راهنمای بهترین شیوه‌ها برای همگرایی در شبیه‌سازی‌های Ansys Fluent

تکنیک‌های نظارت بر همگرایی

نظارت فعال و مستمر بر فرآیند حل عددی برای اطمینان از پایداری و قابلیت اعتماد راه حل نهایی ضروری است. تکیه بر یک شاخص واحد برای قضاوت در مورد همگرایی می‌تواند گمراه‌کننده باشد؛ بنابراین، بهترین شیوه، استفاده همزمان از چندین معیار برای ارزیابی وضعیت راه حل است. نظارت بر باقیمانده‌ها تضمین می‌کند که معادلات عددی در هر تکرار به درستی حل می‌شوند، در حالی که نظارت بر کمیت‌های فیزیکی کلیدی تأیید می‌کند که راه حل کلی فیزیکی به یک حالت پایدار رسیده است. اتکا به تنها یکی از این معیارها می‌تواند گمراه‌کننده باشد، به همین دلیل رویکرد دوگانه بهترین شیوه محسوب می‌شود. در Ansys Fluent، دو روش اصلی برای این منظور وجود دارد.

نظارت بر نمودارهای باقیمانده (Residuals)

باقیمانده‌ها (Residuals) معیاری برای سنجش میزان برآورده شدن معادلات بقا (مانند بقای جرم، مومنتوم و انرژی) در هر سلول محاسباتی هستند. در واقع، باقیمانده، عدم موازنه در معادلات جبری گسسته‌سازی شده را در هر سلول نشان می‌دهد. نرم‌افزار Fluent به طور پیش‌فرض از نمودار باقیمانده‌ها برای تعیین همگرایی استفاده می‌کند.

هر یک از معادلات حاکم بر شبیه‌سازی، باقیمانده مخصوص به خود را دارد. برای اینکه یک شبیه‌سازی همگرا در نظر گرفته شود، باقیمانده‌های تمام معادلات باید به آستانه مشخص شده توسط کاربر کاهش یابند. مشاهده روند نزولی و پایدار در نمودار باقیمانده‌ها اولین و مهم‌ترین نشانه حرکت راه حل به سمت همگرایی است.

نظارت بر متغیرهای کلیدی حل

یک روش قدرتمند دیگر برای نظارت بر همگرایی، استفاده از ابزار “Report Definitions” در Fluent است. این روش به جای تمرکز بر معیارهای عددی (باقیمانده‌ها)، بر پایداری مقادیر فیزیکی مهم در مسئله تمرکز دارد.

فرآیند کار به این صورت است که کاربر یک یا چند متغیر فیزیکی کلیدی را انتخاب کرده و مقادیر آن‌ها را در طول تکرارهای حل رسم می‌کند. این متغیرها می‌توانند شامل موارد زیر باشند:

• نیروی درگ یا لیفت وارد بر یک سطح
• دما در یک نقطه خاص از دامنه
• نرخ جریان جرمی در مرز خروجی
• مقدار متوسط یک کمیت روی یک سطح

زمانی که نمودار این متغیرها به یک مقدار ثابت و پایدار برسد و دیگر با تکرارهای بیشتر تغییر نکند، می‌توان از پایداری راه حل اطمینان حاصل کرد. با این حال، مجدداً باید تأکید کرد که این پایداری “دلیل بر صحت جواب‌های یک شبیه‌سازی نمیتواند باشد”، بلکه تنها نشان‌دهنده رسیدن به یک راه حل عددی باثبات است. با این حال، صرفاً دانستن اینکه یک راه حل همگرا شده کافی نیست؛ یک متخصص واقعی باید بفهمد چرا همگرا شده و چه عواملی را باید کنترل کند تا این همگرایی به طور قابل اعتماد رخ دهد. بخش بعدی به تشریح این عوامل حیاتی می‌پردازد.

عوامل کلیدی مؤثر بر همگرایی

دستیابی به یک راه حل همگرا بر سه رکن اصلی استوار است: ۱) صحت تنظیمات فیزیکی و مسئله، ۲) انتخاب تکنیک‌های گسسته‌سازی مناسب، و ۳) پیکربندی صحیح حلگر. ضعف در هر یک از این حوزه‌ها می‌تواند منجر به نوسانات شدید، واگرایی کامل یا دستیابی به نتایجی شود که اگرچه همگرا به نظر می‌رسند، اما از نظر فیزیکی معتبر نیستند.

