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

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

探索蓝牙协议的奥秘:用ESP32实现高质量蓝牙音频传输

蓝牙(Bluetooth)是一种短距离无线通信技术,广泛应用于各种电子设备之间的数据传输。自1994年由爱立信公司首次提出以来,蓝牙技术已经经历了多个版本的更新和改进。本文将详细介绍蓝牙协议,并通过一个具体的项目——使用ESP32实现蓝牙音频传输,来展示蓝牙协议的实际应用及其优点。 蓝牙协议概述 蓝牙协议栈 蓝牙协议栈是蓝牙技术的核心,定义了蓝牙设备之间如何进行通信。蓝牙协议

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著

【青龙面板辅助】JD商品自动给好评获取京豆脚本

1.打开链接 开下面的链接进入待评价商品页面 https://club.jd.com/myJdcomments/myJdcomments.action?sort=0 2.登陆后执行脚本 登陆后,按F12键,选择console,复制粘贴以下代码,先运行脚本1,再运行脚本2 脚本1代码 可以自行修改评价内容。 var content = '材质很好,质量也不错,到货也很快物流满分,包装快递满

PyTorch模型_trace实战:深入理解与应用

pytorch使用trace模型 1、使用trace生成torchscript模型2、使用trace的模型预测 1、使用trace生成torchscript模型 def save_trace(model, input, save_path):traced_script_model = torch.jit.trace(model, input)<