首页/文章/ 详情

ANSA 涡轮机械六面体网格划分自动化工具系列:Blade 工具

4月前浏览929
   



简介

本文将介绍 ANSA Turbo 模块下的 Blade 功能。作为专为涡轮机械叶片开发的结构化网格划分自动化工具,Blade 工具适用于轴流式叶片的六面体网格划分。这一工具能够根据叶片的三维形态自动识别流道区域并划分 Hexa Block 盒子,从而快速生成六面体网格。用户仅需预先定义好 Property,并输入合适的网格参数,工具将自动完成整个流程,提高工程师建模的效率,也确保了涡轮机械仿真中对网格一致性、可控性与精度的严格要求。 


前期准备


在使用 Blade 功能前,为方便工具中的自动化模板进行各区域的正确识别,需要预先为叶片的几何模型划分 Property。

以下图 1 的叶片为例,需要划分出 Blade, Hub, Shroud, Inlet 和 Outlet 五个 Property。这一操作可以借助 Geometry 菜单下的 Set PID 功能完成。

       

图 1 为轴流式叶片划分 PID

此外,需指定前缘和后缘的特征线,并分别保存在 Set 中。将 Set 命名为 LE (Leading Edge)和 TE (Trailing Edge)以做区分,如图 2 所示。

       

图 2 为轴流式叶片指定前缘/后缘


定义叶片级参数


完成 PID 分配及前缘线、后缘线的定义后,即可使用 Blade 功能为叶片构建结构化六面体网格。

Blade 功能位于 Hexa Block 菜单下的 Turbo 模块中,以 CFD 布局打开 ANSA 时,Hexa Block 菜单将默认位于页面上方的菜单栏中。

       

图 3 Blade 功能位置

Blade 的功能窗口如图 4。第一步需要指定叶片级参数,即周期性流道的数量、旋转轴和计算域。

       

图 4 Blade: Stage Definition

对于本例而言,在 Number of passages 处输入 76,即周期性通道数为 76 个。

在 Rotation axis and origin 中,选择全局坐标轴的原点为旋转轴原点,Z 轴为轴向。除了直接输入数值外,也可以通过在 ANSA 图形区中点击两个点定义矢量的方式来定义旋转轴。

Domains 分类中,如果包含 Inflow,Outflow 或 Open 的区域可以相应勾选,并在前一步中为这些区域划分 PID,本例中保持默认不勾选。

窗口左下角还有一个文件夹和保存的图标,代表此功能中用到的参数可以保存为模板并在后续应用中使用。


定义叶片表面边界


第二步是定义叶片表面边界。

Tip 指定叶片在 Hub 或 Shroud 侧的尖端,这里选择 No tip。

Leading edge/Trailing edge 用于指定前缘/后缘的形状,可以选择 Rounded 或 Blunt,本例模型为 Rounded。

Fillet 指叶片和 Hub/Shroud 连接位置是否存在圆角,此处选择 No fillet。

Periodic sides 用于定义周期性边界,如果选择 Calculated 则会根据当前的参数设置计算周期性边界,此外也可以选择 Specific 并指定相应的表面为周期性边界。

在 Property 命名恰当的情况下,窗口下方的 Surface 和 Property 栏将会自动匹配,如图 5 所示,否则需要手动选择。在 LE Set 和 TE Set 中指定前缘线和后缘线所在的 Set,在命名恰当时同样会自动匹配。

       

图 5 Blade: Surface Definition


指定网格参数


第三步为指定网格参数,分为对网格尺寸的定义,及对叶片/流道顶端/流道底端的细化设置,也相当于边界层的设置。

对于网格尺寸,有三种定义方式:Automatic, Number per direction 和 Advanced。

在 Automatic 模式下,仅需指定总单元数和增长率,ANSA 将会自动计算网格尺寸。

       

图 6 Mesh Size: Automatic

Number per direction 模式可以指定三个维度的网格层数(Inlet to outlet,Hub to shroud,Blade to blade)及增长率。

       

图 7 Mesh Size: Number per direction

Advanced 模式下,需要指定最大和最小的网格尺寸、增长率以及畸变角度。

       

图 8 Mesh Size: Advanced

对于叶片/流道顶端/流道底端的细化设置,一般来说仅需要指定第一层高度和增长率。但对于 Blade refinement 而言,当 Mesh size 设置为 Automatic 或 Number per direction 时还可指定更多网格细化的方式,包括 Automatic,Distance 和 Number of steps。

选择 Automatic 时 ANSA 会自动计算,除第一层高度和增长率外无需额外定义。

选择 Distance 时需要额外指定偏移距离。

       

图 9 Blade Refinement: Distance

选择 Number of steps 则需额外指定偏移方向上的层数。

       

图 10 Blade Refinement: Number of steps

在本例中,我们采用如图 11 所示的网格参数设置。

       

图 11 Blade: Mesh Parameters


指定网格生成相关参数


第四步需要指定网格生成相关的参数。

生成网格后体网格将自动保存在 fluid 类型的 property 中,因此需要在 Fluid property name 指定该 property 名称,此处保持默认为 Fluid。

用户可以在 Number of passages to mesh 中指定将划分网格的通道数目,本例中设置为 1。

Generate shell mesh 和 Generate volume mesh 代表是否生成面网格和体网格,如果均不勾选,将只划分盒子而不生成网格,此处保持勾选。

Calculate on multiple sections 主要针对高度弯曲的叶片,当需要计算截面上的网格时需要勾选此选项,此处不勾选。

       

图 12 Blade: Mesh Generation


确认网格生成效果


最后一步是对网格生成效果的预览,点击 Finish 将确认生成网格,如果对生成效果不满意,也可点击 Back 回到前序步骤重新配置参数。

       

