“令人尷尬的是,我們對網(wǎng)格如何影響CFD解決方案知之甚少,”不列顛哥倫比亞大學的Carl Ollivier-Gooch教授說。
這種說法與我們在實踐中都知道的是正確的相反,即一個好的網(wǎng)格有助于計算流體動力學(CFD)求解器收斂到正確答案,同時最大限度地減少計算機資源消耗。換句話說,大多數(shù)像樣的求解器都會在好的網(wǎng)格上產(chǎn)生準確的答案,但是需要最強大的求解器才能在壞網(wǎng)格上得到任何答案。
問題的癥結在于“一個好的網(wǎng)格”到底是什么意思。雪城大學的John Dannenhoffer教授指出,我們更擅長識別壞的網(wǎng)格,而不是判斷一個好的網(wǎng)格。區(qū)分好與壞被這樣一個事實所掩蓋,即壞是網(wǎng)格是否會運行的黑白決定。 (壞通常只意味著是否有任何負體積單元格。另一方面,善良是灰色的陰影——有好的網(wǎng)格,也有更好的網(wǎng)格。
善良也不是關于網(wǎng)格的全部。人們可以盯著網(wǎng)格并做出好/壞判斷的日子已經(jīng)一去不復返了。通過目視檢查密度等值線圖中的沖擊波薄多少來證明自適應網(wǎng)格的合理性并不能確定等級。重要的是CFD解決方案如何準確地反映現(xiàn)實。因此,在網(wǎng)格評估中還必須考慮求解器的數(shù)值算法和要計算的流動的物理場。
上面幾段中隱含著在計算 CFD 解決方案之前判斷網(wǎng)格質(zhì)量的想法。有些人認為先驗網(wǎng)格質(zhì)量評估的價值有限,并且根據(jù)開發(fā)中的流動解決方案(通過網(wǎng)格適應或伴隨方法或其他技術)改變網(wǎng)格是生成良好網(wǎng)格和準確解決方案的更好方法。
網(wǎng)格質(zhì)量研討會
鑒于這種情況,召集網(wǎng)格生成研究人員和從業(yè)人員來評估網(wǎng)格質(zhì)量主題非常重要。Pointwise去年夏天參加了在代頓舉行的“網(wǎng)格質(zhì)量/分辨率,實踐,當前研究和未來方向研討會”,由國防部高性能計算現(xiàn)代化計劃(HPCMO)主辦,由PETTT計劃(用戶生產(chǎn)力,增強,技術轉(zhuǎn)讓和培訓)和AIAA的MVCE技術委員會(網(wǎng)格劃分,可視化和計算環(huán)境)組織。
研討會匯集了網(wǎng)格質(zhì)量的所有利益相關者:CFD從業(yè)人員,CFD研究人員,CFD求解器代碼開發(fā)人員(商業(yè)和政府)以及網(wǎng)格生成軟件開發(fā)人員。本文末尾包含研討會演講列表(參考文獻1a-1i)。來自High Performance Technologies的Hugh Thornburg寫了一篇研討會的概述(參考文獻2),很好地總結了當前的現(xiàn)狀:
“網(wǎng)格作為中間產(chǎn)品沒有固有的要求,只需要足以促進對所需結果的預測?!蔽覍⒋私忉尀榫W(wǎng)格“不錯”的雙重否定質(zhì)量判斷。
“網(wǎng)格必須以離散的方式捕獲感興趣的系統(tǒng)/問題,并提供足夠的細節(jié),以便能夠執(zhí)行所需的仿真。只要“期望的模擬”隱含地包括“達到所需的精度水平”,這是一個很好的定義。
Thornburg 還承認網(wǎng)格生成存在許多實際限制,例如分配給網(wǎng)格劃分的時間、參數(shù)研究的拓撲問題、計算資源對網(wǎng)格大小的限制以及求解器的特定要求。
Thornburg 還提供了辛普森判決庫(參考文獻 3)作為事實上的參考,涵蓋了計算元素屬性的“大多數(shù)(如果不是全部)常用技術”。
用戶視角
