fluent 旋转机械仿真-学习笔记

2024-09-05 09:52

本文主要是介绍fluent 旋转机械仿真-学习笔记,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

动网格与滑移网格、运动参考系

动网格算稳态和瞬态(平移,旋转,变形,偏转,例如阀门运动),滑移网格算瞬态(旋转)无须共享节点,运动参考系(SRF(Single-Reference Frame),MRF(Mult-Reference Frame), MPM(Mix-Plane model))算稳态。

当期望获得转子-定子作用时间精确解(而不是时间平均解)时,必须采用滑移网格进行瞬态流场计算。滑移网格是最精确的用于求解多运动参考系问题的模型,然而对计算也是最苛刻的。
很多时候,在滑移网格模拟中寻求的瞬态解是时间周期的。也就是说,周期解随着运动域的速度改变呈现周期性浮动。然而,可以模拟其他瞬态类型,包括瞬态滑移网格区域(例如两车在隧道中的交会)。
**注意:**当静态部分与运动部分间没有相互作用时(例如仅有转子),使用旋转参考系更有效率。但是当需要计算转子-定子间的瞬态作用时,则必须采用滑移网格。如果只对相互作用的稳态近似感兴趣,则可以使用多参考下模型或混合面模型。
若需要获得精确结果和流动特征的周期性波动规律,可先用MRF运行稳态仿真获得初步结果,再用滑移网格运行瞬态仿真,且MRF的稳态结果作为瞬态仿真初始条件
在这里插入图片描述

网格拓扑与共节点设置

流固耦合交界面(共轭传热、流致振动)需要共节点设置,
滑移网格、动参考系不需共享节点
在FLUENT中,滑移网格(Sliding Mesh)和动参考系(Moving Reference Frame, MRF)通常不需要使用共享拓扑(Shared Topology)。这是因为这两种方法用于处理运动的流体系统时,各自有特定的网格处理方式,且不依赖于共享拓扑来确保精确的计算。对于滑移网格和动参考系来说,它们的核心是处理相对运动或引入运动效应,而不是解决几何体之间的网格对齐问题。因此,在大多数情况下,这两种方法不需要使用共享拓扑功能。如果您的模型中涉及复杂的几何连接、多个独立区域的网格生成等问题,可能需要使用共享拓扑,但这通常与滑移网格和动参考系无关。

模型选择

由于转子定子相互作用问题不能通过简单的坐标转换而得到解决,所以FLUENT 提供了多重参考系(MRF)模型、混合面模型和滑动网格模型来计算这类问题,举例如图3所示。其中MRF模型是三者中最简单的,它是不同旋转或移动速度的每个单元体的稳态近似。当边界上流动区域几乎是一致时,这种方法比较适宜。使用MRF模型可以为瞬态滑移网格计算提供一个较好的初始条件。在一些转子与定子之间相互作用很强烈时,不能使用MRF模型,此时只能单独使用滑移网格模型。
多参考系模型和混合面模型都假定流动为定常,转子或者推进器的影响可以用近似均值来代替。这种处理方式在转子与定子间的相互影响较弱时可以得到较好的结果。而滑动网格模型,则假定流动是非定常的,因此可以真实地模拟转子与定子间的相互影响,所以在两者相互影响不可忽略的情况下,应当选择滑动网格模型,当然选择该模型需要消耗更多的计算时间。

关于旋转壁面(rotor_blade)的边界条件设置

对于动参考系,需要rotor_blade随参考系一起运动,所以需要设置其为移动旋转壁面,旋转方向与旋转参考系方式相同,转速设为0即可。对于滑移网格,整个旋转区域相对绝对空间在转动,因此,对rotor_blade不需设置,保持默认静态即可。

这篇关于fluent 旋转机械仿真-学习笔记的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1138624

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

poj 2187 凸包or旋转qia壳法

题意: 给n(50000)个点,求这些点与点之间距离最大的距离。 解析: 先求凸包然后暴力。 或者旋转卡壳大法。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <s

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个