格子玻爾茲曼方法
關注創建者：happy day 創建時間：2022-03-22
格子玻爾茲曼方法的實例教程
作者Cadence CFD 解決方案
關鍵要點
什么是格子玻爾茲曼方法？
格子玻爾茲曼模型的優點和應用。
用格子 BGK 模型代替 Navier-Stokes 方程。
使用格子 BGK 模型進行湍流分析。圖片來源。
數學算法的開發通常是為了應對缺乏現成的工具來解決特別具有挑戰性的問題。然而，在某些情況下，解決方案范例或模型是基于特定工具的存在而創建的。格子波爾茲曼方法 (LBM) 是后者的示例，因為 LBM 是專門為利用大規模并行處理計算機環境（例如超級計算機）的功能而創建的。
如今，幾乎所有計算平臺都內置了一定程度的并行性。這可能包括多核微處理器和/或圖形處理單元 (GPU)，它們可以大大提高復雜問題解決方案的數學準確性并減少計算時間開銷。在執行流體動力學分析時，這兩個屬性都促進了對 Navier-Stokes 方程使用替代格子 BGK 模型。
什么是格子玻爾茲曼方法？
典型的 CFD 方法尋求從宏觀有利位置（通常在表面和流體環境之間的邊界層）解釋流體屬性（例如動量和能量）的行為。另一方面，格子玻爾茲曼方法在更小的尺度上使用虛擬或虛擬粒子。這允許在定義的網格上進行離散化，并應用并行處理來解決流動傳播和內部碰撞問題。
這種結構允許晶格節點之間的流體參數發生變化。例如，當流體在點陣中從一點傳播到另一點時，流體密度可能會發生變化，這表明流動碰撞和流動活動。此活動定義了所謂的 Bhatnagar Gross and Krook (BGK) 或格子 Boltzman BGK 模型，它為CFD 分析提供了多項優勢。
格子 BGK 模型的優點和應用
上圖說明了應用格子 BGK 建模來分析渦流的產生。
展開 在這種情況下，利用仿真分析的方法既能在不同頻率范圍內準確、快速地預測不同位置的氣動噪聲水平，又能對空氣中噪聲傳播提供具體分析。與物理測試不同，仿真工具不僅可以預測總體噪聲水平，還可以提供有關噪聲源和傳播路徑的詳細結果。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 流場數值求解器則是采用了自主研發的非定常格子玻爾茲曼流場求解器（LBM[2]，Lattice Boltzmann Method）與采用簡單的Smagorinsky湍流模型。所計算的Ahmed標準車模阻力系數與實驗高度吻合，具備了工程應用能力。
一、背景
在汽車設計和改型中，數值計算和風洞試驗是評估氣動性能的兩大手段。風洞試驗模型制作和試驗實施的周期長，成本高，因此如何減少風洞實驗次數，提高汽車設計效率，一直是汽車設計及空氣動力學領域研究的重點。
數字風洞即風洞的數字化，是遵循數字孿生理念，通過高保真數值計算、機器學習等技術手段，將物理風洞試驗設施和試驗過程1:1還原到數字世界，從而具備實施高置信數字風洞試驗的能力。通過數字風洞試驗，可以取代部分早期風洞試驗車次和部分風洞試驗，從而緩解風洞試驗成本高、周期長與旺盛試驗需求之間的矛盾。
國家超級計算無錫中心神工坊團隊，依托我國最先進的國產自主超級計算機神威·太湖之光，自主研制了結構網格自適應框架（SAMR[1]）與格子玻爾茲曼流場求解器（LBM[2],Lattice Boltzmann Method)，形成了自主數值風洞軟硬件基礎框架，可以高效地為汽車氣動仿真賦能。
二、方法
下面對40m/s(或144km/h)速度下的Ahmed標準汽車模型（25°后背角）與某實車模型進行數值模擬。
（1）網格生成: 采用國家超級計算無錫中心自主開發的結構網格自適應加密框架，可對汽車中復雜幾何表面以及流場變化劇烈的地方進行自動加密。
（2）流場求解器:采用國家超級計算無錫中心自主開發的基于多層加密格子玻爾茲曼方法的流場求解器，具有并行效率高且易于處理復雜幾何等優點。
（3）湍流模型：選用Smagorinsky模型，它是一種簡單的大渦模擬模型，且易于在格子玻爾茲曼方法中實現。
展開 AMICAL項目專注于基于格子玻爾茲曼和高階納維斯托克斯方法的先進高保真數值技術應用于工業風扇/出口導葉配置，以識別主要噪聲源。該項目將計算幾種風扇/出口導葉配置，包括安裝效果、降噪技術和風洞實驗。該項目還將專注于新的后處理技術，以改進噪聲源檢測和理解。
項目目標
AMICAL 項目旨在開發和驗證基于高階和格子玻爾茲曼方法的先進數值工具，以準確可靠地預測 UHBR 氣動聲學效應。下一代 UHBR 發動機的一個重大挑戰是降噪，這取決于設計前階段的高保真仿真技術。開發創新的噪聲后處理技術也是項目目標的一部分。將開發新的后處理方法，以利用組合的聲學、數值和實驗數據庫來識別 UHBR 風扇噪聲源，并提高對噪聲產生機制的物理理解。
工作包清單
工作包 1：管理、傳播和降低風險計劃
工作包 2：要求
工作包 3： UHBR 風扇/OGV 模塊的高保真仿真
工作包 4：集成推進系統的高保真仿真