تنظیمات مسئله و کیفیت مدل (Setup and Model Quality)

پایه و اساس هر شبیه‌سازی پایدار با یک مسئله خوش‌تعریف و یک مدل هندسی و فیزیکی باکیفیت آغاز می‌شود.

کیفیت شبکه (Mesh Quality)

کیفیت شبکه محاسباتی یکی از تأثیرگذارترین عوامل بر همگرایی و دقت نتایج است. یک “شبکه با کیفیت پایین باعث راه‌حل‌های نادرست و/یا همگرایی کند خواهد شد.” سه معیار کلیدی برای ارزیابی کیفیت شبکه عبارتند از:

• چولگی (Skewness): این معیار نشان‌دهنده میزان انحراف یک سلول از حالت ایده‌آل (مانند یک مثلث متساوی‌الاضلاع یا یک مربع کامل) است. مقادیر بالای چولگی می‌تواند منجر به ناپایداری‌های عددی و واگرایی شود، زیرا طرح‌های عددی برای محاسبه گرادیان‌ها بر این فرض استوارند که مراکز سلول‌های مجاور در یک راستا قرار دارند و چولگی بالا این فرض را نقض می‌کند. به طور کلی، چولگی برای سلول‌های Quad، Hex و Tri نباید از 0.85 و برای سلول‌های Tet نباید از 0.9 فراتر رود.
• نسبت ابعادی (Aspect Ratio): این معیار نسبت بین طولانی‌ترین و کوتاه‌ترین یال یک سلول را نشان می‌دهد. نسبت‌های ابعادی بالا در نواحی که جریان ماهیت چندبعدی دارد می‌تواند دقت را کاهش دهد، زیرا انتشار اطلاعات عددی در جهت کوتاه‌ترین یال سلول بسیار سریع‌تر از جهت بلندترین یال رخ می‌دهد و باعث ایجاد خطا می‌شود. با این حال، در نواحی کاملاً توسعه‌یافته و یک‌بعدی (مانند لایه مرزی)، استفاده از سلول‌های کشیده برای کاهش تعداد کل سلول‌ها قابل قبول است.
• همواری (Smoothness): اندازه سلول‌ها باید به صورت تدریجی و هموار تغییر کند. تغییر ناگهانی در اندازه سلول‌های مجاور می‌تواند منجر به خطاهای گسسته‌سازی قابل توجهی شود، زیرا تغییرات ناگهانی در اندازه شبکه، خطاهای برشی (Truncation Errors) بزرگی را در تقریب‌های عددی ایجاد می‌کند. به عنوان یک قاعده کلی، نسبت اندازه سلول‌های مجاور نباید از 20% بیشتر باشد.

شرایط مرزی (Boundary Conditions)

استفاده از “شرایط مرزی درست” و تعریف یک مسئله “خوش تعریف” (Well-posed) برای دستیابی به همگرایی حیاتی است. یک مسئله خوش تعریف مسئله‌ای است که دارای جوابی است که وجود دارد، یکتاست و به طور پیوسته به داده‌های مرزی وابسته است. مشخصات ناکافی یا بیش از حد در مرزها می‌تواند از همگرایی جلوگیری کند. یک توصیه عملی مهم برای شبیه‌سازی جریان‌های خارجی این است که “فاصله مرز خروجی از هندسه باید ۱۰ برابر طول مشخصه باشد.” طول مشخصه به طولی گفته می‌شود که جریان بر روی آن توسعه می‌یابد. به عنوان مثال:

• خودرو: طول مشخصه برابر با طول خودرو است.
• ایرفویل: طول مشخصه برابر با طول وتر (Chord) ایرفویل است.
• سیلندر: طول مشخصه برابر با قطر سیلندر است.
• مستطیل: طول مشخصه برای شبیه‌سازی جریان بر روی یک مستطیل به ابعاد a*b برابر است با اندازه b.

مدل‌های فیزیکی و خواص مواد (Physical Models & Material Properties)

انتخاب مدل فیزیکی و خواص مواد نامناسب می‌تواند مستقیماً منجر به واگرایی شود. به عنوان مثال، در شبیه‌سازی انتقال حرارت جابجایی طبیعی، نیروی شناوری ناشی از تغییرات چگالی، عامل حرکت سیال است. اگر در این شبیه‌سازی چگالی سیال به اشتباه به صورت ثابت تعریف شود، هیچ نیروی محرکه‌ای برای جریان وجود نخواهد داشت و راه حل واگرا خواهد شد. در چنین مواردی، باید چگالی به صورت تابعی از دما (مثلاً با استفاده از تقریب بوسینسک) تعریف شود.

گسسته‌سازی معادلات (Equation Discretization)

پس از تعریف مسئله، گام بعدی تبدیل معادلات دیفرانسیل پیوسته به یک سیستم معادلات جبری است که حلگر بتواند آن را حل کند. طرح‌های گسسته‌سازی (Interpolation Schemes) وظیفه این تبدیل را بر عهده دارند. طرح‌های مختلفی مانند First-order upwind, Second-order upwind, و QUICK برای این منظور وجود دارند که هر کدام تعادل متفاوتی بین پایداری و دقت ارائه می‌دهند.

بهترین شیوه توصیه شده این است که محاسبات با طرح “first order upwind” آغاز شود. این طرح بسیار پایدار و کران‌دار (bounded) است اما از نظر عددی پخشنده (diffusive) است که می‌تواند گرادیان‌های تیز را محو کند و به راه حل کمک می‌کند تا از نوسانات اولیه عبور کند. پس از طی شدن حدود ۱۰۰ تکرار و رسیدن به یک پایداری نسبی، باید طرح گسسته‌سازی را به “second order upwind” تغییر داد. این طرح دقیق‌تر و کمتر پخشنده است اما بیشتر مستعد نوسان و ناپایداری است. این رویکرد دو مرحله‌ای از پایداری طرح مرتبه اول برای ایجاد یک راه حل اولیه پایدار بهره می‌برد و سپس با استفاده از دقت بالاتر طرح مرتبه دوم، آن را تصحیح می‌کند.

در برخی مسائل خاص، انتخاب طرح گسسته‌سازی برای معادلات خاص اهمیت ویژه‌ای دارد. برای مثال، در مسئله جابجایی طبیعی، استفاده از گسسته‌سازی “Standard” برای معادله فشار می‌تواند منجر به نتایج نادرست در نزدیکی مرزهای جامد شود. در این موارد، استفاده از طرح‌هایی مانند “Body force weighted” یا “PRESTO” که تأثیر نیروهای حجمی را در نظر می‌گیرند، ترجیح داده می‌شود.

پیکربندی حلگر (Solver Configuration)

تنظیمات حلگر، الگوریتم‌های عددی را کنترل می‌کنند که مستقیماً بر سرعت و پایداری فرآیند همگرایی تأثیر می‌گذارند.

الگوریتم‌های کوپلینگ فشار-سرعت (Pressure-Velocity Coupling)

در جریان‌های تراکم‌ناپذیر، معادله مستقلی برای فشار وجود ندارد. الگوریتم‌های کوپلینگ فشار-سرعت (مانند SIMPLE, PISO, SIMPLEC) برای استخراج معادله‌ای برای فشار از معادلات مومنتوم و پیوستگی به کار می‌روند. انتخاب الگوریتم بر “سرعت و پایداری” فرآیند حل تأثیر می‌گذارد، اما در نهایت همه این الگوریتم‌ها باید به یک راه حل یکسان همگرا شوند. الگوریتم SIMPLE به عنوان گزینه پیش‌فرض در اکثر موارد عملکرد قابل قبولی دارد.

فاکتورهای کاهش آرامش (Under-Relaxation Factors)

هدف از فاکتورهای کاهش آرامش، “سرکوب نوسانات در راه حل جریان است که از خطاهای عددی ناشی می‌شود.” این فاکتورها میزان تغییر یک متغیر در هر تکرار را کنترل می‌کنند. توصیه کلی این است که “همیشه از فاکتورهای کاهش آرامشی استفاده کنید که تا حد امکان بالا باشند، بدون اینکه منجر به نوسانات یا واگرایی شوند.” استفاده از مقادیر پیش‌فرض حلگر معمولاً نقطه شروع خوبی است. در صورت بروز ناپایداری، کاهش این فاکتورها می‌تواند به پایدارسازی راه حل کمک کند، هرچند که سرعت همگرایی را کاهش می‌دهد.

برای مسائل پیچیده‌تر که با این تنظیمات پایه همگرا نمی‌شوند، استراتژی‌های پیشرفته‌تری مورد نیاز است.

استراتژی‌های پیشرفته برای دستیابی به همگرایی

برخی از مسائل پیچیده CFD، مانند جریان‌های چندفازی، احتراق یا انتقال حرارت‌های شدید، ممکن است با تنظیمات استاندارد به راحتی همگرا نشوند. در چنین مواردی، لازم است از تکنیک‌های پیشرفته‌تری برای هدایت آرام راه حل به سمت یک حالت پایدار استفاده کرد.

