اصطلاحات رایج در دینامیک سیالات محاسباتی (CFD) که باید بدانید

فرآیند اصلی شبیه‌سازی CFD: از هندسه تا نتایج

هر تحلیل CFD، صرف‌نظر از پیچیدگی آن، از یک گردش کار ساختاریافته و جهانی پیروی می‌کند که شامل سه مرحله اصلی است: پیش‌پردازش، حل و پس‌پردازش. درک واژگان مربوط به هر مرحله از اهمیت استراتژیک برخوردار است، زیرا یک چارچوب ذهنی برای سازماندهی فرآیند تحلیل و پیش‌بینی گام‌های بعدی فراهم می‌کند. این دانش به شما امکان می‌دهد تا هر مرحله را با دقت و هدفمندی اجرا کنید.

پیش‌پردازش (Pre-Processing): پایه‌ریزی یک شبیه‌سازی معتبر

پیش‌پردازش، مرحله بنیادین آماده‌سازی مدل برای حلگر است. این مرحله حیاتی‌ترین فاز شبیه‌سازی محسوب می‌شود، زیرا همانطور که منابعی مانند MR CFD و SimScale تأکید دارند، اشتباهات در این مرحله تمام کارهای بعدی را بی‌اعتبار می‌سازد. در این فاز، فضای مسئله تعریف، هندسه پاک‌سازی و مش محاسباتی تولید می‌شود.

Computational Domain (دامنه محاسباتی): حجم مجازی که شبیه‌سازی سیال در آن انجام می‌شود. این همان “جعبه” هوا، آب یا هر سیال دیگری است که در اطراف یا داخل جسم مورد نظر خود ایجاد می‌کنید.

• • مثال عملی: برای شبیه‌سازی آیرودینامیک خارجی یک خودرو، دامنه محاسباتی یک بلوک مستطیلی بزرگ از هوا است که وسیله نقلیه را احاطه کرده است.
  • کاربرد در Ansys: این حجم در نرم‌افزارهای Ansys SpaceClaim یا DesignModeler، اغلب با استفاده از ابزار “Enclosure”، ایجاد می‌شود.

Geometry Simplification / De-featuring (ساده‌سازی هندسه): فرآیند حذف جزئیات غیرضروری از مدل CAD که مش‌بندی را بدون افزودن ارزش به فیزیک مسئله، پیچیده می‌کنند.

• • مثال عملی: حذف سوراخ‌های کوچک پیچ، لوگوها و فیلت‌های جزئی از مدل یک بلوک موتور قبل از شبیه‌سازی جریان مایع خنک‌کننده. این جزئیات به مش بسیار ریزی به صورت محلی نیاز دارند اما تأثیر ناچیزی بر الگوی کلی جریان دارند.
  • کاربرد در Ansys: این یک گام حیاتی در SpaceClaim برای آماده‌سازی هندسه جهت مش‌بندی قوی و باکیفیت است.

Enclosure (ایجاد حجم سیال): ابزار یا عملیاتی که برای ایجاد حجم سیال (دامنه محاسباتی) در اطراف یک جسم جامد استفاده می‌شود.

• • مثال عملی: اگر مدل یک هیت‌سینک را وارد کنید، ابزار “Enclosure” یک بلوک از جنس “هوا” ایجاد می‌کند که آن را کاملاً در بر می‌گیرد و ناحیه سیال را برای تحلیل حرارتی فراهم می‌آورد.
  • کاربرد در Ansys: این یکی از عملکردهای اصلی در Ansys SpaceClaim است که برای راه‌اندازی شبیه‌سازی‌های جریان خارجی و انتقال حرارت مزدوج (CHT) ضروری است.

حل (Solving): قلب محاسباتی CFD

این مرحله، فاز محاسباتی فرآیند است که در آن حلگر (Solver)، مانند Ansys Fluent، معادلات حاکم بر دینامیک سیالات را به صورت تکراری برای هر سلول از مش حل می‌کند تا به یک تقریب از جواب نهایی دست یابد. در این مرحله، فیزیک مسئله تعریف، کنترل‌های حلگر تنظیم و پیشرفت حل نظارت می‌شود.

