顆粒流體建模的案例
[案例分析]STARCCM+入門系列之——拉格朗日顆粒型流體分析
教程中模擬流經部分阻塞的彎管的顆粒負載型空氣流。標準壓力（1個大氣壓）下的空氣以 10 m/s 的速度進入通道。流體在通過部分阻塞的90 度彎管后，豎直流出出口。假定所有流體屬性都是恒定不變的。氣流中植入了固體顆粒，均勻地分布在管道入口處。進氣中的顆粒體積加載量是0.01%，這相當于顆粒體積流率為 6.4516 x 10–7m3 /s。模型如下：
2、STAR-CCM+設置
（1）選擇連續相物理模型；流體是湍流且不可以壓縮。分離流模型同默認 K-Epsilon 湍流模型一起使用，拉格朗日多相模型用于構建離散相模型。物理模型的選擇如下：
（2）選擇拉格朗日相模型；創建拉格朗日相，并選擇適當的相模型。這些模型代表拉格朗日相的特征。右鍵單擊Models >Lagrangian Multiphase > Lagrangian Phases選項，選擇新建一個相，給拉格朗日相選擇相應的物理模型，如下：
（3）定義連續相邊界條件；定義inlet為速度進口，速度為10m/s，湍流強度為0.005，湍流長度比例為0.001m，出口為壓力邊界；
（4）設置拉格朗日相噴射器；右鍵選擇Injectors，新建噴射器，將噴射器的類型設置為部件噴射，相應的部件選擇inlet，相應的拉格朗日相選擇相1。新建的噴射器屬性設置如下：
（5）由于本案例是穩態模擬，最大迭代次數設置為1000
（6）運行模擬；計算結果如下：
管道內的速度場
粒子的滯留時間
本文轉自有限猿仿真博客，感謝原作者。如有侵權請立即聯系刪除。
展開 abaqus隨機骨料投放，顆粒增強復合材料建模 ￥50
<p>內含4種隨機投放模型：</p><p>1、基體為圓柱，隨機投放的兩種半徑范圍的實心顆粒</p><p>2、基體為圓柱，隨機投放空心有厚度球體，球體半徑固定</p><p>3、三維大小隨機、位置隨機球體投放，基體為四面體</p><p>4、隨機大小、位置、傾斜角的正六邊形（可設置倒角，不干涉）投放，基體為正四邊形</p><p><span style="color: rgb(25, 27, 31);">球體之間互不干涉，可自定義基體尺寸，球體大小、位置、體積占比。</span></p><p><br></p><p><br></p><figure style="text-align: center;" class="ql-align-center"><figure class="figure-image" contenteditable="false" data-img="https://img.jishulink.com/202509/attachment/87f43732e2054029811fb62f55efaf1b.png" style="display: inline-block;"><img src="https://img.jishulink.com/202509/attachment/87f43732e2054029811fb62f55efaf1b.png" data-mobile-src="https://img.jishulink.com/202509/attachment/87f43732e2054029811fb62f55efaf1b.png?