工作包 5：風洞環境中的高保真模擬
工作包 6：噪聲源診斷的創新數據處理
工作包 7：天線儀器的創新氣動聲學解決方案
工作包 8：為降噪概念開發高級氣動聲學仿真能力
工作包9：具有降噪概念的UHBR 風扇模塊的高保真
建模研究中心。這三個合作伙伴都在歐盟和 Cleansky 項目中擁有豐富的經驗。
如果您想為您的 CFD 應用試用Cadence Fidelity高階工具，請立即申請演示！
文章來源：cadence博客
展開 從此，GPU計算才逐漸成為一種通用的處理方法并進入大眾視野。
因為有了更成熟的開發環境，市場上開始出現了一系列GPU加速計算的軟件，各大商業CAE公司也都推出了GPU加速的產品。或許相對于成熟的基于CPU的仿真軟件， GPU的仿真軟件還未形成碾壓的優勢，但是它們正以更加迅猛的速度不停的更新，相信它們一定會改變未來仿真世界的格局，甚至改寫每一個CFDer的使用習慣。
05、讓LBM起飛的GPU加速
熟悉流體仿真的小伙伴都知道，目前CFD軟件有兩大陣營：一種是基于傳統的NS方程，需要隱式求解復雜的偏微分仿真；而另外一種CFD基于格子玻爾茲曼方法（LBM），求解的是顯式的線性方程。大家還記得CPU和GPU之間的區別，CPU像一個學識淵博的專家，而GPU則像是一群中學生。如果求解復雜的偏微分方程，一個專家或許能抵得上一百個中學生，而如果計算的是一元一次方程，一個專家和一個中學生或許不會有太大的差別。
因此，從GPU的處理特點我們可知，如果程序本身有良好的并行效率，則能從GPU計算中獲得更大的收益。而格子玻爾茲曼方法基于笛卡爾網格的顯式線性的計算特點，使得其天然適合于GPU的流處理框架。比如在GPU上計算D2Q9格式的LBM方程，我們可以將具有相同速度向量的數據包分配到一個數組中，并保持原始格子布局，求解過程便是對這些數組的更新。
展開 
格子玻爾茲曼方法的相關專題、標簽、搜索
格子玻爾茲曼方法的最新內容
多求解器協同，適配全場景需求：整合通用Navier-Stokes (NS) 求解器、平滑粒子流體動力學 (SPH) 求解器、格子玻爾茲曼方法 (LBM) 求解器，單一許可即可全部訪問。
技術方案：
LBM（格子玻爾茲曼方法）求解器：基于微觀粒子模型，將流體空間離散為規則的格子結構，通過跟蹤流體粒子在格子間的碰撞和遷移來模擬流體流動。
</p><p class="ql-align-justify"> （3）湍流模型：</p><p class="ql-align-justify"> 選用<strong>Smagorinsky模型</strong>，它是一種簡單的大渦模擬模型，且易于在格子玻爾茲曼方法中實現。
LMFD軟件，基于LBM格子玻爾茲曼方法開發，結合自研的耦合算法和計算模塊，利用GPU實現大規模問題的高效計算，可處理包括單相、氣液兩相、氣固兩相以及氣液固三相等復雜多相流問題。
1. 油氣勘探
在油氣勘探和生產過程中，面對復雜的地質環境和多變的流體特性，CFD軟件通過模擬地下油氣的流動狀態，可以幫助工程師準確預測油氣藏的分布和開采能力，優化勘探方案和效率。
圖1 本研究分析的純電動汽車車底結構為橫斷面圖:整車模型(上)和電池上方車底空間(下)
圖2 噪聲進入車廂的三種可能傳輸路徑
CFD方法
為了計算車輛周圍的流場和聲場，本研究使用了基于格子玻爾茲曼方法的商業流體分析軟件PowerFLOW。所使用的模型是一款詳細幾何結構的C段SUV型BEV，包括上部車身、電機室、電池、懸掛、保護板和地板板塊。
格子-玻爾茲曼方法（LBM）從微觀動力學角度出發，將連續介質看作大量位于格子節點上的離散流體質點粒子。粒子按碰撞和遷移規則在格子上運動，通過對各格子流體質點運動特征的統計，獲得流體宏觀運動規律，即把宏觀物理量視作微觀統計平均的結果。
一篇文章入門格子玻爾茲曼方法（LBM）
4.
什么是格子玻爾茲曼方法？
典型的 CFD 方法尋求從宏觀有利位置（通常在表面和流體環境之間的邊界層）解釋流體屬性（例如動量和能量）的行為。另一方面，格子玻爾茲曼方法在更小的尺度上使用虛擬或虛擬粒子。這允許在定義的網格上進行離散化，并應用并行處理來解決流動傳播和內部碰撞問題。
這種結構允許晶格節點之間的流體參數發生變化。
例如，格子玻爾茲曼方法。
基于水平集
使用水平集函數，其中為網格中的每個點分配一個值，表示到流體界面的距離。然后通過移動點來模擬流固耦合來完成網格變形。例如浸入邊界法。
基于優化
網格變形基于衡量網格質量的成本函數。
項目目標
AMICAL 項目旨在開發和驗證基于高階和格子玻爾茲曼方法的先進數值工具，以準確可靠地預測 UHBR 氣動聲學效應。下一代 UHBR 發動機的一個重大挑戰是降噪，這取決于設計前階段的高保真仿真技術。開發創新的噪聲后處理技術也是項目目標的一部分。將開發新的后處理方法，以利用組合的聲學、數值和實驗數據庫來識別 UHBR 風扇噪聲源，并提高對噪聲產生機制的物理理解。