Solver (Pressure-Based vs. Density-Based): این اصطلاح به الگوریتم عددی اصلی مورد استفاده برای حل معادلات حاکم اشاره دارد. انتخاب صحیح آن یک تصمیم مدل‌سازی بنیادین است.

• • Pressure-Based Solver: برای جریان‌های کم‌سرعت و تراکم‌ناپذیر که در آن‌ها فشار متغیر اصلی است، ایده‌آل می‌باشد (مانند جریان آب در لوله‌ها، HVAC و بیشتر مسائل آیرودینامیک خودرو).
  • Density-Based Solver: برای جریان‌های پرسرعت و تراکم‌پذیر که در آن‌ها تغییرات چگالی قابل توجه است، ضروری می‌باشد (مانند هواپیماهای مافوق صوت و نازل‌های موشک).
  • کاربرد در Ansys Fluent: این یکی از اولین و مهم‌ترین تنظیماتی است که در بخش “Setup” انتخاب می‌شود.

Iteration (تکرار): یک تکرار، یک چرخه محاسباتی کامل یا یک عبور از کل مجموعه معادلات برای تمام سلول‌های مش است. حلگر تکرارهای زیادی را انجام می‌دهد و با هر تکرار، جواب به راه‌حل نهایی نزدیک‌تر می‌شود.

• • کاربرد در Ansys Fluent: پیشرفت تکرارها در نمودار باقی‌مانده‌ها (Residual Plot) ردیابی می‌شود که نشان می‌دهد چگونه خطا در طول زمان کاهش می‌یابد.

Time Step (Δt) (گام زمانی): در شبیه‌سازی‌های گذرا (Transient/Unsteady)، این پارامتر به گام زمانی کوچکی اشاره دارد که حلگر در هر محاسبه، شبیه‌سازی را به جلو می‌برد.

• • مثال عملی: برای شبیه‌سازی باز شدن یک شیر در طول ۱ ثانیه، ممکن است از گام زمانی ۰.۰۰۱ ثانیه استفاده شود که برای تکمیل شبیه‌سازی به ۱۰۰۰ گام زمانی نیاز دارد.
  • کاربرد در Ansys Fluent: تنظیم اندازه گام زمانی یک گام حیاتی در راه‌اندازی شبیه‌سازی‌های گذرا است و مستقیماً بر پایداری و دقت حل تأثیر می‌گذارد.

پس‌پردازش (Post-Processing): استخراج دانش مهندسی

پس‌پردازش مرحله‌ای است که در آن داده‌های عددی خام تولید شده توسط حلگر به بینش‌های مهندسی معنادار تبدیل می‌شوند. این فاز شامل تحلیل و بصری‌سازی نتایج است که در آن میلیون‌ها نقطه داده به نمودارها، کانتورها و انیمیشن‌های واضح و قابل فهم برای پاسخ به سؤالات مهندسی تبدیل می‌شوند.

Contour Plot (نمودار کانتور): یک ابزار بصری‌سازی که از رنگ‌ها یا سایه‌ها برای نمایش مقدار یک کمیت اسکالر (مانند فشار، دما یا اندازه سرعت) بر روی یک سطح استفاده می‌کند.

• • مثال عملی: یک نمودار رنگی که مناطق پرفشار را با رنگ قرمز در جلوی یک خودرو و مناطق کم‌فشار را با رنگ آبی روی سقف آن نشان می‌دهد.
  • کاربرد در Ansys: این یکی از رایج‌ترین ابزارهای بصری‌سازی در بخش “Results” نرم‌افزار Fluent یا در Ansys CFD-Post است.

Streamline (خطوط جریان): خطوطی که در هر نقطه مماس بر بردار سرعت هستند. خطوط جریان برای بصری‌سازی مسیری که ذرات سیال در یک جریان پایا طی می‌کنند، بسیار عالی هستند.