展開 ABAQUS中DEM顆粒建模
近期很多人私信我用ABAQUS軟件模擬土塊堆積，需要用到顆粒DEM和FEM聯合仿真，本期進行顆粒建模過程展示。
1.CAE建模
構建一個正方體部件，將其裝配并劃分網格
顆粒是在網格節點處生成，網格布種大小要大于顆粒直徑，防止粒子干涉
單元類型為C3D8R單元
2.修改inp文件
將C3D8R單元類型改為pd3d單元
**賦予顆粒屬性
*Discrete Section, elset=顆粒集合名稱, density=顆粒密度, alpha=顆粒阻尼
顆粒半徑
**定義顆粒表面
*Surface, name=顆粒表面名稱
裝配后部件名稱.顆粒集合名稱,
**定義顆粒接觸
（1）法向接觸
（2）切向接觸
參與計算的顆粒均為解析剛體，因此增量步需為固定增量步。
重要的是C3D8R單元轉換為pd3d單元
inp文件中最大單元節點編號為1331，生成粒子數為1331個
在excel中編輯
按此規律依次排列到1331，1331
將其復制替換原來的網格單元即可
展開 快樂學習，用流體知識解決實際問題（7）---射流實例（空氣+水+顆粒）,CFX實例
使用軟件：CFX ，ICEM
網格：六面體，質量>0.5
物理模型：多項流（空氣+水+顆粒）
本來是拿fluent做的，然后向看看CFX做射流的效果如何
過程是從入口噴出水和顆粒的混合物,然后噴射到一個鋼板上,采用sst湍流模型，入口設置流體速度為100M/S,然后加入顆粒，設置一些顆粒的屬性。大概就是這樣一個過程，設置水和空氣的表面張力。設置了連續相和分散相等等】
CFD學習：基于流體動力剪切應力的流體動力潤滑建模
流體動力潤滑的應用
當具有最佳幾何形狀的表面設計成為一項具有挑戰性的任務時，潤滑就變得必要。流體動力潤滑廣泛應用于噴氣發動機渦輪葉片、機械密封、軸承、齒輪、內燃機、生物醫學和納米技術。
在所有這些應用中，利用流體動力潤滑的基本原理來建立光滑的表面和無摩擦的接觸。工程系統中無摩擦表面接觸的發展受到納維和斯托克斯的著作的支配。雷諾方程有助于驗證流體動力潤滑的有效性。可以對潤滑劑的流體流動行為進行建模，并且對此類模型的研究描述了潤滑劑的特性和流體動力學。
讓我們看一下摩擦學中使用的模型，稱為賓漢塑性模型。
使用流體動力剪切應力表征賓漢塑性模型
潤滑脂被廣泛用作潤滑劑，賓厄姆模型是通常用于描述潤滑脂行為的模型。該模型的數學基礎是雷諾方程。使用該模型可以預測軸承行為和核心形成。
賓厄姆模型有兩個參數來表征：
粘度
屈服剪切應力
屈服剪切應力是必須施加到潤滑劑以引發流動的最小流體動力剪切應力。根據屈服剪切應力，潤滑劑可分為剛性潤滑劑或準牛頓潤滑劑。當流體動力剪切應力大小超過屈服剪切應力時，潤滑劑以牛頓流體形式流動。否則就是僵化的。
將流體動力潤滑應用于工程系統時，了解潤滑劑的剪切應力和屈服剪切應力非常重要。流體（潤滑劑）的流動行為以及變形率取決于作用在其上的流體動力剪切應力。
Cadence 的工具可以幫助您研究和模擬流動行為和剪切應力分布。Cadence 在 Omnis 3D 求解器中提供了一整套流體動力學仿真和分析工具。訂閱我們的時事通訊以獲取最新的 CFD 更新或瀏覽 Cadence 的CFD 軟件套件（包括Fidelity和Fidelity Pointwise），以了解有關 Cadence 如何為您提供解決方案的更多信息。
文章來源：cadence博客
展開 模型分享012——二維隨機顆粒建模及仿真應用 ￥99
仿真文件說明
如圖1所示為二維隨機顆粒增強材料的切削仿真，顆粒在模型內部隨機分布，模型中可以通過改寫數值定義多組直徑，也可以將顆粒直徑定義在某一范圍內隨機分布，從而建立仿真所需的幾何模型。
圖1 二維顆粒增強鋁合金材料切削仿真
前言
防控期間在家進行流體力學學習，對于生物流體力學中描述的流體中的微粒運動深有感觸，因而考慮到生物3D打印實驗中，無論是明膠微球混合打印、細胞擠出打印甚至是打印中氣泡的作用影響，都是不可避免的技術難點，因而對此方向進行了簡單的了解。
手動建模