NASA的斯蒂芬·阿爾特(Stephen Alter)舉例說明了網(wǎng)格質(zhì)量先驗指標的重要性,他定義并展示了他的GQ(網(wǎng)格質(zhì)量)指標的實用性,該指標將正交性和拉伸性組合成一個數(shù)字。在確保使用薄層 Navier-Stokes 求解器計算的鈍體上超音速流動求解精度的愿望的驅(qū)使下,他為 GQ 指標建立了標準,讓他在開始 CFD 求解之前充滿信心。
GQ有兩個方面值得注意。首先,該度量對正交性的依賴與求解器的數(shù)值緊密耦合 – 當網(wǎng)格缺乏正交性時,TLNS 假設就會崩潰。其次,使用全局指標有助于決策,或者正如Thornburg所寫,“局部誤差估計幾乎沒有用處。GQ代表領域?qū)I(yè)知識 - 在特定應用領域中使用特定標準。
研究人員的觀點
Dannenhoffer報告了一項廣泛的基準研究,該研究涉及5度迎角下2度雙楔形翼型的3度雙楔形翼型的參數(shù)變化。網(wǎng)格的變化包括分辨率、縱橫比、聚類、傾斜、錐度和擺動(使用 Verdict 定義)。
Dannenhoffer的主要結論非常有趣:網(wǎng)格指標與解決方案準確性之間幾乎沒有(如果有的話)相關性。他發(fā)現(xiàn)很難在不影響另一個指標的情況下改變一個指標(例如,在網(wǎng)格中添加擺動也會影響偏斜),或者可能是由于特定的流動條件,這一事實加劇了這種情況。
Dannenhoffer還引入了網(wǎng)格有效性的概念(與網(wǎng)格質(zhì)量相反),旨在衡量網(wǎng)格是否符合正在建模的配置(在實踐中有時不符合)。他提出了三種類型的有效性檢查:
類型 1 檢查細胞是否具有正體積和不相交的面。這里又是“這個網(wǎng)格不好嗎?”問題的一個例子。
類型 2 檢查內(nèi)部單元面是否與另一個內(nèi)部面唯一匹配,以及邊界單元面是否位于要網(wǎng)格劃分的對象的幾何模型上。
類型 3 檢查幾何模型的每個表面是否完全被邊界單元面覆蓋,幾何的每個硬邊是否被邊界單元面的邊覆蓋,以及邊界面區(qū)域的總和是否與實際幾何表面面積匹配。
圖 1:從單元幾何角度(右)看,不良網(wǎng)格如何比具有“完美”單元(左)的網(wǎng)格產(chǎn)生更低的離散化誤差的簡單演示。來自參考文獻1c。
弗吉尼亞理工大學的Christopher Roy教授展示了一個違反直覺的例子(至少從先驗度量的角度來看),即2D Burger方程在自適應網(wǎng)格上的解(具有廣泛變化的偏斜,縱橫比和其他度量的單元格)比在完美正方形網(wǎng)格上的解具有更少的離散化誤差。僅從此示例來看,很明顯,僅基于像元幾何形狀的指標不是網(wǎng)格質(zhì)量的良好指標,因為它與求解精度有關。
求解者的觀點
研討會有幸有幾位流求解器開發(fā)人員參與,他們分享了網(wǎng)格質(zhì)量如何影響其求解器的詳細信息。兩者的共同點是,收斂性和穩(wěn)定性更直接地受到網(wǎng)格質(zhì)量的影響,而不是求解精度。
差價合約++
Metacomp Technologies的Vinit Gupta將細胞偏度和細胞大小變化列為結構化網(wǎng)格需要注意的兩個質(zhì)量問題。特別是,在梯度較低的遠場中跨塊邊界的網(wǎng)格細化對收斂有很強的負面影響。對于非結構化和混合網(wǎng)格,邊界層中的各向異性 tet 以及邊界層外從棱柱到透鏡的過渡也可能是有問題的。
古普塔還指出了與度量計算相關的兩個問題。依賴于將細胞分解為TET的細胞體積計算并不是唯一的,并且取決于分解方式。因此,一個程序報告的量(或依賴于量的任何度量值)可能與另一個程序報告的量不同。同樣,除三角形以外的任何事物的面正常計算都不是唯一的,并且也可能因程序而異。(這是我們在 Pointwise 經(jīng)常遇到的場景,當求解器供應商就單元格的體積存在分歧時,結果證明這是不同計算方法的結果。