• • مثال عملی: ترسیم خطوط جریان از جلوی بال یک هواپیما برای بصری‌سازی نحوه جریان هوا بر روی سطح آن و تولید نیروی برآ (Lift).
  • کاربرد در Ansys: به راحتی در CFD-Post برای درک الگوهای جریان، جدایش و گردابه‌ها تولید می‌شود.

Residual Plot (نمودار باقی‌مانده‌ها): نموداری که سطح عدم تعادل (یا خطا) در معادلات حاکم را برای هر تکرار نشان می‌دهد. یک نمودار باقی‌مانده با روند نزولی نشان می‌دهد که حل در حال همگرا شدن است.

• • کاربرد در Ansys: این نمودار در حین فرآیند حل به صورت زنده نمایش داده می‌شود و شاخص اصلی همگرایی عددی است.

درک فرآیند کلی شبیه‌سازی، زمینه را برای عمیق‌تر شدن در مهم‌ترین جزء آن، یعنی مش محاسباتی، فراهم می‌کند که کیفیت آن مستقیماً بر تمام مراحل بعدی تأثیر می‌گذارد.

مش (Mesh): ستون فقرات یک تحلیل دقیق

مش یا گرید، پایه‌ی مطلق هر شبیه‌سازی CFD است. این همان گسسته‌سازی دامنه محاسباتی به تعداد زیادی از اَشکال کوچک و ساده به نام سلول یا المان است. حلگر، خواص سیال (فشار، سرعت و غیره) را در مرکز این سلول‌ها محاسبه می‌کند. همانطور که منابعی مانند MR CFD و CFDLAND تأکید می‌کنند، کیفیت مش به طور مستقیم و عمیق بر دقت، همگرایی و هزینه محاسباتی شبیه‌سازی تأثیر می‌گذارد. اصل “داده بی‌ارزش ورودی، خروجی بی‌ارزش می‌دهد” (Garbage in, garbage out) با مش آغاز می‌شود.

اجزای اصلی یک مش عبارتند از:

Mesh/Grid (مش/گرید): مجموعه‌ای از تمام سلول‌ها، گره‌ها و وجوه که دامنه محاسباتی را پر می‌کنند.

Node/Vertex (گره): یک نقطه منفرد در فضا که با مختصات خود (x, y, z) تعریف می‌شود. گره‌ها گوشه‌های المان‌ها هستند.

Element/Cell (المان/سلول): بلوک سازنده اصلی مش. این یک شکل هندسی کوچک (مانند چهاروجهی یا شش‌وجهی) است که بخشی از دامنه را پر می‌کند و محاسبات در داخل آن انجام می‌شود.

Face (وجه): مرز بین دو سلول مجاور. حلگر شار جرم، مومنتوم و انرژی را از طریق این وجوه محاسبه می‌کند.

شکل سلول‌هایی که استفاده می‌کنید می‌تواند تأثیر قابل توجهی بر نتایج شما داشته باشد. انواع مختلف المان‌ها، موازنه‌ای بین سرعت مش‌بندی، دقت حل و پایداری عددی ارائه می‌دهند:

Tetrahedral (چهاروجهی): مشی متشکل از المان‌های ۴ وجهی (شبیه هرم). تولید خودکار این نوع مش حتی برای پیچیده‌ترین هندسه‌ها بسیار آسان و سریع است. با این حال، در مقایسه با انواع دیگر، ممکن است برای تعداد سلول یکسان دقت کمتری داشته باشند.

Hexahedral (شش‌وجهی): مشی متشکل از المان‌های ۶ وجهی و آجرمانند. مش‌های “Hex” به دلیل کارایی و دقت بالا، به ویژه برای جریان‌های لایه مرزی، بسیار مطلوب هستند. اما تولید خودکار آن‌ها برای اشکال پیچیده دشوار یا غیرممکن است.

Polyhedral (چندوجهی): مشی متشکل از المان‌های چندوجهی. مش‌های “Poly” یک مصالحه عالی ارائه می‌ده دهند: دقیق‌تر از چهاروجهی‌ها و تولیدشان آسان‌تر از شش‌وجهی‌ها است. در Ansys Fluent، می‌توان یک مش چهاروجهی را به یک مش چندوجهی تبدیل کرد که اغلب منجر به شبیه‌سازی کوچک‌تر، سریع‌تر و دقیق‌تر می‌شود.