رویکرد حل گام به گام (Step-by-Step Solution): این استراتژی شامل ساده‌سازی مسئله در مراحل اولیه و افزودن تدریجی پیچیدگی‌ها است. به عنوان مثال، در “شبیه‌سازی جوشش هسته‌ای”، می‌توان ابتدا میدان جریان را بدون در نظر گرفتن پدیده‌های فیزیکی پیچیده مانند تبخیر حل کرد. پس از دستیابی به یک میدان جریان پایدار، می‌توان مدل تبخیر را فعال کرده و حل را ادامه داد. نکته کلیدی در این روش آن است که پس از حل مرحله اول، نباید راه حل را مجدداً مقداردهی اولیه (Initialize) کرد، بلکه باید از نتایج به دست آمده به عنوان حدس اولیه برای مرحله بعد استفاده نمود.

تکنیک‌های مقداردهی اولیه (Initialization): مقداردهی اولیه، حدس اولیه‌ای برای میدان جریان فراهم می‌کند. یک “حدس اولیه نزدیک به جواب موجب همگرایی آن در تعداد تکرارهای کمتر می‌شود.” Ansys Fluent روش‌های مختلفی برای مقداردهی اولیه ارائه می‌دهد که بسته به نوع مسئله باید انتخاب شوند. به عنوان مثال، برای شبیه‌سازی توربوماشین‌ها، استفاده از مقداردهی اولیه “Hybrid” که معادلات پتانسیل را برای تخمین اولیه حل می‌کند، توصیه می‌شود.

استفاده از حلگر وابسته به زمان برای مسائل پایا: در برخی مسائل بسیار غیرخطی و ناپایدار، مانند انتقال حرارت جابجایی طبیعی، ممکن است حلگر پایا (Steady-state) در یافتن راه حل با مشکل مواجه شود. در این موارد، یک استراتژی مؤثر، تبدیل مسئله به یک شبیه‌سازی گذرا (Time-dependent) و حل آن با گام‌های زمانی مناسب است. این رویکرد به راه حل اجازه می‌دهد تا به صورت فیزیکی به سمت حالت پایدار خود حرکت کند و نهایتاً به یک راه حل همگرا و پایدار برسد.

پس از به کارگیری این استراتژی‌ها و دستیابی به یک راه حل همگرا، کار تحلیلگر به پایان نرسیده است؛ بلکه مرحله حیاتی اعتبارسنجی آغاز می‌شود.

نتیجه‌گیری: همگرایی به عنوان اولین گام به سوی یک راه حل معتبر

در این مقاله، شیوه‌های کلیدی برای دستیابی به همگرایی در شبیه‌سازی‌های Ansys Fluent مورد بررسی قرار گرفت. سه پیام اصلی این گزارش را می‌توان به شرح زیر خلاصه کرد:

• همگرایی یک معیار عددی برای توقف محاسبات است و به خودی خود تضمینی برای صحت فیزیکی نتایج نهایی نیست.
• دستیابی به همگرایی پایدار نیازمند توجه دقیق و همزمان به کیفیت شبکه، درستی شرایط مرزی، انتخاب مدل‌های فیزیکی مناسب، پیکربندی طرح‌های گسسته‌سازی و تنظیمات حلگر است.
• پس از دستیابی به یک راه حل همگرا، مهندس تحلیلگر باید به مراحل حیاتی بعدی برای تأیید اعتبار نتایج بپردازد.

یک راه حل همگرا صرفاً نقطه شروعی برای تحلیل‌های عمیق‌تر است. برای اطمینان از اینکه نتایج شبیه‌سازی نماینده دقیقی از پدیده فیزیکی مورد مطالعه هستند، انجام بررسی‌های تکمیلی ضروری است. این بررسی‌ها شامل “استقلال از شبکه” (اطمینان از اینکه نتایج با ریزتر کردن شبکه تغییر نمی‌کنند)، “استقلال از گام زمانی” (در شبیه‌سازی‌های گذرا) و مهم‌تر از همه، “اعتبارسنجی نتایج با استفاده از داده‌های آزمایشگاهی یا داده‌های یک مقاله معتبر ISI” می‌باشد. تنها پس از طی کردن این مراحل می‌توان با اطمینان از نتایج CFD برای تصمیم‌گیری‌های مهندسی استفاده کرد.