流利和CFX
ANSYS的Konstantine Kourbatski展示了不同于完美的細胞形狀(面法線矢量的點積,矢量連接相鄰細胞中心)如何使方程組更僵硬,減緩收斂。然后,他介紹了度量、正交質(zhì)量和兩個偏度定義,以及 Fluent 求解器的經(jīng)驗法則。有趣的是,正交度量的范圍從 0(壞)到 1(好),而偏度度量則正好相反:0 表示好,1 表示壞。度量標準的另一個示例是,在批量流中,縱橫比應保持在 5 以下。Kourbatski還為CFX求解器提供了指南。
他還指出,關鍵流動特征(例如剪切層、沖擊波)的分辨率對于準確求解至關重要,良性流動區(qū)域中的壞細胞通常不會對求解產(chǎn)生顯著影響。
茶隼
來自CREATE-AV計劃的CFD求解器Kestrel由阿拉巴馬大學伯明翰分校的David McDaniel代表。首先,他發(fā)表了兩個重要聲明。首先,他們的目標是“很好地使用提供給我們的網(wǎng)格”。(這類似于 Pointwise 處理 CAD 幾何的方法 - 對提供的幾何圖形做到最好。其次,他指出,根據(jù)傳統(tǒng)的網(wǎng)格指標,混合元素非結構化網(wǎng)格(它們的主要類型)很糟糕,盡管已知會產(chǎn)生準確的結果。同樣的觀察結果也適用于自適應網(wǎng)格和由網(wǎng)格內(nèi)物體的相對運動(例如襟翼偏轉(zhuǎn),存儲掉落)扭曲的網(wǎng)格。
更重要的是,McDaniel通過回憶Mavriplis在阻力預測研討會上的論文(參考文獻4)注意到求解器離散化和網(wǎng)格幾何之間的“可怕”相互依賴性,其中兩個極其相似的網(wǎng)格在多個求解器中產(chǎn)生了截然不同的結果。
為了解決網(wǎng)格質(zhì)量問題,Kestrel的開發(fā)人員實現(xiàn)了非維度質(zhì)量指標,這些指標既是局部的,也是全局的,并且在0總是意味著壞,1總是意味著好的意義上是一致的。對 Kestrel 重要的指標是四面平面度的面積加權度量、與最近固體邊界的流動對齊的有趣度量、考慮相鄰單元質(zhì)心的方向和鄰近性、平滑度、間距和各向同性的最小二乘梯度。
圖 2:使用 Kestrel 可以顯示網(wǎng)格和溶液質(zhì)量之間的相關性。來自參考文獻1f。
與Dannenhoffer的結果不同,McDaniel展示了網(wǎng)格質(zhì)量與求解精度的相關性,但需要注意的是,分辨率良好的網(wǎng)格質(zhì)量可能很差,但仍能產(chǎn)生良好的答案。(換句話說,點總是越多越好。
星辰-CCM+
Alan Mueller在CD-adapco的STAR-CCM+求解器上的演講首先指出,網(wǎng)格質(zhì)量始于CAD幾何質(zhì)量,表現(xiàn)為低質(zhì)量的表面網(wǎng)格或真實形狀的不準確表示。這與Dannenhoffer的網(wǎng)格有效性想法相呼應。
在介紹了他們的質(zhì)量指標列表后,Mueller做出了以下陳述,“不太完美的網(wǎng)格上的結果與網(wǎng)格上的結果基本相同(阻力和提升),其中花費了大量資源來消除網(wǎng)格中的不良細胞。在這里,我們注意到目標函數(shù)是積分量(阻力和升力),而不是像壓力曲線這樣的分布式數(shù)據(jù)。畢竟,積分量是我們想要從CFD獲得的工程數(shù)據(jù)類型。
