首页/文章/ 详情

10 基础知识 | 压力基求解器简介

4月前浏览1305

前几天有读者留言说让我介绍一下求解器算法,由于该部分通常是在仿真计算求解前才进行选择,因此我将其放在了整个系列的最后几节进行介绍,今天我们就先讲一下压力基求解器(主要是基于Fluent展开),与湍流时的讲解一样,理论部分大家可以快速过一遍。(如有错误,请各位指正)

讲完这一节,关于CFD的基础知识部分基本就算是结束了(后面可能会在缝缝补补几篇不重要的内容),但总感觉自己写的不伦不类,有一些内容感觉不是特别符合基础知识这个系列,有很多都是理论和操作结合的,还有很多时候想讲一些小技巧,小操作也不知道该放到哪里,例如有人问我求解器的时候又提到了回流,这个确实没有办法能融合到一起,最近也是看了许多其他大佬们的公众 号进行了学习,后面准备基于Fluent User's Guide对这个系列进行重制,将所有的操作和知识放到一个系列,当然大家如果有好的建议也可以留言

1 求解器算法分类与理论

Fluent提供了五种压力-速度耦合算法:SIMPLE、SIMPLEC、PISO、Coupled以及Fractional Step(对于使用非迭代时间推进方案(NITA)的瞬态计算问题)。          
注意,SIMPLE、SIMPLEC、PISO和Fractional Step使用压力基分离算法,而Coupled使用压力基耦合算法求解。

1.1 分离算法

1.1.1 SIMPLE与 SIMPLEC

SIMPLE算法利用速度和压力修正之间的关系来保证质量守恒并获取压力场。用猜测的压力场求解动量方程时,计算得到的面通量不满足连续性方程。因此,在面通量上添加了一个修正量,使得修正后的面通量满足连续性方程。SIMPLE算法假定可以写成

其中,是单元格压力修正值。

SIMPLE算法将通量校正方程代入离散连续性方程,得到单元格内压力校正的离散方程:

其中,源项b是进入单元格的净流量,压力修正方程可采用代数多重网格(AMG)中所述的代数多重网格(AMG)方法求解。获得解后,使用对单元格压力和面部通量进行修正。这里,是压力的欠松弛因子(有关欠松弛的信息,请参见变量的欠松弛)。校正后的面通量在每次迭代过程中都完全满足离散连续性方程。

1.1.2 PISO

算子分裂隐式压力(PISO)压力-速度耦合格式属于SIMPLE算法家族,其基础是压力修正与速度修正之间更高程度的近似关系。

SIMPLE和SIMPLEC算法的局限性之一是,在求解压力修正方程后,新的速度及相应的通量并不满足动量平衡。因此,必须重复计算直至满足平衡。

为提高计算效率,PISO算法 会进行两项额外修正:邻域修正和偏斜修正。

邻域修正

PISO算法的核心思想是将SIMPLE和SIMPLEC算法所需的重复计算移至压力校正方程的求解阶段。经过一次或多次额外的PISO循环后,校正后的速度能更贴合连续性方程和动量方程。这一迭代过程被称为动量校正或“邻域校正”。PISO算法在每个求解器迭代中会多占用一些CPU时间,但能显著减少收敛所需的迭代次数,尤其对于瞬态问题而言

偏斜修正

对于具有一定程度扭曲的网格,单元格面处质量通量的修正与相邻单元格处压力修正的差值之间的近似关系非常粗略。由于沿单元格面的压力修正梯度分量无法预先得知,因此采用类似于上述PISO邻域修正的迭代过程是较为理想的。在得到压力修正方程的初始解后,会重新计算压力修正梯度,并用于更新质量通量修正。这一过程被称为“偏斜度校正”显著减少了与高度扭曲网格相关的收敛困难。

1.1.3 FSM

在有限元分步方法(FSM)中,动量方程与连续性方程通过一种称为算子分裂或近似因式分解的数学技术解耦。由此产生的求解算法与前面描述的分离式求解算法类似。近似因式分解中使用的形式体系使您能够控制分裂误差的阶数。正因为如此,FSM在Ansys Fluent中被用作非迭代时间推进(NITA)算法(非迭代时间推进格式)中的速度耦合方案。

