格子玻爾茲曼方法的案例
使用格子 BGK 模型推導 Navier-Stokes 方程
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 2020 新功能! 基于Altair ultraFluidX的風扇噪聲分析網絡研討會 8月14日
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 極大規模整車氣動數值模擬——構筑數字風洞基礎框架
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：低噪聲風扇技術的建模工具
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 
GPU加速計算的狼來了？
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 探索國產多相流仿真技術應用，積鼎科技助力石油化工工程數字化交付
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。
例如，采用積鼎VirtualFlow混合流模型+原油/非牛頓流體模型模擬油井區域多相流動，通過捕捉段塞流、分析設備磨損、預測深海石油泄露和管道堵塞等問題，為油井區域的安全生產和優化提供重要依據。
2. 油氣運輸與存儲
在油氣運輸和存儲環節，流動保障是確保系統安全穩定運行的關鍵。CFD軟件能夠預測管道中的流量以及潛在的泄露、屈曲、凝結和沖蝕等失效來源，確保儲罐的正確設計，并制定可靠性相關問題策略。
例如，其采用的Level Set模型能夠準確分析與預測管道中的流態，有效捕捉界面特性和擴散脈動特性，為管道的安全穩定運行提供了有力保障。同時，針對儲罐的正確設計以及可靠性相關問題的策略制定，VirtualFlow也提供了強有力的技術支持。
3. 設備設計與安全評估
無論是復雜的變物性多相流仿真，還是水下設備、LNG儲罐的冷卻分析，CFD軟件都能提供精確的模擬結果，幫助工程師優化設備設計，提高可靠性和安全性。同時，通過模擬危險氣體組分的泄漏擴散等風險場景，CFD軟件還能為石化場所的風險分析提供有力支持，降低事故發生的可能性。
例如，傳統滾筒攪拌器常面臨軸向混合不佳、能耗偏高的問題。而借助DEMms軟件，工程師能夠模擬并優化交錯擋板設置，這一設計將極大增強徑向拋撒與軸向導流作用，使得軸向混合得到顯著改善。
深海石油泄漏的模擬難度很高。
展開 技術分享︱極大規模整車氣動數值模擬——構筑數字風洞基礎框架
</p><h2 class="ql-align-justify"><strong> 二、方法</strong></h2><p class="ql-align-justify"> 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。</p><p class="ql-align-justify"> （1）網格生成：</p><p class="ql-align-justify"> 采用<strong>自主開發的結構網格自適應加密框架</strong>，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。</p><p class="ql-align-justify"> （2）流場求解器：</p><p class="ql-align-justify"> 采用<strong>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</strong>，具有并行效率高且易于處理復雜幾何等優點。</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。
展開 CFD前處理：網格變形
不同的網格變形技術
網格變形方法可以分為兩類——傳統的基于網格的方法和無網格方法。
基于網格的方法
基于網格的變形技術考慮了固定網格的作用，并依賴于網格的頂點或節點的受控移動來解釋變形或其他幾何變化。基于網格的方法可以進一步分為以下技術：
基于變形
網格通過節點和頂點的受控移動而變形。例如，自由變形技術。
基于網格
網格被離散化為單元網格以表示流體域。每個單元獨立變形以詳細捕捉流固相互作用。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。將節點的坐標調整到最佳點以提高仿真精度。
無網格方法
無網格方法不依賴于固定的網格結構。相反，它使用一組節點表示域。可以通過以受控方式重新定位這些節點來解決變形問題。無網格方法可能包括以下方法：
徑向基函數 (RBF) 插值
離散控制點集和徑向基函數用于插值。
這是通過評估 RBF 并根據相關控制點的位移值對它們進行加權來完成的。
展開 二維波浪水槽以及波浪傳播變形的數值模擬（附詳細步驟）
圖16是利用Xflow模擬出的結果，由于相關參數和邊界條件設置大同小異，這里不再展示具體過程，此軟件與Fluent不同的是：它采用的計算方法是格子-玻爾茲曼方法，網格采用的是笛卡爾網格。可以看出Xflow模擬的效果更好，同時可以間接說明Fluent為了得到較好的穩定性而使數值耗散比較嚴重。圖17是卷浪的局部放大圖，可以看出格子-玻爾茲曼方法在觀察某一質點的細節運動時較Fluent具有明顯的優勢。
圖16 Xflow中模擬的結果
圖17 粒子追蹤的卷浪效果
參考文獻
[1]高睿, 任冰. 波浪沿斜坡傳播的SPH數值模擬[C]// 中國海洋. 2009.