图 13 Blade: Confirm the created topology

本例中生成的网格效果如下(为了方便查看已关闭几何面显示),从图 14、图 15 中可以看到 Blade 功能根据叶片的几何形状自动划分了盒子,并生成了高质量的六面体网格,在叶片、流道顶部和底部的壁面附近也生成了边界层。

       

图 14 Blade生成的网格效果

       

图 15 叶片附近的网格


总结


以上介绍了 ANSA 中专用于涡轮机械叶片结构化六面体网格划分的自动化工具——Blade 功能,详细介绍了该功能的适用范围、功能窗口及相应得参数设置,并展示了生成的网格效果。借助该工具,用户能够在高度自动化的流程中为叶轮机械仿真获得质量稳定、拓扑清晰的六面体网格,大幅提升前处理效率。

END

作者 | 李梓月 

Cadence CAE 工程师


来源:Cadence楷登

SystemSTEPSANSA叶轮机械UMCadence
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:2026-04-08
最近编辑:4月前
Cadence楷登
签名征集中
获赞 4粉丝 122文章 688课程 0
点赞
收藏
作者推荐

Cadence 推出 ChipStack™ AI Super Agent,开辟芯片设计与验证新纪元

全球首个 AI 驱动的超级智能体,能够根据规格和高层次描述自主创建并验证设计 中国上海,2026 年 3 月 2 日 —— 楷登电子(美国 Cadence 公司,NASDAQ:CDNS)近日宣布,推出用于前端芯片设计与验证的代理式 AI 解决方案 —— ChipStack™ AI Super Agent,标志着在重新定义半导体设计方式上迈出了变革性的一步。Cadence® ChipStack AI Super Agent 是全球首个用于自动化芯片设计与验证的代理式工作流,可将代码设计、仿真平台搭建、测试计划创建、回归测试编排、问题调试与自动修复的效率提升 10 倍。 Cadence 总裁兼首席执行官 Anirudh Devgan 表示:“ChipStack 代表了我们 design-for-AI 与 AI-for-design 战略的一次重大飞跃。我们将代理式 AI 直接应用到客户的前端设计流程中,以应对现代芯片日益增长的复杂性与规模挑战。通过利用能够自主调用底层工具的智能代理,我们能够在关键设计与验证任务中为客户带来显著的生产力提升,同时让稀缺的工程人才专注于创新。” 新推出的 ChipStack AI Super Agent 充分体现了 Cadence Intelligent System Design™ 理念,即 AI 编排、基于原理的仿真以及加速计算无缝结合,为半导体与系统创新提供变革性解决方案。该代理式 AI 解决方案可协调多个虚拟工程师,并全部基于 Cadence 的核心 EDA 工具运行。该技术将代理式 AI 与 Cadence 成熟的优化 AI 和 AI 助手解决方案相结合,这些技术迄今已应用于超过 1000 次流片,包括 Verisium™ 验证平台和 Cadence Cerebrus® 智能芯片探索器,以及 Cadence JedAI 数据与 AI 平台。ChipStack AI Super Agent 可灵活支持基于云和本地部署的前沿模型,包括可通过 NVIDIA NeMo[1] 定制的开源 NVIDIA Nemotron[2] 模型,以及云端托管模型(如 OpenAI GPT),从而提升设计人员生产力。这进一步推进了真正“芯片智能体”(Silicon Agent)的愿景实现,覆盖交付下一代智能设备所需的多学科与多工作流程。 “我们的客户正面临工程人才,尤其是资深工程师的严重短缺,而这些人才对于实现产品路线图至关重要,”Cadence 副总裁兼研发总经理 Paul Cunningham 表示,“我们的 ChipStack AI Super Agent 将设计与验证效率提升到了新的高度,部署工作正在快速推进。” Cadence ChipStack AI Super Agent 已在全球数家领先芯片设计与系统公司开展早期部署,包括 Altera、NVIDIA、Qualcomm 和 Tenstorrent 等。 “Cadence ChipStack AI Super Agent 帮助我们在部分领域的验证工作量大幅缩减了约 10 倍,使我们的团队能够更迅速、更自信地完成收敛,”Altera 工程高级总监 Arvind Vidyarthi 表示,“通过将交互式、工程师参与体验与 Cadence 先进的 AI 驱动验证技术相结合,我们正在实现跨越式的生产力提升,并在我们最复杂的设计中实现更深入的功能覆盖。”“随着半导体复杂性的持续提升,AI 已经成为设计新一代芯片的必备工具,”NVIDIA 工业与计算工程总经理 Timothy Costa 表示,“我们与 Cadence 的合作,包括像 ChipStack AI Super Agent 这样的创新,展示了如何将心智模型(Mental Models)和自动生成形式化测试计划等智能推理功能与 NVIDIA 加速计算相结合,为芯片设计师开启前所未有的生产力和效率水平。”“Qualcomm 很高兴与 Cadence 合作评估 ChipStack AI Super Agent,面向更广泛的用户群体开展应用。”Qualcomm 工程副总裁 Paul Penzes 表示,“早期结果显示出令人鼓舞的性能提升,我们期待进一步实现生产力收益。”“ChipStack 显著提升了我们的形式验证效率。”Tenstorrent RISC-V 核心首席工程师 Daniel Cummings 表示,“在针对三个关键设计模块为期三个月的评估中,验证时间最多缩短了 4 倍。在 Tenstorrent 硬件上运行该智能体还展示了我们为生产级大语言模型工作负载提供高性能本地推理能力的优势。” Cadence ChipStack AI Super Agent 现已提供早期访问版本。如需了解更多信息,请访问 Cadence AI for Design[3] 产品页面。 来源:Cadence楷登

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