1.2 耦合算法

1.2.1 COUPLED

如前所述,基于压力的求解器允许您以分离或耦合的方式解决流动问题。与非耦合或分离方法相比,使用耦合方法具有一些优势。耦合格式为稳态流动提供了稳健且高效的单相实现,与分离求解格式相比性能更优。这种基于压力的耦合算法为基于密度的算法和带有SIMPLE型压力-速度耦合的基于压力的分离算法提供了一种替代方案。对于瞬态流动,当网格质量较差或使用较大时间步长时,必须使用耦合算法。

基于压力的分离算法分别求解动量方程和压力修正方程。这种半隐式求解方法 会导致收敛速度较慢。耦合算法同时求解动量方程和基于压力的连续性方程。通过对动量方程中压力梯度项进行隐式离散,以及对面质量通量(包括Rhie-Chow压力耗散项)进行隐式离散,实现了完全隐式耦合。

在动量方程中,组分k的压力梯度形式为

其中是由高斯散度定理和压力插值格式的系数。最后,对于任意第i个单元,分量的动量方程的离散形式定义为

在连续性方程中,通量平衡通过中的通量表达式来替换,从而得到离散形式

因此,方程组的整体系统在转换为δ形式后,表示为

其中,单元i对单元j的影响具有以下形式

    

未知向量和残差向量具有以下形式

请注意,式是使用耦合代数多重网格法(coupled AMG)求解的。基于压力的耦合算法与非迭代时间推进求解器(NITA)不兼容。

2 求解器算法该如何选择

2.1 SIMPLE与SIMPLEC算法

标准SIMPLE算法和SIMPLEC(SIMPLE-一致)算法均为FLUENT中常用的压力基分离算法,二者核心差异在于收敛效率和稳定性,具体细节及应用要求如下:

适用场景:SIMPLE是瞬态模拟的默认算法,适用于各类常规稳态、弱瞬态流动问题;SIMPLEC在许多场景下更具优势,尤其适用于收敛性受压力-速度耦合限制的问题,对于无附加模型启用的层流流动,使用SIMPLEC通常能更快获得收敛解。

模型匹配:二者均可匹配层流、常规湍流模型(如k-ε、k-ω SST等)、简单传热模型,适用于常规单相流动;对于涉及湍流和/或附加物理模型的复杂流动,仅当收敛性受压力-速度耦合限制时,SIMPLEC才能改善收敛性,若限制收敛的是附加建模参数,则二者收敛速度相近。

操作设置要点:SIMPLEC的核心优势的是可采用更大的欠松弛因子,其中压力修正欠松弛因子通常设为1.0,以此加快收敛速度;但在网格扭曲度较高的问题中,将压力修正欠松弛因子提高到1.0可能会导致计算不稳定性,此时需采取三种解决方案之一:使用一种或多种扭曲度修正方案、采用稍保守的欠松弛值(最高0.7)、切换为SIMPLE算法。

慎用场景:SIMPLEC不适用于高扭曲网格(易不稳定)、复杂多物理场耦合问题;SIMPLE在简单层流问题中收敛效率低于SIMPLEC,在压力-速度耦合受限的场景下表现一般。

通过以上分析,SIMPLE和SIMPLEC算法,优先选择SIMPLEC算法。

2.2 PISO算法

PISO算法(带有相邻校正)是FLUENT中针对瞬态流动的推荐算法,其核心优势在于大时间步长下的稳定性:

1适用场景:官方推荐将其用于所有瞬态流动计算,尤其适合希望使用较大时间步长的瞬态模拟;对于高度扭曲的网格,无论是稳态计算还是瞬态计算,均建议使用带偏斜校正的PISO算法;需注意,对于使用大涡模拟(LES)湍流模型的问题,由于LES通常需要较小的时间步长,使用PISO可能会增加计算成本,此时应考虑使用SIMPLE或SIMPLEC算法。

