首页/文章/ 详情

Ansys Fluent | 一段关于CFD的创新历史

1年前浏览3027

本文原刊登于Ansys Blog:《Ansys Fluent: A History of Innovations in CFD》

作者:Giovanni Petrone | Ansys首席产品营销经理

20世纪80年代初,谢菲尔德大学的一群年轻人共同创造了Ansys Fluent,这是首款具有图形用户界面和工作流程(而不是命令行输入)的计算流体动力学(CFD)商用软件。随着时间的推移,Fluent的普及率越来越高,并且在业界获得了广泛应用。


2006年5月,Ansys收购Fluent公司。自加入Ansys大家庭以来,我们一直在不断发展Fluent的性能、准确性和效率,并提供领先的创新技术,以帮助工程师在处理流体动力学问题时克服极具挑战性的设计难题。


如果您是一位还不熟悉Fluent所有创新功能的新用户,或者您目前选择了其他厂商工具,但依然想了解可能错过了哪些重要功能,不如,和我们一起回顾Fluent历年来推出的最具创新性的功能吧。

2014:GPU加速负载与伴随求解器

图形处理单元(GPU)技术如今炙手可热,但早在2014年,Fluent中使用的NVIDIA AmgX求解器就引入了将GPU用作CFD加速器的概念。跟随我们一同跨越时空之旅,来到2022年,Fluent将成为首款推出非结构化有限体积、完全原生的多GPU求解器的商用CFD软件,从而突破了负载限制这一挑战,颠覆了CFD仿真市场。


2014年,Fluent推出首款伴随求解器,通过使用伴随灵敏度来推动无法直观呈现给设计人员的智能设计变更,以获得CFD仿真的颠覆性洞察。伴随求解器自问世以来,其可靠性和易用性已逐步发展为一个全面的产品优化框架。


利用2014年推出的伴随求解器的自动形状优化功能来优化设计

2016:Fluent打破了170,000个内核的超级计算记录

为了提高Fluent的并行可扩展性,高性能计算(HPC)的研发工作始终都是并且现在依然是重点关注领域。2016年,克雷公司(Cray Inc.)和斯图加特大学高性能计算中心(HLRS)携手共创了一项全新的超级计算世界纪录,他们将Fluent扩展到超过172,000个计算机内核,从而帮助企业以前所未有的快速度和高效率,为产品创建独具创新的突破性完整虚拟原型。

2017:PUMA自适应与SBES湍流模型

对于商用CFD软件的另一项尖端创新,是于2017年引入了已获专利的多面体非结构化网格自适应(PUMA)技术。这项自适应技术可自动、动态地优化网格,以追踪流动中的精确细节。因此,工程师可以在其需要的位置获得所需的精度,以捕获仿真细节,同时在其它位置保留较粗疏的网格,以缩短求解时间。

使用2017年推出的多面体非结构化网格自适应(PUMA)技术,自动优化网格以求解精确细节,同时保留较粗疏的网格,从而缩短求解时间。

同年,应力混合涡流仿真(SBES)湍流模型克服了混合RANS-LES仿真中的固有问题。在近壁区域采用大涡仿真(LES)成本过高,而雷诺平均纳维-斯托克斯(RANS)模型非常适合壁面边界层。因此,混合RANS-LES模型在近壁区域使用RANS湍流模型可提供高效的建模,远壁区域使用LES方法可提供高保真度,但两者之间的切换,通常会受到网格相关性和网格诱导的非真流动分离的影响。Ansys开发的SBES模型引入了一种独特的专有屏蔽功能,可有效解决上述问题,从而获得值得工程师信赖的可靠、高效的尺度求解湍流模型。

2018:Mosaic网格划分和喷雾破碎模型

长期以来,网格划分的一项重大挑战在于,既要在复杂几何结构中的不同类型的网格单元之间实现平稳转换,同时要保持网格质量,尤其是从边界层棱柱单元转换到远壁区域的六边形单元时。2018年,Fluent推出了Mosaic网格划分技术,通过将不同类型的网格与高质量的多面体单元自动连接起来,解决了这一挑战。这样不仅可以节省RAM,同时还能获得更高的求解精度、显著加快仿真速度。