نکته تخصصی: در عمل، پیشرفته‌ترین استراتژی‌های مش‌بندی از رویکردهای ترکیبی استفاده می‌کنند. برای مثال، استراتژی «poly-hexcore» که در Ansys Meshing قابل پیاده‌سازی است، از المان‌های شش‌وجهی (Hex) کارآمد در هسته اصلی جریان که هندسه ساده‌ای دارد استفاده کرده و در نزدیکی دیواره‌های پیچیده، از المان‌های چندوجهی (Poly) انعطاف‌پذیر بهره می‌برد. این رویکرد بهترین ویژگی‌های هر دو نوع المان را ترکیب کرده و به مشی با تعداد سلول کمتر، دقت بالاتر و همگرایی سریع‌تر منجر می‌شود.

 معیارهای کلیدی کیفیت مش

ارزیابی کیفیت مش برای جلوگیری از ناپایداری عددی و نتایج نادرست ضروری است. سلول‌های با کیفیت پایین (مثلاً بسیار کشیده یا کج) می‌توانند منجر به همگرایی کند یا نتایج غیردقیق شوند.

Skewness (چولگی): معیاری برای سنجش میزان انحراف یک سلول از شکل ایده‌آل آن. مقدار ۰ بهترین حالت ممکن و مقدار ۱ حالت غیرقابل استفاده (degenerate) است.

• • محدوده قابل قبول در Ansys Fluent: به عنوان یک قانون غیرقابل اغماض، حداکثر چولگی را همواره زیر ۰.۹ حفظ کنید و برای شبیه‌سازی‌های دقیق، آن را به زیر ۰.۸۵ برسانید. چولگی بالا در نواحی بحرانی جریان می‌تواند باعث بالا ماندن باقی‌مانده‌ها شود.

Aspect Ratio (نسبت ابعادی): نسبت طولانی‌ترین لبه یک سلول به کوتاه‌ترین لبه آن. نسبت‌های ابعادی بالا (مانند سلول‌های بلند و باریک) می‌توانند مشکل‌ساز باشند، مگر اینکه در جهت جریان قرار گرفته باشند، مانند مش لایه مرزی.

• • محدوده قابل قبول در Ansys Fluent: اگرچه به زمینه بستگی دارد، یک راهنمای کلی این است که آن را در بیشتر مناطق زیر ۱۰۰ نگه دارید، هرچند مقادیر تا ۱۰۰۰ در داخل مش‌های لایه مرزی ساختاریافته قابل قبول است.

Orthogonal Quality (کیفیت تعامد): معیاری برای سنجش میزان نزدیکی زوایای بین وجوه سلول و بردارهای متصل‌کننده مراکز سلول به ۹۰ درجه. مقدار ۱ حالت ایده‌آل و ۰ بدترین حالت است.

• • محدوده قابل قبول در Ansys Fluent: حداقل کیفیت تعامد را بالای ۰.۱ هدف‌گذاری کنید. مقادیر زیر ۰.۰۱ می‌توانند باعث مشکلات جدی همگرایی و حتی واگرایی فوری حل شوند.

مش با معیارهای کیفی ضعیف، به ویژه چولگی بالا یا کیفیت تعامد پایین در مناطق بحرانی، نه تنها نتایج نادرستی تولید می‌کند، بلکه اغلب باعث می‌شود باقی‌مانده‌ها (که در بخش ۶ مورد بحث قرار می‌گیرند) در مقادیر بالای غیرقابل قبول ثابت بمانند یا منجر به واگرایی فوری حلگر شوند. کیفیت مش، به ویژه در نزدیکی دیواره‌ها، با یک پارامتر بی‌بعد حیاتی به نام y+ گره خورده است که در بخش بعدی بررسی می‌شود.