這種對網(wǎng)格質(zhì)量精度的不敏感性支持了穆勒的立場,即細胞質(zhì)量差是一個穩(wěn)定性問題。因此,STAR-CCM+ 的方法是保守的——選擇穩(wěn)健性而不是準確性。具體來說,他們正在尋找將導致求解器中除以零的指標。影響擴散通量和線性化的偏度就是這樣一個例子。
梅舍爾的觀點
John Steinbrenner 博士和 Nick Wyman 通過采用違反直覺的方法分享了 Pointwise 對獨立于解決方案的質(zhì)量指標的看法。您可能會認為網(wǎng)格生成開發(fā)人員會提高先驗指標的有效性。但 CFD 解決方案中的誤差包括幾何誤差、離散化誤差和建模誤差。幾何誤差類似于Dannenhoffer和Mueller關于正確表示形狀的觀點。建模誤差來自湍流、化學和熱物理特性。離散化涉及求解器數(shù)值的退化。離散化誤差由網(wǎng)格和求解器的數(shù)值算法之間的耦合驅(qū)動。
圖 3:此表總結了逐點可用的網(wǎng)格質(zhì)量指標。來自參考文獻1h。
因此,盡管 Fidelity Pointwise 可以計算和顯示許多指標,但重要的是要注意,其中許多指標與求解器的數(shù)值缺乏直接關系,因此它們只是求解精度的松散指標。另一方面,這些指標便于計算,可以解決Dannenhoffer的網(wǎng)格有效性問題,并提供啟動網(wǎng)格改進技術的機制。它們還構成了用戶開發(fā)領域?qū)I(yè)知識能力的基礎,這些指標與其特定應用領域相關。
結論
CFD 求解器開發(fā)人員認為,網(wǎng)格質(zhì)量對收斂的影響遠遠大于精度。因此,由于收斂性差或不完全收斂而導致的求解誤差不容忽視。
一位研究人員能夠證明網(wǎng)格質(zhì)量和求解精度之間完全缺乏相關性。對于其他求解器和流動條件重現(xiàn)此結果將很有價值。
使用盡可能多的網(wǎng)格點(Dannenhoffer,McDaniel)。在許多情況下,分辨率勝過質(zhì)量。然而,通過使用最少的點數(shù)(Thornburg稱之為最佳網(wǎng)格)來最小化計算時間的實際問題意味著質(zhì)量仍然很重要。
先驗指標作為運行求解器之前的有效置信度檢查,對用戶很有價值。這些指標必須考慮像元幾何形狀,還要考慮求解器的數(shù)值算法,這一點很重要。這意味著指標取決于求解器。進一步的含義是實施Dannehoffer的網(wǎng)格有效性檢查。
可以計算許多質(zhì)量指標,但它們的計算通常因程序而異。為指標開發(fā)一個通用詞匯將有助于可移植性。
解釋指標可能很困難,因為它們的實際數(shù)值不直觀,并且阻礙了領域?qū)I(yè)知識的發(fā)展。度量詞匯表應考慮所需的結果數(shù)值范圍以及“壞”和“好”的含義。
審核編輯:郭婷
-
分辨率
+關注
關注
2文章
1077瀏覽量
42326 -
CFD
+關注
關注
1文章
140瀏覽量
18773 -
網(wǎng)格
+關注
關注
0文章
139瀏覽量
16232
發(fā)布評論請先 登錄
相關推薦
Saber中如何更好地提高仿真的收斂性(一)

FEM電磁仿真的一致性和收斂問題
決定仿真精度的主要因素
B值獨立同分布隨機變元序列矩完全收斂性
B值同分布鞅隨機列矩完全收斂性的注記
基于量子粒子群算法的收斂性研究
如何解決Saber中收斂性問題
板級模擬電路仿真收斂性技術研究

多租戶環(huán)境下多機群網(wǎng)格數(shù)據(jù)負載均衡方法

警示傳播算法收斂的充分條件
關系模型的進化算法收斂性對比的詳細資料說明
使用分層自主學習提高粒子群優(yōu)化算法的收斂精度和收斂速度的詳細說明

布谷鳥算法的收斂性及性能研究比較分析

如何獲得高QXTAL振蕩器的收斂性

一文解讀PSpice中的收斂性問題及其相關因素

評論