通過仿真研究微球增強的情況，首先就是建立高質量的仿真模型，對于此類問題，其關鍵是微球尺寸和位置的隨機性分布，因此采用Python語言進行了模型的建立。
創建一個二維的隨機圓形顆粒模型，假設圓形顆粒的大小分為三種，半徑分別為1mm，3mm，5mm。模型的大小為100×50mm。
圖2 顆粒建模示意圖
隨機模型
然后要做的就是創建顆粒的循環生成，將三種不同直徑的顆粒循環生成，此時顆粒的半徑已知，因此設置顆粒的圓心位置隨機，實現顆粒的隨機分布。為了避免顆粒之間發生相互的干涉，既避免生成的圓形之間發生重疊情況，在此基礎上需要添加判斷，成為隨機顆粒圓心位置的限制條件。
隨機直徑顆粒搭配
通過以上方式生成的顆粒直徑只能是固定的幾個，為了提高仿真的真實性，比較近似的模擬顆粒直徑的分布，設計了顆粒直徑在某個尺寸范圍內，隨機生成的腳本文件，實現了直徑在一定尺寸范圍內的隨機生成。圖中尺寸范圍為0.075-0.125mm。
展開 abaqus三維幾何體建模插件(包括多面體和混合顆粒)V3.0
[圖片]
關于python腳本在abaqus中實現顆粒增強材料建模的這件事
1.為什么要用python腳本來建模
因為在做畢業設計的過程中接觸到顆粒增強材料的建模思路，通過abaqus的用戶界面（GUI）難以實現，列如在正方體內隨機生成一個球體，而要求球體的位置和體積大小隨機。有細心的小伙伴會發現，分析一下需求其實可以知道，通過選一個隨機的半徑生成一個球體，再把球體組裝到基體中，這樣很簡單就能實現需求。但面臨其他需求的時候呢，諸如隨意生成100個球體，而且要求位置和半徑隨機，這樣通過手動添加會十分困難，而且這樣也十分不明智，所以用到腳本來建模。
2.別的學者和專家是怎么建模的
西南交大的康國政老師和他的團隊在這方面做了大量工作，推薦文章去閱讀他們寫的文章（屬實筆者水平受限，哈哈哈）。如果你也正好是，做材料增強顆粒方面的研究，下面是幾篇比較典型的文章，值得一看。
基于周期性邊界條件的顆粒增強金屬基復合材料棘輪行為的數值模擬 (1)
金屬玻璃基復合材料增韌機理的數值模擬.pdf
原位顆粒增強金屬基復合材料的斷裂行為研究.pdf
當看完康老師的部分工作你應該會選擇是使用Fortran還是python來實現你自己的工作，下面第三部分僅僅針對想通過Python的童鞋。（python相對來說學習成本較低，語法比較通俗易懂，如何選擇就看各人了）
3.從哪里學習開源的（腳本和模型）知識
首先肯定是掌握一定的python語法基礎。
推薦閱讀python在abaqus中的應用，如果有需要pdf的話在評論區留言哦！
接下來，有一定基礎之后推薦閱讀這個大佬的GitHub，Abaqus/python_script at first · wuhuiguo/Abaqus · GitHub，無悔大佬的程序，一步一步如何實現都比較詳細，建議去他的主頁去看。
展開 ANSYS混凝土三維隨機骨料 混凝土細觀 隨機球體 顆粒增強復合材料建模
為了方便快捷的構建出混凝土細觀幾何模型，這里提出另一種建模方案，通過AutoCAD模型導入的方式，實現無編程構建混凝土隨機骨料。
模型構建
1、CAD模型生成
首先采用CAD隨機球體顆粒插件在AutoCAD內構建三維球體幾何模型：
插件可指定生成隨機分布的不相交的球體顆粒，同時生成與球體顆粒裝配的帶有孔洞的長方體基體。同時對顆粒的粒徑大小、比例等都能進行控制。
將生成的三維球體幾何模型導出為.sat格式文件備用。
2、ANSYS Workbench 導入
打開ANSYS Workbench，在幾何內進行導入預先保存的.sat文件：
后續進行網格劃分等操作，在ANSYS Workbench內進行即可：
插件下載
建模用到的CAD插件下載：
CAD隨機球體顆粒插件
展開 流體力學深度學習建模技術進展
1
文章導讀
維度高、非線性強、數據量大是流體力學問題的主要特點。近年來火熱的深度學習技術由于以數據驅動為主、可以解決高維復雜問題，目前已在流體力學領域得到了一定應用。文章結合課題組近期研究探討了流體力學深度學習建模技術的最新進展。當前學術界關于流體力學與深度學習技術的交叉研究可以概括為以下三個方面：
1. 對流體力學控制方程的學習