[2]游濤. 波浪在斜坡上的傳播破碎及沿岸流研究[D]. 天津大學, 2004.
[3]安蒙華, 蔣勤, 張長寬. 波浪在斜坡堤上傳播的數值模擬[J]. 水運工程, 2014 (6):25-29.
[4]李勝忠. 基于FLUENT的二維數值波浪水槽研究[J]. 2013.
缺點：波浪的耗散很嚴重，試過降低粘性系數、改變模型和網格大小、更換邊界條件和湍流模型，最終還是沒有找到解決的好辦法。
展開 Altair CFD 以技術賦能工程創新
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。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. 全類型仿真分析，覆蓋核心需求：支持全尺度流場分析（穩態/瞬態、層流/湍流等）、全類型熱管理（共軛傳熱、自然/強制對流、輻射等）、多物理場耦合（流-固-熱-聲-運動聯動），還可實現多相流、旋轉機械、氣動噪聲、非牛頓流體等復雜場景仿真，同時支持與Altair? EDEM? 耦合，完成顆粒-流體系統仿真，滿足不同行業的個性化需求。
3. 高效自動化工作流，大幅提升效率：集成Altair? HyperWorks? 通用直觀界面，實現從幾何準備、網格劃分、案例設置到后處理、報告生成的端到端無縫銜接。具備自動網格劃分、GPU加速、穩態時間行進等功能，其中幾何模型準備效率較傳統工具提升80%，穩態仿真可在少于100次迭代中快速收斂，大幅縮短仿真周期。
4. AI賦能+便捷交互，降低使用門檻：搭載AI輔助功能，可通過歷史仿真數據訓練模型，快速預測新設計的仿真結果，無需長時間等待傳統仿真；支持本地或云端提交任務，仿真完成后無需下載文件即可直接訪問后處理工具，自動生成可追溯的仿真報告，兼顧專業性與易用性，適配不同專業水平的工程師。
展開 湍流模型之VLES，是什么鬼？
實際上在A.A.Mohamad所著的《格子玻爾茲曼方法》這本書中的后半段，就附錄了擴散問題、對流-擴散問題等等典型問題的LBM代碼；其中二維問題的代碼不過百行。當然，能算的問題也是極為簡單的，比如下圖所示的方腔流動。
直到有一天，懷著忐忑不安的心情求教來訪的LBM宗師，方才明白，世上LBM的程序眾多，但PowerFLOW只有一個。PowerFLOW發展三十余年，在LBM的骨架上集成了眾多獨家技術，其中最關鍵的方法之一，就是名字聽起來有點業余的湍流模型——超大渦模擬方法VLES（Very Large Eddy Simulation）。
VLES，諸君可能要笑了，只聽說過DNS, LES, DES, RANS；VLES是什么，山寨的LES嗎？其實PowerFLOW最初在國內推廣時，就已講述過VLES的概念，只不過年代久遠，印象模糊了，讓我們來回顧一下曾經的說法：
首先，從一團渦說起......
