منتشرشده در

مهم ترین چالش های پیش رو در CFD

چالش های پیش رو در CFD

تاکنون درباره‌ی مزایای استفاده از CFD در شبیه سازی سیالات بسیار صحبت کرده‌ایم. امروز در این مقاله می خواهیم علاقه مندان به حوزه‌ی آموزش انسیس فلوئنت را با چالش های پیش رو در CFD آشنا سازیم تا ضمن آموزش تکنیک‌های انجام پروژه با انسیس فلوئنت راهکارهای برطرف کردن چالش های آن را نیز بیاموزید.

چالش هایی که می توانند در حل مسائل سیالات با CFD مشکل ساز شوند

حل مسائل سیالات با CFD مزایای بسیاری را برای دانش پژوهانی که به دنبال انجام پروژه با انسیس فلوئنت هستند به همراه داشته است؛ اما چند چالش قابل توجه  نیز در این بین دیده می‌شود…

چالش های پیش رو در CFD
چالش های پیش رو در CFD

چالش ۱: قابلیت اطمینان

در راستای بررسی چالش های پیش رو در CFD اولین و مهم ترین چالش بحث “قابلیت اطمینان” است. منظور از قابلیت اطمینان چیست؟

درستی و صحت نتایج حاصل از حل عددی به کمک روش CFD در شبیه سازی میدان‌‌های جریان، یکی از مهمترین دغدغه‌های پیش‌رو است!! در واقع وجود منابع خطای متعدد و همچنین ساده‌سازی‌های احتمالی در مدلسازی های هندسی، فیزیکی و ریاضی بخصوص در رژیم های پیچیده جریان و یا هندسه های پیچیده، در کنار اعتماد به تخصص و تجربه تیم‌های محاسباتی مهمترین مواردی است که قابلیت اطمینان به نتایج شبیه سازی را زیر سوال می‌برد. اما راه کار چیست؟؟ آیا به خاطر وجود خطاهای موجود نمی‌شود به روش های پیاده سازی CFD اعتماد کرد؟ نه چنین نیست. با راه کارهایی که در ادامه به معرفی آنها خواهیم پرداخت می‌شود می‌توان قابلیت اطمینان را در انجام پروژه با انسیس فلوئنت بالا برد.

راه کارهای بالا بردن قابلیت اطمینان در CFD

  • محول نمودن کار به افراد متخصص و مجرب
  • پیروی از متدولوژی مناسب در شبیه سازی میدان جریان
  • مدلسازی هندسی دقیق، شبکه بندی مناسب، مدلسازی فیزیکی دقیق و استفاده از حلگرها و مدلهای ریاضی بهینه در شبیه سازی پارامترهای مهم جریان
  • حل یک مسئله مشابه که نتایج تجربی آن موجود باشد
  • شناسایی دقیق منابع خطا و میزان اثر آنها روی نتایج محاسباتی

 چالش۲: نیاز به تخصص

یکی از چالش های پیش رو در CFD این است که کاربر نرم افزار باید کاملا متخصص این کار باشد. در واقع نمی‌شود به نتایج شبیه سازی کاربری که صرفا تجربی کار با CFD را آموخته اعتماد کرد؛ چرا که برخلاف نرم افزارهای CAD که تجربه محور است، نرم افزارهای CFD تخصص محور بوده و لازمست کاربر اطلاعات کافی در مورد انواع مدلهای ریاضی، الگوریتم ها و روش‌های حل داشته باشد. با توجه به رژیم‌های متنوع جریان از جریان آشفته گرفته تا جریانهای چند فازی و همراه با واکنش شیمیایی، مدلهای ریاضی بسیاری استخراج شده که کارآمدترین آنها در نرم افزارهای CFD مورد استفاده قرار می‌گیرد. بدیهی است که کاربر باید شناخت کافی از رفتار و نقاط ضعف و قوت این مدل‌ها در کنار پدیده شناسی فیزیک جریان، مباحث محاسبات عددی و دینامیک سیالات داشته باشد. در این راستا لازمست اقدامات زیر صورت گیرد:

  • آموزش عمومی کاربر یا تیم محاسباتی در حوزه های محاسبات عددی و حلگرهای اصلی جریان و پدیده شناسی
  • اموزش تخصصی کاربر یا تیم محاسباتی در حوزه های مدلسازی ریاضی پدیده هایی نظیر آشفتگی، تراکم پذیری، واکنش شیمیایی، تغییر فاز، چندفازی و غیره

چالش ۳: زمانبر بودن

نمی توان انکار کرد که شبیه سازی با CFD یک پروسه زمان بر است. در واقع از آموزش انسیس فلوئنت گرفته تا چالش های مرحله به مرحله انجام پروژه با CFD همه و همه زمان بر هستند. اما چه راه کاری برای کاهش زمان انجام پروژه با CFD وجود دارد؟

دو راهکار مهم به منظور کاهش زمان حل مسائل دینامیک سیالات محاسباتی عبارتند از:

  • مدلسازی هندسی و شبکه بندی دامنه محاسباتی: این فرآیند که مربوط به کاربر می باشد بین ۶۰ تا ۷۰ درصد زمان صرف شده توسط کاربر در حل میدان جریان را به خود اختصاص می دهد. علی رغم پیشرفت و هوشمند شدن نرم افزارهای خاص شبکه بندی همچنان این فرآیند بسیار زمان بر است.
  • زمان حل مسئله: این فرآیند مختص توانایی های سخت افزار مورد استفاده در اجرای برنامه‌های تحلیل گر CFD می باشد. این زمان که به CPU Time نیز معروف است بسته به پیچیدگی جریان، الگوریتم‌های حل جریان و حجم شبکه محاسباتی بین ساعت‌ها تا هفته ها و یا حتی ماه ها ممکن است متغیر باشد.
دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *