Altair ultraFluidX
關注創建者：匿名 創建時間：2021-07-26
Altair ultraFluidX的實例教程
作為全球領先的科技公司，Altair一直致力于提高仿真的功能、質量并縮短仿真所需時間。
Altair宣布CFD仿真軟件Altair AcuSolve?和三維渲染和動畫工具Thea Render，現提供對NVIDIA GPU的增強支持，速度比使用同等配置的CPU快4倍！
除了提供GPU支持外，Altair還支持基于LBM算法的CFD軟件Altair ultraFluidX?和基于粒子法的CFD軟件Altair nanoFluidX?的NVIDIA RTX Server驗證，縮短產品仿真和迭代所需時間，從而加速產品上市。
利用 Altair ultraFluidX
對Altair CX-1概念設計進行外部空氣動力學仿真
AcuSolve仿真速度超CPU四倍
Altair AcuSolve?是一款通用型CFD軟件，可幫助工程師利用設計的湍流和熱傳遞來模擬流體流動。借助NVIDIA GPU，AcuSolve用戶可以執行的仿真速度比使用同等配置的CPU快4倍。
通過在NVIDIA RTX服務器上使用基于GPU的CFD求解器，大規模CFD模擬現在只需數小時而不是數天。
展開 計算結果也表明，采用基于GPU加速和Altair nanoFluidX的組合方式，允許CFD工程師在一個更可接受的短時間內研究類似整車涉水這樣的復雜流體問題。
評測案例三：基于Altair ultraFluidX軟件的GPU加速
軟件環境介紹——AltairultraFluidX專用于超快預測乘用車、輕型卡車、賽車和重型車輛的空氣動力特性的仿真分析，它基于格子玻爾茲曼（LBM）技術，無需建立網格，這大大縮短了建模時間，使得設計變得更加容易，同時保留了所有重要的幾何細節。
硬件環境介紹——CPU采用單顆Intel(R) Xeon(R) Gold 6126 CPU @ 2.60GH；GPU選用NVIDIA RTX8000和NVIDIA Tesla V100，由于Altair ultraFluidX采用的LBM方法，非常適合大規模并行架構，而采用GPU加速，可以明顯提高吞吐量，達到Altair ultraFluidX的周轉時間，同時降低硬件和能源成本。
測試模型：對于車輛的早期開發優化，采用CFD手段無疑是最有效且最經濟的方法，但這類CFD分析往往是高內存和高計算資源消耗的典型代表，需要使用GPU來優化計算性能。以此次建立的汽車虛擬風洞模型為例，擁有格子數量1億6千萬，格子的最小尺寸為1.8mm，設置車速為140公里/小時、瞬態物理時間為2秒，分別采用2塊NVIDIA RTX8000、4塊NVIDIA RTX8000和4塊V100加速，對比計算時間。
◎ 汽車虛擬風洞模型
測試結果：數據表明，采用2塊、4塊NVIDIA RTX8000加速，模擬汽車虛擬風洞分別需要花費14小時、8小時；采用4塊V100，則需要8.4個小時。
展開 計算結果也表明，采用基于GPU加速和Altair nanoFluidX的組合方式，允許CFD工程師在一個更可接受的短時間內研究類似整車涉水這樣的復雜流體問題。
評測案例三：基于Altair ultraFluidX軟件的GPU加速
軟件環境介紹——AltairultraFluidX專用于超快預測乘用車、輕型卡車、賽車和重型車輛的空氣動力特性的仿真分析，它基于格子玻爾茲曼（LBM）技術，無需建立網格，這大大縮短了建模時間，使得設計變得更加容易，同時保留了所有重要的幾何細節。
硬件環境介紹——CPU采用單顆Intel(R) Xeon(R) Gold 6126 CPU @ 2.60GH；GPU選用NVIDIA RTX8000和NVIDIA Tesla V100，由于Altair ultraFluidX采用的LBM方法，非常適合大規模并行架構，而采用GPU加速，可以明顯提高吞吐量，達到Altair ultraFluidX的周轉時間，同時降低硬件和能源成本。
測試模型：對于車輛的早期開發優化，采用CFD手段無疑是最有效且最經濟的方法，但這類CFD分析往往是高內存和高計算資源消耗的典型代表，需要使用GPU來優化計算性能。以此次建立的汽車虛擬風洞模型為例，擁有格子數量1億6千萬，格子的最小尺寸為1.8mm，設置車速為140公里/小時、瞬態物理時間為2秒，分別采用2塊NVIDIA RTX8000、4塊NVIDIA RTX8000和4塊V100加速，對比計算時間。
◎ 汽車虛擬風洞模型
測試結果：數據表明，采用2塊、4塊NVIDIA RTX8000加速，模擬汽車虛擬風洞分別需要花費14小時、8小時；采用4塊V100，則需要8.4個小時。
展開 圖片來源：
https://www.nvidia.com/en-us/data-center/v100/
LBM+GPU=Altair ultraFluidX?