مفهوم y+ و اهمیت آن در مش‌بندی

y+ یک فاصله بی‌بُعد از دیواره است که برای توصیف یکنواخت لایه‌های مرزی آشفته استفاده می‌شود. همانطور که در cfd.university توضیح داده شده، این پارامتر به ما اجازه می‌دهد تا نیازهای مش را برای مدل‌سازی دقیق جریان‌های نزدیک به دیواره مشخص کنیم.

مفهوم “قانون دیوار” (Law of the Wall) توضیح می‌دهد که پروفیل سرعت در نزدیکی یک دیواره در جریان آشفته به نواحی مختلفی تقسیم می‌شود. دو ناحیه اصلی عبارتند از:

زیرلایه لزج (Viscous sub-layer): ناحیه‌ای بسیار نزدیک به دیواره (تقریباً y+ < 5) که در آن تنش‌های لزج غالب هستند و پروفیل سرعت خطی است.

ناحیه لگاریتمی (Log-law region): ناحیه‌ای دورتر از دیواره (تقریباً y+ > 30) که در آن اثرات آشفتگی غالب است و پروفیل سرعت به صورت لگاریتمی تغییر می‌کند.

در شبیه‌سازی‌های مبتنی بر RANS (رایج‌ترین رویکرد در صنعت)، دو استراتژی اصلی برای مدل‌سازی این نواحی وجود دارد که مستقیماً بر نیازهای مش‌بندی تأثیر می‌گذارد:

حل کامل لایه مرزی (y+ ≈ 1): برای حل کامل فیزیک جریان در زیرلایه لزج، اولین سلول مش باید در ناحیه y+ ≈ 1 قرار گیرد. این رویکرد دقیق‌ترین نتایج را برای انتقال حرارت و نیروی درگ ارائه می‌دهد اما به مش بسیار ریزی در نزدیکی دیواره نیاز دارد و از نظر محاسباتی پرهزینه‌تر است.

استفاده از توابع دیواره (y+ > 30): برای کاهش هزینه محاسباتی، می‌توان از “توابع دیواره” (Wall Functions) استفاده کرد. در این روش، اولین سلول مش در ناحیه لگاریتمی (y+ > 30) قرار می‌گیرد و حلگر از مدل‌های نیمه‌تجربی برای پل زدن بین این سلول و دیواره استفاده می‌کند و نیازی به حل مستقیم زیرلایه لزج ندارد. این روش سریع‌تر است اما ممکن است دقت کمتری، به خصوص در پیش‌بینی جدایش جریان، داشته باشد.

توجه حیاتی: ناحیه بین 5 < y+ < 30 که به عنوان «ناحیه بافر» (Buffer Region) شناخته می‌شود، یک «منطقه ممنوعه» برای قرارگیری اولین سلول مش است. مدل‌های آشفتگی استاندارد RANS و توابع دیواره در این ناحیه دقت لازم را ندارند. قرار دادن اولین گره مش در این محدوده یک خطای رایج است که منجر به پیش‌بینی‌های نادرست در مورد نیروی درگ و انتقال حرارت می‌شود. بنابراین، استراتژی مش‌بندی باید به وضوح یکی از دو رویکرد حل کامل لایه مرزی یا استفاده از توابع دیواره را هدف قرار دهد و از قرار گرفتن در این ناحیه میانی اجتناب کند.

شرایط مرزی (Boundary Conditions): تعریف تعامل با دنیای واقعی

شرایط مرزی (BCs) به حلگر می‌گویند که در لبه‌های دامنه محاسباتی چه اتفاقی می‌افتد و نحوه تعامل مدل مجازی شما با محیط فیزیکی اطراف را تعریف می‌کنند. انتخاب شرایط مرزی صحیح کاملاً حیاتی است. همانطور که متخصصان در MR CFD تأکید می‌کنند، انتخاب یک شرط مرزی اشتباه معادل انجام یک آزمایش فیزیکی اشتباه است.

در ادامه، رایج‌ترین شرایط مرزی ورودی، خروجی و دیواره که در Ansys Fluent با آن‌ها مواجه می‌شوید، تحلیل می‌شوند.

Inlet Conditions (شرایط ورودی)

این شرایط نحوه ورود سیال به دامنه محاسباتی را تعریف می‌کنند.