模型匹配最适配瞬态流动、动网格、6DOF(六自由度)、VOF(自由界面)模型、强瞬态传热等场景,可匹配常规湍流模型,能很好地应对瞬态下的复杂流动耦合问题。

操作设置要点:PISO算法能够在较大的时间步长,以及动量和压力的欠松弛因子均为1.0的情况下保持计算的稳定性;使用PISO邻域修正时,建议所有方程的欠松弛因子设为1.0或接近1.0;若仅对高度扭曲的网格使用PISO偏斜修正(不使用邻域修正),则需设置动量和压力的欠松弛因子,使其总和为1(例如,压力设为0.3,动量设为0.7);若同时使用邻域修正和偏斜修正,需遵循邻域修正的欠松弛建议。

注意事项:对于稳态问题,带有相邻校正的PISO算法相较于采用优化欠松弛因子的SIMPLE或SIMPLEC算法,并没有表现出任何明显的优势;对于大多数问题,无需禁用相邻修正与偏斜修正之间的默认耦合,但对于高度扭曲的网格,建议禁用二者的默认耦合。

2.3 分数步进法(FSM)

分数步进法(FSM)仅在选择NITA格式(即“求解方法”任务页面中的“非迭代时间推进”选项)时可用,其核心特点是计算成本较低:

1适用场景:专门适配NITA非迭代时间推进模式,对于使用NITA格式的模拟,FSM的计算成本略低于PISO算法;具体选择FSM还是PISO算法取决于具体应用场景,需结合模拟类型判断。

模型匹配适配NITA非迭代时间推进、部分简单瞬态流动,可用于简单的VOF模拟,但需注意其稳定性限制。

操作设置要点:对于大多数问题,求解方法的默认值足以确保因网格扭曲而进行的内部压力修正子迭代实现稳健收敛;仅非常复杂的问题(例如,移动变形网格、滑动界面、VOF模型)可能需要将压力松弛系数降低到0.7或0.8,以保证计算稳定性。

慎用场景:对于某些问题(例如使用VOF的模拟),FSM的稳定性可能不如PISO算法;不适用于复杂的移动变形网格、滑动界面及高难度VOF模拟场景。

2.4 COUPLED

耦合算法属于压力基求解器的重要分支,与基于压力的分离算法相比具有独特优势,具体说明如下:

适用场景:基于压力的耦合算法为稳态流动提供了更稳健、更高效的单相实现,适用于稳态单相复杂流动、强压力-速度耦合的稳态场景,特别是网格质量差与时间步长大的情况;需注意,该算法在选择非迭代时间推进选项(NITA)时不可用。

模型匹配适配稳态单相流动、复杂单相流动、强耦合稳态流动,可匹配常规湍流、传热模型,基本适合所有的仿真,但不适用于多相流及NITA相关模拟。

注意事项:在某些使用多孔跳跃边界条件的情况下,耦合算法可能会遇到收敛问题,且这些问题不会因耦合求解器设置的更改而得到解决,具体是否出现该问题取决于具体的流动配置和多孔跳跃边界条件值;若在使用多孔跳跃边界条件和耦合算法时观察到收敛不稳定性,建议将压力-速度耦合方式改为分离式算法(SIMPLE、SIMPLEC、PISO等)之一。

3 速查表

同样,为了帮助

PS

上述所有算法均属于压力基求解器范畴,核心适配低速、不可压、低马赫数( Ma < 0.3 ) 流动场景,可根据流动类型(稳态/瞬态)、网格质量、模型复杂度及收敛需求,选择对应的算法及设置参数;若为高速、强可压缩、含激波的流动(Ma>1),需切换至密度基求解器,与上述压力基算法无直接适配关系。


来源:CFD仿真库
ACTFluent多相流动网格湍流理论控制ANSYS
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:2026-04-14
最近编辑:4月前
CFD仿真库
硕士 分享知识,互帮互助,共同进步。
获赞 21粉丝 104文章 142课程 0
点赞
收藏
作者推荐

新手怎样快速入门Fluent?