Altair ultraFluidX是基于LBM方法的CFD求解器，支持原生的GPU并行加速計算。
通過Altair提供的最新氣動聲學解決方案，工程師能夠極大地提高工作效率，同時縮短產品開發周期、降低硬件及能耗成本。
通過本次網絡研討會，我們將演示如何利用Altair最新的商用CFD軟件ultraFluidX（基于格子玻爾茲曼方法的GPU加速求解器）以合理的成本對風扇的氣動聲學問題進行建模和仿真。您將會了解到以下內容:
? 基于格子玻爾茲曼方法的ultraFluidX求解器在風扇噪聲仿真中的優勢。
? 如何通過處理測點SPL值及壓力場數據完成氣動噪聲分析。
? Altair 仿真工具在快速建模及仿真分析中的全流程優勢。
講師：Kevin Golsch——Altair全球CFD資深技術總監
Kevin Golsch于2018年加入Altair，負責全球空氣動力學，熱管理和聲學仿真相關的CFD解決方案。在加入Altair之前，Kevin曾先后任職Navistar Inc總工程師，通用汽車首席工程師及EXA北美高級技術總監，主導并參與多款重型卡車，工程機械的氣動，噪聲及熱管理性能開發。項目涉及通用汽車，克萊斯勒，福特汽車，特斯拉等世界知名廠商。
會議時間：
8月14日 | 10：00~11:30
參會人群：
本次網絡研討會主要面向CAE和CFD工程師、以及汽車、暖通空調、工業設備和電子行業中負責散熱冷卻解決方案的專家。
展開 
Altair ultraFluidX的相關專題、標簽、搜索
Altair ultraFluidX的最新內容
其中，NS求解器（Altair? AcuSolve?）適用于全方位流動、傳熱、湍流分析，穩健性強且對網格質量不敏感；SPH求解器（Altair? nanoFluidX?）無需傳統網格，擅長仿真自由表面、油罐晃蕩等復雜流動；LBM求解器（Altair? ultraFluidX?）原生GPU加速，可超高速完成車輛、建筑空氣動力學仿真，一夜即可完成一輪高瞬態仿真迭代。
2.
Altair ultraFluidX可以幫助工程師檢測現有樣機中的風扇噪音，并在新產品研發初期就可采用仿真的方法減少噪音源。
雖然CFD數值仿真更適合早期設計評估，但大多數傳統網格法CFD求解器模擬氣動噪聲周期長，代價高。
Altair ultraFluidX基于LBM算法，具有接近線性的多GPU并行效率。是用于空氣動力學和氣動噪聲的高精度瞬態求解器，仿真精度和計算效率在家電和車輛等行業得到工程驗證。
Altair ultraFluidX 是基于格子玻爾茲曼算法（ LBM ）的求解器，專門用于地面交通工具、低速飛行器和建筑外流場的仿真。
圖片來源：
https://www.nvidia.com/en-us/data-center/v100/
LBM+GPU=Altair ultraFluidX?
Altair ultraFluidX是基于LBM方法的CFD求解器
Altair ultraFluidX可以幫助工程師檢測現有樣機中的風扇噪音，并在新產品研發初期就可采用仿真的方法減少噪音源。
雖然CFD數值仿真更適合早期設計評估，但大多數傳統網格法CFD求解器模擬氣動噪聲周期長，代價高。
硬件環境介紹——CPU采用單顆Intel(R) Xeon(R) Gold 6126 CPU @ 2.60GH；GPU選用NVIDIA RTX8000和NVIDIA Tesla V100，由于Altair ultraFluidX采用的LBM方法，非常適合大規模并行架構，而采用GPU加速，可以明顯提高吞吐量，達到Altair ultraFluidX的周轉時間，同時降低硬件和能源成本。
硬件環境介紹——CPU采用單顆Intel(R) Xeon(R) Gold 6126 CPU @ 2.60GH；GPU選用NVIDIA RTX8000和NVIDIA Tesla V100，由于Altair ultraFluidX采用的LBM方法，非常適合大規模并行架構，而采用GPU加速，可以明顯提高吞吐量，達到Altair ultraFluidX的周轉時間，同時降低硬件和能源成本。
隨著工業應用中對散熱冷卻要求不斷增加（如發動機冷卻及電子設備冷卻等），風扇作為冷卻散熱的關鍵部件，其噪聲水平已成為驅動產品開發設計決策的重要因素之一。對設備的靜音性要求不僅涉及到性能問題，而且也是客戶體驗和品牌形象的重要因素。
從時間和成本的角度來看，使用消聲室實施風扇噪聲的物理測試將是非常昂貴， 同時極大地增加了產品開發周期，使企業在激烈的競爭和價格敏感的環境下處理不利地位。
Altair ultraFluidX?– 加入了新的更精確的壁面模型和重疊網格技術。
Altair nanoFluidX?– 比上一個版本計算快了3倍。