Velocity Inlet: زمانی استفاده می‌شود که سرعت جریان ورودی را می‌دانید. شما مقدار و جهت سرعت را مشخص می‌کنید.

• • مثال کاربردی: شبیه‌سازی یک جسم در یک تونل باد که سرعت هوا روی مقدار مشخصی مانند ۲۰ متر بر ثانیه تنظیم شده است.

Mass Flow Inlet: زمانی استفاده می‌شود که نرخ جریان جرمی ورودی به دامنه را می‌دانید، اما لزوماً سرعت را نمی‌دانید. این شرط در کاربردهای جریان در لوله یا توربوماشین‌ها رایج است.

• • مثال کاربردی: شبیه‌سازی یک پمپ که نرخ جریان مشخصی معادل ۲ کیلوگرم بر ثانیه را تحویل می‌دهد.

Pressure Inlet: زمانی استفاده می‌شود که فشار کل (استاتیک + دینامیک) در ورودی را می‌دانید، اما نرخ جریان را نمی‌دانید. اغلب در ترکیب با یک خروجی فشاری برای سیستم‌هایی که با اختلاف فشار کار می‌کنند، استفاده می‌شود.

• • مثال کاربردی: مدل‌سازی جریان ورودی به یک پلنوم از یک مخزن بزرگ با فشار مشخص.

Outlet Conditions (شرایط خروجی)

این شرایط نحوه خروج سیال از دامنه را تعریف می‌کنند و برای جلوگیری از بازتاب‌های غیرفیزیکی از مرز که می‌توانند حل شما را خراب کنند، حیاتی هستند.

Pressure Outlet: رایج‌ترین و قوی‌ترین شرط خروجی است. شما یک فشار استاتیک نسبی (gauge pressure) در خروجی مشخص می‌کنید (اغلب ۰ پاسکال که نشان‌دهنده فشار اتمسفر است). این شرط اجازه ورود و خروج جریان (جریان برگشتی) را می‌دهد که برای شرایطی با گردابه‌های نزدیک به خروجی مفید است.

• • مثال کاربردی: لوله اگزوز یک خودرو که به اتمسفر باز می‌شود. فشار در خروجی، فشار اتمسفر (فشار نسبی صفر) است.
  • پیامد: پایداری شرط Pressure Outlet بسیار حیاتی است، زیرا خروجی‌های ضعیف تعریف‌شده می‌توانند امواج فشار غیرفیزیکی ایجاد کنند که به داخل دامنه بازتاب یافته، حل را آلوده کرده و دستیابی به همگرایی پایدار را غیرممکن می‌سازند.

Outflow: این شرط فرض می‌کند که جریان در خروجی کاملاً توسعه‌یافته است، به این معنی که پروفیل جریان دیگر تغییر نمی‌کند. این شرط از Pressure Outlet قوی‌تر نیست و فقط باید زمانی استفاده شود که خروجی بسیار دور از هرگونه اختلال هندسی قرار گرفته باشد.

• • مثال کاربردی: خروجی یک لوله بسیار بلند و مستقیم که جریان در آن کاملاً توسعه‌یافته است.

Wall Condition (شرط دیواره)

شرایط مرزی دیواره برای محدود کردن دامنه‌های سیال توسط سطوح جامد استفاده می‌شود و احتمالاً رایج‌ترین شرط مرزی است که اعمال خواهید کرد.

Wall (No-Slip Condition): این شرط پیش‌فرض برای یک دیواره است. “شرط عدم لغزش” (No-Slip) یک اصل فیزیکی است که بیان می‌کند سیال در تماس با یک مرز جامد، سرعت نسبی صفر خواهد داشت. این پدیده باعث ایجاد لایه مرزی می‌شود که یک مفهوم حیاتی در دینامیک سیالات است.

• • مثال کاربردی: سطوح بال یک هواپیما، سطح داخلی یک لوله و بدنه خارجی یک خودرو همگی به عنوان دیواره با شرط عدم لغزش مدل‌سازی می‌شوند.