流体仿真比结构仿真更难学,似乎是一条心照不宣的潜规则,掌握Fluent的工程师平均薪资比同行高28%。不仅如此,流体仿真人才缺口也在逐年增大,尤其在储能热管理、空气动力学、芯片散热等风口领域,人才缺口年增45%。问题不在于“要不要学”,而在于“怎么高效学会”——别被软件入门拖慢你的职业晋级之路。基于对流体仿真领域深入的了解,我总结了新手最常踩的3个“陷阱”,并在下文为你简述科学快捷的学习之路,帮你至少节省200小时无效摸索。Part.01阶段:思维重构(第1-2周)目标:建立“流体仿真思维”,完成第一个完整流场分析颠覆认知的第一原则:学Fluent不是学按钮,是学习如何将物理世界转化为网格模型。80%的失败始于思维错误——试图用固体结构的静态思维,理解流体的动态世界。两周核心思维重建:关键动作1:理解CFD工作流全貌别再纠结某个具体设置。花2小时搞清完整链条:几何清理→网格划分→物理模型选择→求解设置→后处理分析→这才是你所有操作的“总地图”。关键动作2:亲手跑通第一个案例从最经典的管道层流开始。不要修改任何参数,严格复现一个教科书案例。为什么?你要获得的第一个关键体验是:“哦,原来正确的计算是能收敛的,结果长这样。”关键动作3:玩转第一个“变量游戏”在成功案例基础上,只改一个参数(如流速增大10倍),观察:收敛难度如何变化?流场形态如何变化?这就是你建立“参数敏感度直觉”的开始。阶段陷阱警报:90%自学者在第一周陷入“完美网格”强迫症——花费数十小时划分完美网格,却从未提交过一次完整计算。记住:能算的粗糙网格,远胜过算不了的完美网格。效率密码:如果有经验者提前告知“第一个案例必须选雷诺数&lt;2300的管道流”,你就能避开80%的初始发散问题。这种“关键筛选”能力,是自学与系统学习的第一道效率分水岭。Part.02阶段:核心攻坚(第3-8周)目标:攻克工程中最常见的三大类问题,建立解决实际问题的能力这是决定你能否“用起来”的6周。你需要系统掌握以下三类问题,覆盖80%的工业应用场景:模块一:内流场分析(第3-4周)典型场景:管道系统、阀门、换热器、发动机进气道必须掌握的模型:湍流模型:k-ε系列(工业标准)vsSSTk-ω(逆压梯度场景)多相流:VOF模型(自由液面)与Mixture模型(气泡流/颗粒流)核心技能:边界条件设置的物理意义(压力进口vs速度进口的选择逻辑)网格无关性验证的标准操作流程判断结果可信度的5个关键指标模块二:外流场分析(第5-6周)典型场景:汽车风阻、建筑风压、风机叶片、飞行器气动必须突破的难点:计算域大小:设小了失真,设大了算不动边界层网格:Y+值理论与实践的鸿沟如何跨越收敛标准:外流场残差震荡时,如何判断是否“算够了”项目实战:完成一个汽车外气动简化模型分析,获得阻力系数并与公开数据对比。模块三:传热与耦合分析(第7-8周)典型场景:电子设备散热、电池热管理、燃烧室、暖通空调关键跨越:从单物理场到多物理场强制对流vs自然对流建模区别共轭传热(固体与流体耦合)设置要点辐射模型的适用场景与计算代价权衡能力检验:能独立完成一个散热器的流动与传热耦合分析,并给出优化建议。阶段真相:第5周是自学者的“退学高峰期”。当同时面对湍流模型选择、边界层网格划分、复杂收敛问题时,缺乏系统支持的学习者会陷入“每个问题都能搜到答案,但组合起来依然无解”的困境。效率密码:在自学中,这一部分的内容需要你大量的试错、搜索、验证、重复……在系统化训练中,这一阶段通常会采用“对比实验矩阵”教学法。例如,让学员用同一模型,分别尝试标准k-ε、RNGk-ε和SSTk-ω模型,对比计算时间、收敛速度和结果差异。这种亲手实验获得的直觉,比看十篇教程更有价值。Part.03阶段:实战与就业准备(第9-12周)目标:形成解决复杂工程问题的能力,构建求职或项目应用的硬实力最后一个月,目标从“学会”转向“用好”。三件必须完成的事:完成一个“脏数据”实战项目找一份不完美的几何(如从产品STP文件导入的模型),完成从几何修复到报告输出的全流程。