利用2018年推出的Mosaic网格划分技术,法拉利GT赛车将仿真效率提升了300%

同年,喷雾破碎模型是多相流模拟中(如喷雾破碎),将流体体积(VOF)转换为离散颗粒方法(DPM)的第一个商用实现。该模型可检测到VOF仿真中的不同液滴,并被DPM(即质点)颗粒代替,从而相应地粗化网格。

通过采用2017年推出的流体体积(VOF)到离散颗粒法(DPM)混合多相模型来高效地仿真喷雾破碎过程

2019:GEKO湍流模型

2019年,Ansys湍流团队推出了具有可调系数的广义k-ω(GEKO)湍流模型。GEKO的可调系数可以在较宽的范围内进行调整,以匹配具体的物理效应,同时保持基础模型校准。即使在经过湍流模型专家进行调整的基础上,也没有其它湍流模型有足够的灵活性来匹配大量测试案例的实验数据,而GEKO的系数,则能够提供这种所需的灵活性。GEKO模型甚至可以经过调整,以匹配不同尺度的求解仿真结果,例如使用SBES湍流模型的仿真结果。GEKO湍流模型仅适用于Ansys流体应用。

2020:AIAD转换模型与3D电池电化学

2020年,Fluent是率先展示了基于代数界面面积密度(AIAD)方法的欧拉多相转换方法的商用软件。该方法适用于各种应用,如压水反应堆中冷却剂的损耗情况,与其它备选方法相比,该方法与实验数据高度吻合。

使用2020年推出的AIAD转换对夹带液滴和再吸收的气-液流动进行分析

同年,Fluent推出了面向电池充电/放电过程中锂离子传输的瞬态仿真,为3D锂离子电池电化学提供了完整的商用解决方案。

2021:双向VOF-DPM-EWF与AI/ML湍流调整

如前文介绍,2018年Fluent首次在喷雾破碎模型中引入了VOF到DPM的转换功能。2021年,Fluent实现了双向转换,支持DPM到VOF的逆向转换,并通过转换到欧拉壁面液膜(EWF)来完成整个过程。在双向VOF-DPM-EWF模型中,落在自由液体表面的DPM颗粒转换回VOF方程,并且质点颗粒被网格求解的VOF液体所替代。

通过使用2021年推出的双向VOF-DPM-EWF功能,能对多相流的破碎、聚集和稀释过程进行高效的仿真

同年,Fluent推出了AI/ML人工智能(AI)/机器学习(ML)湍流调整技术,其中GEKO系数是通过ML算法进行调整,而无需手动调整。这有助于工程师使用尺度求解湍流模型(如SBES)生成高保真度解决方案。然后,他们可以在整个3D流场中使用ML来调整GEKO系数,以便后续的设计迭代可以使用更快速的GEKO模型,同时保持接近尺度求解方法的精度。

2022:Live-GX多GPU求解器与PyFluent

如前所述,Fluent在GPU技术的仿真应用领域一直是开拓者,2022年,Ansys引入了原生多GPU求解器,以此将Fluent的技术水平提升到了新的高度。这款全新的多GPU求解器可以为稳态和瞬态CFD仿真提供众多优势,包括缩短仿真求解时间、降低硬件成本和功耗,并提供媲美CPU求解器的相同精度,同时不受此前提到的GPU负载的所有限制。


采用2022年推出的原生多GPU求解器,6个高端GPU的性能优于2,000个CPU的性能

最后,Fluent还推出了PyFluent,这是一款从前处理到后处理都使用Python来访问所有Fluent命令的开源库。PyFluent旨在将强大的行业人士社区、可重复使用的编程语言(如Python)以及Ansys先进的仿真堆栈技术相结合,以创造无限的可能性。

展望未来创新

Fluent不断推出前沿创新功能,不仅改变了CFD仿真的执行方式,并为行业树立了标准。我们的研发承诺是始终保持创新步伐,以便客户能够使用先进的软件,以前所未有的方式不断突破性能、准确性、生产力和可持续性的极限。

     


向下滑动查看更多→Fluent在过去几十年中推出的突破性创新功能


敬请关注Ansys Fluent持续创新发展。

来源:Ansys
FluentHPC多相流化学湍流形状优化航空UM人工智能
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:2022-11-18
最近编辑:1年前
Ansys中国
签名征集中
获赞 279粉丝 387文章 668课程 6
点赞
收藏

作者推荐

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