پس از تعریف مرزهای دامنه، گام بعدی تعریف فیزیک جریان در داخل آن است.

فیزیک جریان: مدل‌سازی آشفتگی (Turbulence)

انتخاب مدل فیزیکی مناسب برای جریان، هسته اصلی تنظیمات شبیه‌سازی را تشکیل می‌دهد. مهم‌ترین تمایز در دینامیک سیالات، تفاوت بین جریان آرام (Laminar) و آشفته (Turbulent) است. این تمایز با استفاده از یک عدد بی‌بعد به نام عدد رینولدز (Reynolds Number) تعیین می‌شود که نسبت نیروهای اینرسی به نیروهای لزجت را نشان می‌دهد. جریان آرام در اعداد رینولدز پایین رخ می‌دهد و با حرکت منظم و لایه‌ای سیال مشخص می‌شود، در حالی که جریان آشفته در اعداد رینولدز بالا رخ می‌دهد و با حرکت نامنظم، گردابه‌ای و تصادفی شناخته می‌شود.

از آنجایی که اکثر جریان‌های مهندسی آشفته هستند، انتخاب یک رویکرد مناسب برای مدل‌سازی آشفتگی بر اساس دقت مورد نیاز و هزینه محاسباتی قابل قبول، یک تصمیم حیاتی است.

پس از تنظیم کامل فیزیک جریان، باید از صحت و اعتبار نتایج اطمینان حاصل کنیم که این موضوع ما را به بحث همگرایی می‌رساند.

همگرایی (Convergence): چه زمانی شبیه‌سازی به پایان رسیده است؟

صرفاً اجرای حلگر برای تعداد مشخصی از تکرارها برای اطمینان از کیفیت نتایج کافی نیست. ارزیابی همگرایی برای اطمینان از اینکه حل به یک راه‌حل پایدار و قابل اعتماد رسیده است، یک گام ضروری و غیرقابل چشم‌پوشی است. در این زمینه، باید تفاوت کلیدی بین همگرایی عددی (Numerical Convergence) و صحت فیزیکی (Physical Accuracy) را درک کرد. همگرایی عددی به این معناست که خطاهای ناشی از فرآیند حل تکراری به حداقل رسیده است. اما صحت فیزیکی به این معناست که نتایج همگرا شده، به درستی نمایانگر رفتار فیزیکی واقعی سیستم هستند. یک راه‌حل همگرا شده اما نادرست، محصول تنظیمات اشتباه (مانند شرایط مرزی یا مدل فیزیکی نادرست) است.

برای قضاوت در مورد اینکه آیا یک شبیه‌سازی به پایان رسیده است، باید حداقل سه معیار اصلی را نظارت کرد:

• ۱. مقادیر باقی‌مانده (Residual Values):

تعریف: باقی‌مانده‌ها به طور مستقیم عدم تعادل (یا خطا) در معادلات حاکم در هر سلول را اندازه‌گیری می‌کنند. در یک راه‌حل تکراری، باقی‌مانده‌ها هرگز دقیقاً صفر نمی‌شوند، اما هرچه مقدار آن‌ها کمتر باشد، راه‌حل از نظر عددی دقیق‌تر است. یک نمودار باقی‌مانده با روند نزولی قوی، نشان‌دهنده یک مسئله خوش‌تعریف (well-posed) است.

مقادیر هدف: سطوح همگرایی معمولاً به صورت زیر دسته‌بندی می‌شوند:

• • • 1E-4: همگرایی سست (Loosely converged)
    • 1E-5: همگرایی خوب (Well converged)
    • 1E-6: همگرایی دقیق (Tightly converged)

تفسیر: کاهش باقی‌مانده‌ها به زیر یک آستانه مشخص، اولین شرط برای قضاوت در مورد همگرایی است.

• ۲. عدم تعادل در حل (Solution Imbalances):

تعریف: از آنجایی که CFD معادلات بقا (جرم، مومنتوم، انرژی و غیره) را حل می‌کند، باید اطمینان حاصل شود که راه‌حل نهایی این کمیت‌ها را در کل دامنه حفظ می‌کند. این معیار، تفاوت بین کل شار ورودی و خروجی یک کمیت را محاسبه می‌کند.