通過從偏微分方程的數學求解出發，應用神經網絡進行輔助求解。主要可分為兩個思路：以偏微分方程整體為目標進行學習，以及只對雷諾應力等部分項進行的學習。
圖 1 翼型繞流渦黏系數云圖【1】
上圖展示了西北工業大學張偉偉教授等采用神經網絡算法，以高雷諾數翼型繞流的S-A湍流模型計算結果為訓練數據，重構出渦黏系數與平均流動變量之間的映射關系。模型對于亞音速翼型附著流動，實現了與原始SA模型相當的性能。
2. 流場重構
這種方法將幾何外形這樣的已知信息輸入網絡，直接獲得流場解。本課題組韓仁坤博士提出了一種混合神經網絡結構，用于對動邊界非定常流場進行深度學習。在周期性振動的圓形動邊界非定常流場中獲得了較好的預測效果，并且具有較好的泛化性能。
圖 2 流向速度在選定位置的預測結果與CFD計算結果時間歷程對比【2】
3. 力系數等特征量的映射與應用
通過神經網絡直接求得力系數等各種特征量。與流場重構方法不同的是，該應用場景忽略流場細節，只關心力系數等最終結果，屬于黑箱方法。但這種方法工程應用性較強，對于氣動優化、氣動彈性控制等領域具有較大應用前景。
展開 計算流體力學CFD 建模與仿真
什么是 CFD 建模與仿真
計算流體力學（CFD）使用納維-斯托克斯方程（包括五個偏微分方程）來模擬流體的流動。這些方程利用計算機資源在虛擬環境中對流體運動進行近似計算。CFD 仿真能夠使用特定的模型來補充應用的物理屬性，進而預測現實場景。CFD 建模和仿真結果通常使用實驗或文獻值進行驗證。
CFD 建模和仿真適用于汽車、航空航天、制造業、電子、醫療保健和環境工程等領域。簡而言之，所有涉及流體的應用都可以使用 CFD 工具進行建模和仿真。CFD 建模和仿真廣泛使用的部分原因是出現了多學科的建模、分析和優化要求。
為什么 CFD 建模和仿真很重要
CFD 建模和仿真從根本上改變了設計和制造過程。CFD 仿真有以下優點：
1.降低制造成本
CFD 仿真的一個重要應用領域是制造業。CFD 建模和仿真可以讓您在實際制造之前全面了解設計模型在極端工作條件下的表現。
2.避免昂貴的測試
在航空航天和許多其他領域，要通過風洞測試或試驗來確定部件的性能。CFD 建模和仿真工具通過模擬計算機的設計，極大地簡化了這一過程。
展開 
流體力學深度學習建模技術研究進展
流體力學深度學習建模技術研究進展
王怡星、韓仁坤、劉子揚、張揚、陳剛
摘要： 深度學習技術在圖像處理、語言翻譯、疾病診斷、游戲競賽等領域已帶來了顛覆性的變化。流體力學問題由于維度高、非線性強、數據量大等特點，恰恰是深度學習擅長并可以帶來研究范式創新的重要領域。目前，深度學習技術已在流體力學領域得到了初步應用，其應用潛力逐漸得到證實。以流體力學深度學習技術為背景，結合課題組近期研究結果，探討了流體力學深度學習建模技術及其最新進展。首先，對深度學習技術所涉及的基本理論做了介紹，闡釋流場建模中常用深度學習方法背后的數學原理。其次，分別對流體力學控制方程、流場重構、特征量建模和應用等幾個典型的人工智能與流體力學交叉問題應用場景所涉及的深度學習技術研究進展進行了介紹。最后，探討了流體力學深度學習建模技術所面臨的挑戰與未來發展趨勢。
關鍵詞: 深度學習, 流體力學, 降階技術, 流場重構, 幾何特征提取, 非線性系統建模
窗體底端
維度高、非線性強、數據量大是流體力學問題的主要特點。近年來火熱的深度學習技術由于以數據驅動為主、可以解決高維復雜問題，目前已在流體力學領域得到了一定應用。文章結合課題組近期研究探討了流體力學深度學習建模技術的最新進展。當前學術界關于流體力學與深度學習技術的交叉研究可以概括為以下三個方面：
1. 對流體力學控制方程的學習
通過從偏微分方程的數學求解出發，應用神經網絡進行輔助求解。主要可分為兩個思路：以偏微分方程整體為目標進行學習，以及只對雷諾應力等部分項進行的學習。
圖 1 翼型繞流渦黏系數云圖
上圖展示了西北工業大學張偉偉教授等采用神經網絡算法，以高雷諾數翼型繞流的S-A湍流模型計算結果為訓練數據，重構出渦黏系數與平均流動變量之間的映射關系。模型對于亞音速翼型附著流動，實現了與原始SA模型相當的性能。
2.