渦流從哪里來：如果我們用勺子在一碗湯里面攪一下會看到什么呢。好吧，是不是有人嫌棄這個例子太low了。那咱們來看個高端的，飛機穿越大氣時，快速飛行的機身對周圍的大氣產生強烈的擾動，向靜止的流場中注入能量，產生大量的渦流。哦，原來渦流來源于擾動。
渦流到哪里去：飛機飛過后，渦流并不會存在很久，而會很快消散；旋渦中的能量也逐漸消失，這源于一個過程——Cascade；下圖來源于一本經典著作《普朗特流體力學概論》，其右上角的小圖展示了什么叫Cascade；簡而言之，就是大渦逐漸破碎為小渦，小渦再破碎為更小的“迷你渦”，然后逐漸耗散，這個過程從空間上看較為隨機，且與局部雷諾數相關。
展開 
案例分享｜復雜仿真應用定制——UAVSim無人機仿真APP
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。
在旋翼機體仿真場景下，LBM 求解器可以實現：
精確描述旋翼和機體的形狀和位置
準確獲取旋翼表面的壓力分布
獲取旋翼關鍵空氣動力參數
捕捉氣流的紊流特性和渦旋結構
模擬旋翼尾流的發展和傳播
模擬尾流與機身等部件的相互作用
在此技術支持下，UAVSim APP中可以通過調整旋翼的幾何參數（如槳葉形狀、長度、扭轉角等）和飛行工況參數（如飛行速度、姿態角等），進行大量的數值實驗，快速評估不同設計方案對旋翼性能的影響，為優化旋翼設計提供全面而準確的數據支持。
3. 操作界面優化
目標：
用戶界面與操作流程簡化，加強UAVSim APP的易上手性，降低產品經理等非專業仿真工程師的學習成本，提高協同研發效率。
簡潔直觀的用戶界面與便捷操作流程：
UAVSim 的用戶界面設計采用符合人機工程學的布局。
功能模塊圖標直觀醒目：
主界面上，前處理、計算提交、后處理等主要功能模塊功能按鈕分類清晰且標識明確，用戶能迅速定位所需功能入口。
應用場景：
在前處理模塊，用戶僅需簡單操作，即可導入無人機幾何模型，并輕松輸入各旋翼的中心坐標、旋轉速度、直徑以及前飛速度等關鍵參數。
三、總結
本篇詳細解析了「神工坊」團隊針對無人機仿真場景，提供的技術解決方案——「UAVSim無人機仿真APP」通過自研的網格模塊，根據無人機真實工況生成自適應網格，進而利用LBM求解器進行計算，實現了對旋翼機體的數值仿真。
展開 談談常見的幾種CFD算法－FVM FDM FEM MPS SPH LBM究竟有什么區別
第一種SPH光滑粒子法，該算法最早由Gingold and Monaghan (1977) 和Lucy (1977)提出，該方法對流體壓力采用顯示求解，特點是計算快速，弱點壓力場計算不準確。
第二種MPS半隱式運動粒子法是由Koshizuka教授于1995年提出，該算法通過求解壓力泊松方程獲得流體的壓力場，并通過壓力梯度修正預測的流體速度。MPS方法在提出后的很長時間內都存在很多底層的數值穩定性問題，主要體現在壓力場不符合物理實際的波動。后來很多學者對該方法提出了修正和改進。
最后一種FVP粒子法，相對比MPS的區別將控制方程在假想的粒子體積空間內進行積分，獲得新的梯度和Laplacian算子，該算法與MPS無太大本質區別。
SPH方法雖然快，但是有失準確度，適合于追求視覺效果的場景，例如某些電影里的海嘯場景，就采用該算法。MPS和FVP方法雖然計算速度較慢，但物理量計算更加準確，適合于工程場景。
5. LBM-離散格子玻爾茲曼法
Lattice Boltzmann Method(LBM)，即離散格子玻爾茲曼方法，主要用來模擬處于Maxwell或近Maxwell平衡態的連續流區或近連續滑移區低速槽道流。
近年，國際上許多學者提出發展將宏觀流體力學與微觀分子動力學連接起來的介觀理論，通過發展基于分子運動論(氣體動理學理論)Boltzmann方程的介觀數值模型來再現特征尺度達微、納米量級的氣體流動問題。LBM就是其一。
