Fluent UDF 获取组分传输模型中的摩尔分数或分压力

2024-02-25 18:18

本文主要是介绍Fluent UDF 获取组分传输模型中的摩尔分数或分压力,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!

很多朋友在开发Fluent模型中需要用UDF获取组分传输模型中的某气体组分的摩尔分数(或体积分数)或者分压力,但是UDF自带的只有获取质量分数的宏C_YI(c,t),需要自己写额外的代码去转换,有一定难度。已经不止一次看到论坛或者我们UDF编译调试插件群里的朋友问起这个问题,这里做个标准教程记录下来,希望对大家有用。

总体来说,有两种方法,一种是利用内置的函数来转换,另外一种就是自己写代码转换,这里逐一介绍。

1. 利用内置函数转换

内置转换方法参考了Fluent官方解决方案,稍微作了一些修改,并加了一些注释(利用VC++ UDF Studio插件编译通过)。

//利用VC++ UDF Studio插件编译通过
#include "udf.h"
#define CO2_INDEX 2   //假设你想获取CO2的摩尔分数,且CO2的序号为2,case不同可能有所不同
#define ZONE_ID 4     // 4是要汇报的区域ID,case不同可能有所不同DEFINE_EXECUTE_AT_END(report_CO2_Pressure)
{	cell_t c;Domain*domain= Get_Domain(1);  //获取计算域指针Material *mix_mat = mixture_material(domain); //获取气体混合物材料属性	Thread*tc=Lookup_Thread(domain, ZONE_ID);begin_c_loop(c,tc){int i = -1;  //循环的组分序号Material *spe_mat = NULL;   //定义组分材料属性real all_mass_fracts[MAX_SPE_EQNS];  //需要用户自己填充的各气体组分质量分数的数组real all_mole_fracts[MAX_SPE_EQNS];  //内置函数转换得到各气体组分摩尔分数的数组,待填充	mixture_species_loop(mix_mat, spe_mat, i)  //对混合物内所有组分循环{all_mass_fracts[i] = C_YI(c,tc,i);  //将各个组分的质量分数填充进数组}Mole_Fraction(mix_mat, all_mass_fracts, all_mole_fracts);  //调用自带函数由质量分数转为摩尔分数//填充到all_mole_fracts数组real co2_mole_fract= all_mole_fracts[CO2_INDEX];  //根据CO2序号获取摩尔分数real Pressure_CO2=C_P(c,tc)*co2_mole_fract;  //获取CO2分压力Message0("c=%d, CO2 partial pressure=%g\n", c, Pressure_CO2);}end_c_loop(c,tc);
}

有的朋友可能会问,那组分的序号该怎么确定呢?这需要打开组分面板,然后查看各个组分的排列,排第一个的序号是0,后面依次加1,CO2数下来就是2。当然高级一些,也可以用UDF程序自动实现,但这属于另外的话题,这里不啰嗦了。做学术研究,大家手动数一下,编译之前在源代码改一下也不麻烦。

2. 自己写代码转换

第一种方法虽然方便,但会分配两个元素个数为MAX_SPE_EQNS(fluent中大小为50)的数组,而实际组分数量一般也就十个以下,多少会浪费一些内存空间,对于我这种有强迫症的人还是觉得不爽,于是就自己动手写代码转换。

//利用VC++ UDF Studio插件编译通过
#include "udf.h"
#define CO2_INDEX 2   //假设你想获取CO2的摩尔分数,且CO2的序号为2,case不同可能有所不同
#define ZONE_ID 4     // 4是要汇报的区域ID,case不同可能有所不同DEFINE_EXECUTE_AT_END(report_CO2_Pressure)
{	cell_t c;Domain*domain= Get_Domain(1);  //获取计算域指针Material *mix_mat = mixture_material(domain); //获取气体混合物材料属性	Thread*tc=Lookup_Thread(domain, ZONE_ID);begin_c_loop(c,tc){int i;real Mw_CO2; //CO2的分子量real total_mole=0;Material *spe_mat = NULL;   //定义组分材料属性mixture_species_loop(mix_mat, spe_mat,i)  //对混合物内所有组分循环{real Mwi=MATERIAL_PROP(spe_mat,PROP_mwi);   //混合物中组分的分子量,循环中可变if(i==CO2_INDEX) Mw_CO2=Mwi;  // 获取CO2的分子量total_mole += C_YI(c,tc,i)/Mwi;   // 所有组分求和}real co2_mole_fract=(C_YI(c,tc,CO2_INDEX)/Mw_CO2)/total_mole;  //直接用质量分数转摩尔分数公式转换real Pressure_CO2=C_P(c,tc)*co2_mole_fract;  //获取CO2分压力Message0("c=%d, CO2 partial pressure=%g\n", c, Pressure_CO2);}end_c_loop(c,tc);
}

好了,这下世界终于清净了。哈哈,开个玩笑!

上述就是获取气体摩尔分数(体积分数)或分压力的两种方法。

附上我的case中的运行结果

 

这篇关于Fluent UDF 获取组分传输模型中的摩尔分数或分压力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/746305

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

poj 2976 分数规划二分贪心(部分对总体的贡献度) poj 3111

poj 2976: 题意: 在n场考试中,每场考试共有b题,答对的题目有a题。 允许去掉k场考试,求能达到的最高正确率是多少。 解析: 假设已知准确率为x,则每场考试对于准确率的贡献值为: a - b * x,将贡献值大的排序排在前面舍弃掉后k个。 然后二分x就行了。 代码: #include <iostream>#include <cstdio>#incl

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者