展開 CFD——計算流體動力學(建模計算)
CFD——計算流體動力學，因歷史原因，國內一直稱之為計算流體力學。
其結構為：
提出問題——流動性質（內流、外流；層流、湍流；單相流、多項流；可壓、不可壓……），流體屬性（牛頓流體：液體、單組分氣體、多組分氣體、化學反應氣體；非牛頓流體）
分析問題——建模——N-S方程（連續性假設），Boltzmann方程（稀薄氣體流動），各類本構方程與封閉模型。
解決問題——差分格式的構造/選擇，程序的具體編寫/軟件的選用，后處理的完成。
成果說明——形成文字，提交報告，賺取應得的回報。
CFD實現過程：
1.建模——物理空間到計算空間的映射。
主要軟件：
二維：
AutoCAD：
大家不要小看它，非常有用。一般的網格生成軟件建模都是它這個思路，很少有參數化建模的。相比之下AutoCAD的優點在于精度高，草圖處理靈活。可以這樣說，任何一個網格生成軟件自帶的建模工具都是非參數化的，而對于非參數化建模來說，AutoCAD應該說是最好的，畢竟它發展了很多很多年！
三維：
CATIA：
航空航天界CAD的老大，法國人的東西，NB，實體建模厲害，曲面建模獨步武林。本身可以生成有限元網格，前幾天又發布了支持ICEM-CFD的插件ICEM-CFD CAA V5。有了它和ICEM-CFD，可以做任何建模與網格劃分！
UG：
總覺得EDS腦袋進水了，收了I-deas這么久了，也才發布個幾百M的UG NX 2.0，還被大家爭論來爭論去說它如何的不好用！其實，軟件本身不錯，大公司用得也多，可是就這么打市場，早晚是走下坡路。按CAD建模的功能來說它排不上第一，也不能屈居第二，尤其是加上了I－DEAS更是如虎添翼。現在關鍵是看市場了。
展開 在流體流動建模中使用湍流運動粘度計算渦流作用
作者：Cadence CFD 解決方案
關鍵要點
由于渦流和漩渦而引起的流體的劇烈運動稱為湍流。
湍流運動粘度沒有物理存在，被認為是流動特性，而不是流體。
流體的有效運動粘度可以表示為無湍流作用的運動粘度或湍流運動粘度之和。
隨著流體流速的增加，層流轉變為湍流
在流體系統中，流體流動可以是層流或湍流。流態中的湍流是由流體層的速度差異引起的。湍流中作用于流動的流動阻力較大，稱為雷諾應力。湍流運動粘度是湍流中重要的物理量。湍流運動粘度，也稱為渦流粘度，取決于流動狀態。在本文中，我們將探討湍流和湍流運動粘度。
流體流動
流體流動有兩種類型：層流或湍流。
層流
均勻、均勻且有序的流體流動被認為是層流。層流本質上是確定性的。層流的未來行為可以根據較早時間的流動特性知識來預先確定。即使在流動中存在不規則和擾動，平均層流運動是在一個方向上的。
粘性流體的均勻層流可以建模為包含不同且穩定的層的流體流。每一層都以相同的方向在另一層之上移動。頂層以最高速度移動，粘附在邊界上的層以最低速度流動。內部摩擦是速度差異的原因。粘度用作流體內部摩擦的量度。然而，隨著流體流速的增加，流態變得湍流。
湍流
隨著流體流速的增加，層流轉變為湍流。流體流速的增加導致流體層混合。隨著速度的增加，更多的流體層混合在一起并破壞了平穩的流動。流動變得不均勻，并受到渦流和漩渦的干擾。由于這些渦流和漩渦而引起的流體劇烈運動稱為湍流。湍流的特征在于不同方向上的顯著速度。速度方向不同于流動的總體方向。
粘度
粘度是在湍流中討論的一個重要量。高粘度流體抵抗流動中的湍流或從層流緩慢過渡到湍流。
展開 生物流體力學及血流動力學建模仿真技術培訓班
生物流體力學及血流動力學建模仿真技術培訓班