該方法并沒有像前其他CFD方法那樣求解流體的Navier–Stokes方程，而是通過計算微觀粒子間的streaming和collision兩個過程，從而模擬整體流體的運動行為。該算法最大的特點是并行計算效率非常高，主要是因為算法過程相對簡單容易并行。
展開 XFlow — 基于格子波爾茲曼方法的高保真CFD軟件
XFlow概述
在應用傳統的基于網格的方法來求解計算流體動力學（CFD）問題時，結果的可靠性高度依賴于網格質量。這樣會導致工程師將大部分時間耗費在處理網格離散化上，而不是解決工程問題。此外，如果問題涉及到存在移動零件或流體結構相互作用，則此類問題的域拓撲出現變化時也會造成困難。
XFlow 的自動點陣生成和自適應優化功能可以將用戶輸入降至最低，最大程度的減少在一個典型CFD 工作流程中耗費在網格創建和預處理階段的精力和時間。這樣，工程師就能將其絕大部分時間用在設計和優化上，而不是耗時耗力在網格創建過程上。
XFlow 提供了獨特的基于粒子法的格子波爾茲曼技術，用于高保真度計算流體力學(CFD) 應用。這一先進技術允許用戶解決涉及高頻率瞬空氣動力學、真實移動的幾何體、復雜多相流動、流固耦合（FSI）和氣動噪聲等復雜 CFD 問題。
XFlow的高級渲染能力提供了真實的可視化，可以更加深入的了解流動和換熱性能，使用戶能夠更快地做出明智的設計決策。XFlow可以完全并行利用高性能計算（HPC）的功率，接近于線性加速的進行逼真的CFD模擬以減少或替換物理測試。
獨特的CFD方法
在非平衡統計力學中，玻耳茲曼方程描述了介觀尺度下的氣體行為。玻耳茲曼方程能夠再現流體動力學極限，同時也可以模擬應用于航空航天、微流體或甚至接近真空條件的稀薄介質。
相對于標準多重弛豫時間（MRT），XFlow中的散射算子是在中心矩空間中實現，自然地證明了伽利略不變性，代碼的準確性和穩定性。
軟件環境
XFlow為用戶提供了一個獨特新穎的界面和工作環境。前處理、求解器和后處理完全集成在同一UI環境中。用戶界面的布局是完全可配置的，工作區窗口是可移動的并且可以選擇性的使用預先設置的顯示。
由于是基于粒子法的，XFlow背后的算法降低了對CAD模型的要求。
展開 當氣動噪聲遇見LBM
那么從流場向聲場過渡的時候，存儲在小尺寸網格上的高頻信息往往就被截斷了，這也導致了混合CAA方法在低頻計算精度尚可，而高頻的聲學結果就會出現非常明顯的誤差。
寫到這兒，大家是不是已經對用計算方法求解氣動噪聲絕望了？“愛到妥協，到頭來還是無解”……
當氣動噪聲遇見LBM，一切柳暗花明
30年前橫空出世的格子玻爾茲曼方法（LBM）在一個更基礎的動力學層面，用離散的波爾茲曼方程模擬流體。LBM基于微觀粒子統計規律研究流場空間的粒子分布，借助其速度分布函數求解粒子在時域內的遷移和碰撞，并通過簡單的三大守恒定律來封閉方程，再進行對粒子的統計獲取宏觀量，最后通過氣體狀態方程顯式的求解當地的壓力。所以，LBM是天然瞬態可壓縮的求解器。
另外，LBM的物理模型僅限于捕捉粒子或者粒子微團的動力學行為，而不用艱難地求解非線性偏微分方程，避免了傳統CFD求解器（FDM/FVM）的耗散\色散問題，使得微小的聲波能量在流場計算過程中同時被捕獲。另外，LBM在模型處理、網格生成及計算并行效率等方面都有了質的飛躍，這些獨特優勢更助力它非常適合于氣動噪聲計算。
不是所有LBM都叫PowerFLOW
盡管LBM自帶氣動噪聲計算光環，然而想要通過LBM方法準確的求解氣動噪聲，仍然有很多技術細節需要仔細處理，顯得困難重重。記得2018年的時候，我們和某高校進行學術交流，展示了很多氣動噪聲的成功案例。后來推杯換盞之際，一位老師提到他自己也在用LBM做這方面的研究，可是結果不甚理想。好吧，廣告時間開始：不是所有LBM都叫PowerFLOW（大家可以自行腦補筆者手拿PowerFLOW光盤的樣子）。
展開 