• • مقادیر هدف: به عنوان یک رویه خوب، عدم تعادل در حل باید کمتر از ۱٪ باشد.
  • تفسیر: مقادیر کوچک باقی‌مانده معمولاً منجر به عدم تعادل کوچک می‌شوند، اما همیشه اینطور نیست. بررسی این معیار تضمین می‌کند که قوانین بنیادی فیزیک در شبیه‌سازی شما نقض نشده‌اند.

۳. کمیت‌های مورد نظر (Quantities of Interest):

• • تعریف: این مهم‌ترین معیار برای قضاوت در مورد همگرایی فیزیکی است. کمیت‌های مورد نظر، مقادیر فیزیکی یکپارچه یا محلی هستند که برای شما اهمیت مهندسی دارند (مانند نیروی درگ، ضریب برآ، حداکثر دما یا نرخ جریان جرمی در خروجی).
  • مقادیر هدف: راه‌حل زمانی همگرا در نظر گرفته می‌شود که مقادیر این کمیت‌ها دیگر با تکرارهای بیشتر تغییر نکنند و به یک مقدار ثابت و پایدار (plateau) رسیده باشند.
  • تفسیر: به این اصل کلیدی توجه کنید: همگرایی واقعی تنها زمانی حاصل می‌شود که نمودار کمیت‌های مورد نظر شما کاملاً افقی (plateau) شود. این شاخص، مهم‌تر از هر معیار دیگری است. توقف زودهنگام تحلیل، حتی با باقی‌مانده‌های پایین، می‌تواند به نتایج گمراه‌کننده منجر شود.

در نهایت، این سه معیار باید به صورت یک هرم ارزیابی شوند. نمودار باقی‌مانده‌ها پایه هرم و اولین بررسی است. عدم تعادل در حل یک بررسی ثانویه برای اطمینان از بقای جرم و مومنتوم است. اما قله هرم و معیار نهایی و طلایی برای قضاوت در مورد همگرایی، پایداری کمیت‌های مورد نظر است. یک شبیه‌سازی تنها زمانی به پایان رسیده است که مقادیر مهندسی کلیدی (مانند نیروی درگ یا حداکثر دما) به یک مقدار ثابت رسیده باشند، حتی اگر باقی‌مانده‌ها نوسان جزئی داشته باشند.

جمع‌بندی و نتیجه‌گیری

در این راهنما، به بررسی اصطلاحات کلیدی در دینامیک سیالات محاسباتی پرداختیم و دیدیم که هر تحلیل CFD از یک فرآیند ساختاریافته شامل پیش‌پردازش، حل و پس‌پردازش پیروی می‌کند. ما بر نقش بنیادین مش محاسباتی به عنوان ستون فقرات تحلیل تأکید کردیم و دریافتیم که کیفیت آن مستقیماً بر دقت نتایج تأثیر می‌گذارد. همچنین، اهمیت حیاتی شرایط مرزی در تعریف تعامل مدل با دنیای واقعی، انتخاب صحیح مدل‌های فیزیکی برای توصیف جریان و در نهایت، ارزیابی دقیق همگرایی برای اطمینان از اعتبار راه‌حل را مورد بحث قرار دادیم.

درک عمیق اصطلاحات CFD تنها به معنای یادگیری واژگان تخصصی نیست، بلکه به معنای تسلط بر زبان مشترک شبیه‌سازی است. این دانش به شما امکان می‌دهد تا نتایجی دقیق، قابل دفاع و معنادار به دست آورید. به عنوان یک توصیه نهایی، به خاطر داشته باشید که تسلط بر این مفاهیم، پلی بین دانش نظری و مهارت عملی است. این تسلط به مهندسان این قدرت را می‌دهد که با اطمینان شبیه‌سازی‌های خود را تنظیم، عیب‌یابی و نتایج آن را تفسیر کنند و در نهایت، با استفاده از قدرت شبیه‌سازی، نوآوری‌های مهندسی را به پیش برانند.