不像纯LES那样苛刻,从而大幅降低了计算成本。尽管DES最初是为Spalart-Allmaras模型(Philippe R. Spalart等人,1997年)制定的,但它也可以通过适当修改RANS模型中明确或隐含涉及的长度尺度,与其他RANS模型(Strelets,2001年)一起实现。因此,基于Spalart-Allmaras模型的DES就像带壁面模型的LES,而基于其他模型(如二方程模型)的DES则表现为混合RANS-LES模型。由于RANS-LES切换,网格生成比简单的RANS或LES情况更复杂。DES是一种非区域性方法,为解决方案的RANS和LES区域提供了单一平滑的速度场。4. 直接数值模拟 Direct numerical simulation直接数值模拟(DNS)解析了湍流长度尺度的全部范围。这边缘化了模型的效果,但极其昂贵。计算成本与Re^3成正比。对于具有复杂几何形状或流动配置的流动,DNS是不可行的。5. 相干涡旋模拟 Coherent vortex simulation相干涡旋模拟方法将湍流场分解为相干部分,包括有组织的涡旋运动,以及不相干部分,即随机背景流动。这种分解是通过小波滤波完成的。这种方法与LES有很多共同之处,因为它使用分解并只解析过滤部分,但不同之处在于它不使用线性低通滤波器。相反,过滤操作基于小波,并且过滤器可以根据流动场的演变进行调整。Farge和Schneider使用两种流动配置测试了CVS方法,并表明流动的相干部分表现出与总流动的能量谱-40/39相对应的相干结构(涡旋管),而流动的不相干部分组成了均匀背景噪声,没有表现出有组织的结构。Goldstein和Vasilyev将FDV模型应用于大涡模拟,但没有假设小波滤波器从子滤波尺度中消除了所有相干运动。通过同时使用LES和CVS过滤,他们表明SFS耗散由SFS流动场的相干部分主导。6. PDF方法 Probability density function (PDF) methods,由Lundgren首次引入的概率密度函数(PDF)湍流方法,基于跟踪速度的一点PDF,fV(v;x,t)dv,它给出了在点x的速度在v和v+dv之间的概率。这种方法类似于气体的动力学理论,其中气体的宏观属性由大量粒子描述。PDF方法的独特之处在于它们可以应用于不同湍流模型的框架内;主要差异发生在PDF传输方程的形式上。例如,在大涡模拟的背景下,PDF变为过滤后的PDF。PDF方法也可以用来描述化学反应,并且特别适用于模拟化学反应流动,因为化学源项是封闭的,不需要模型。PDF通常通过使用拉格朗日粒子方法来跟踪;当与大涡模拟结合时,这导致了一个用于子滤波粒子演化的Langevin方程。7. 涡度约束方法 Vorticity confinement method,涡度约束(VC)方法是一种在模拟湍流尾迹时使用的欧拉技术。它使用类似孤立波的方法来产生一个没有数值扩散的稳定解。VC可以在仅有2个网格单元内捕获小尺度特征。在这些特征内,求解一个非线性差分方程,而不是有限差分方程。VC类似于捕获冲击波的方法,其中满足守恒定律,以便准确计算基本积分量。8. 线性涡旋模型 Linear eddy model,线性涡旋模型是一种用于模拟湍流中发生的对流混合的技术。具体来说,它提供了一种数学方法来描述标量变量在矢量流场内的相互作用。它主要用于湍流的一维表示,因为它可以应用于广泛的长度尺度和雷诺数范围。这个模型通常用作更复杂流动表示的构建块,因为它提供了在大范围流动条件下保持的高分辨率预测。邀您关注▽ 纯粹CFD:软件教程、行业应用、专业理论、基础科普、研究前沿、严选培训广告▽ 只聊CFD相关的大小事,信手天成,娓娓道来来源: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