处理真实工程数据的经验,是区分“学员”与“工程师”的关键。建立你的“仿真标准作业程序”将你的最佳实践固化下来:网格质量标准清单模型选择决策流程图结果验证检查表这套SOP将成为你的核心竞争力。准备能证明你能力的“证据包”3个不同领域的完整案例报告(如:内流+外流+传热各一)针对目标岗位的专项技能展示(如:想做电池热管理,就深入研究PACK液冷分析)对常见面试问题的技术回答准备终极检验:当有人给你一个陌生部件的几何文件,你能在24小时内给出合理的仿真方案、预估计算资源、并指出潜在难点时——你已经具备了工程师级别的仿真能力。Part.04三个致命陷阱与破解之道根据对数百名学习者的跟踪,我总结出浪费你时间最多的三个坑:陷阱一:痴迷于“最先进”的模型现象:一上来就研究LES、DES等高级湍流模型。真相:工业界90%的问题用RANS模型就能很好解决。在学会走路前不要沉迷于飞行器设计。破解:前两个月,只使用k-ε和SSTk-ω。深入研究这两个模型的原理、设置与局限,比浅尝十个模型更有价值。陷阱二:忽视网格的“物理意义”现象:只关注网格漂亮与否,不关注网格如何影响物理捕捉。真相:网格是物理离散化的体现。边界层第一层厚度应由Y+值决定,而不是“看起来均匀”。破解:学习“目标导向网格划分”——先明确要捕获什么物理现象(如分离流、传热梯度),再设计对应的网格策略。陷阱三:盲目相信“默认设置”现象:所有设置都用软件默认值,然后抱怨结果不准。真相:Fluent的默认设置是为“通用性”设计的,你的具体问题几乎永远不是“通用情况”。破解:养成检查每个设置物理意义的习惯。从材料属性到湍流参数,理解为什么设这个值。系统化解决方案的价值:一个好的培训体系,会在每个关键节点设置“防陷阱”机制。例如,在仿真高研院的“Fluent双证班”的网格划分模块,不仅教操作,更让学员明白每个网格设置的物理意义,让学员从根本上理解网格无关性的意义,避免未来工作中因网格问题导致的无效计算或错误结论。Part.05你的行动路线:从效率角度做选择第一步:零成本自我诊断花3小时,用这份《CAE仿真新手学习包》中的简单入门课程,学会软件基本操作,用简单案例测试自己:能否在1小时内完成管道流设置并开始计算?遇到“发散”提示时,是否有清晰的排查思路?看到结果云图时,能否判断“这看起来合理吗”?这能立刻告诉你:你的起点在哪,以及自学的效率基线。第二步:明确你的“时间估值”如果你有6个月以上的充足时间,且擅长自主研究,可参照本路线自学,重点利用官方帮助文档。如果你需要在2-3个月内达到项目应用或求职水平,系统化指导的效率通常是自学的3-5倍。第三步:了解高效路径的系统化版本如果你选择高效路径,可以了解像仿真高研院“Fluent流体双证班”这样的体系。它的核心不是提供“独门秘技”,而是解决自学无法解决的三大效率问题:路径优化问题:避免你在非关键技能上消耗数百小时。反馈缺失问题:提供专家即时答疑,避免“一个问题卡一周”。实战验证问题:通过企业级案例和职业能力认证,将你的学习成果转化为职场硬通货。最重要的是:它提供了一条被验证过的最短路径。正如已入职风电企业的学员李工所说:“系统学习的最大价值,是有人提前告诉你在每个阶段最应该专注什么,以及最可能掉进的坑在哪里。这节省的不是时间,是职业机会。”Part.06最后一句真心话在流体仿真的世界里,最贵的成本从来不是软件许可费,而是一个优秀工程师数百小时试错的时间。这些时间本可以用来创造价值、解决问题、推动创新。无论你选择哪条路,请记住一个核心原则:你的目标不是“会用Fluent”,而是“能通过CFD解决工程问题”。从这个角度评估你的每一个学习动作,你会自然过滤掉90%的无效努力。当你做出第一个被实验验证的流场分析时,你会明白——这种将复杂流动可视化和量化的能力,不仅是工具,更是工程师的“超级视觉”,让你看见别人看不见的世界。来源:CFD仿真库

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