مشکلات رایج همگرایی در مدل‌های چندفازی (Multiphase) و راه‌های حل آن‌ها

همگرایی در تحلیل CFD به چه معناست؟

قبل از هرگونه تلاش برای حل مشکلات، درک صحیح از مشخصه‌های یک حل همگرا ضروری است. بسیاری از کاربران به اشتباه تصور می‌کنند که صرفاً کاهش نمودار باقی‌مانده‌ها (Residuals) به زیر یک مقدار مشخص، به معنای دستیابی به یک حل قابل قبول است. این قضاوت می‌تواند گمراه‌کننده باشد و منجر به استخراج نتایج نادرست گردد. یک حل واقعاً همگرا باید سه مشخصه کلیدی را به طور همزمان برآورده سازد.

بر اساس راهنمای بررسی همگرایی، سه مشخصه اصلی یک حل همگرا عبارتند از:

1. کاهش باقی‌مانده‌ها: مقادیر باقی‌مانده (Residuals) که نشان‌دهنده میزان عدم توازن در معادلات حاکم در هر تکرار هستند، باید تا حد مناسبی کاهش یابند. در نرم‌افزار Ansys Fluent، مقدار پیش‌فرض برای معیار همگرایی اکثر معادلات 10-^3 و برای معادله انرژی 10-^6 تعیین شده است. رسیدن به این معیارها اولین گام ضروری است اما به تنهایی کافی نیست.
2. پایدار شدن متغیرهای کلیدی حل: مهم‌تر از کاهش باقی‌مانده‌ها، این است که با انجام تکرارهای بیشتر، نتایج حل دچار تغییرات محسوس نشوند. این موضوع را می‌توان با نظارت (Monitoring) بر کمیت‌های انتگرالی کلیدی مسئله بررسی کرد. برای مثال، می‌توان متوسط دما در یک سطح خروجی، نیروی درگ وارد بر یک جسم یا دبی جرمی عبوری از یک مقطع را در طول تکرارها رسم کرد. زمانی که مقدار این کمیت‌ها به یک خط صاف و پایدار تبدیل شود، می‌توان گفت که حل به پایداری رسیده است. در برخی مسائل ذاتاً ناپایا، ممکن است این کمیت‌ها به یک خط صاف نرسند، بلکه حول یک مقدار میانگین به نوسانات متناوب و پایداری دست یابند که این نیز می‌تواند نشانه‌ای از همگرایی باشد.
3. برقراری بالانس کلی: در یک حل همگرا، قوانین پایستگی جرم، مومنتوم و انرژی باید در کل دامنه محاسباتی برقرار باشند. میزان عدم بالانس خالص (Net Imbalance) برای هر کمیت باید کسری بسیار کوچک (معمولاً کمتر از ۰٫۲٪) از کوچکترین شار (Flux) عبوری از مرزهای دامنه باشد. این معیار مهم را می‌توان از طریق پنجره Flux Reports در فلوئنت به دقت بررسی کرد.

پس از درک این معیارها، اکنون می‌توانیم به بررسی دلایلی بپردازیم که مانع از دستیابی به یک حل همگرا می‌شوند.

دلایل اصلی بروز مشکل همگرایی در مدل‌های چندفازی

مشکلات همگرایی معمولاً از سه حوزه اصلی نشأت می‌گیرند: کیفیت شبکه محاسباتی، شرایط اولیه تعریف‌شده برای میدان حل و تنظیمات عددی حلگر. درک این دلایل، اولین گام برای عیب‌یابی مؤثر و انتخاب استراتژی صحیح برای رفع مشکل است.

 کیفیت پایین شبکه محاسباتی

کیفیت شبکه محاسباتی (Mesh) تأثیر مستقیمی بر دقت و پایداری حل عددی دارد. یک شبکه با کیفیت پایین، که دارای اعوجاج زیاد در سلول‌ها یا تغییرات ناگهانی در اندازه سلول‌های مجاور است، می‌تواند منجر به خطاهای گسسته‌سازی بزرگ و در نهایت واگرایی حل شود.

بر اساس مستندات فنی، معیارهای کلیدی کیفیت شبکه که مستقیماً بر پایداری حل تأثیر می‌گذارند، عبارتند از:

• Skewness (چولگی): این معیار، انحراف یک سلول از شکل ایده‌آل (مثلاً متساوی‌الاضلاع برای مثلث یا مکعب برای شش‌وجهی) را می‌سنجد. مقدار ایده‌آل آن صفر و بدترین حالت آن یک است. به عنوان یک قاعده کلی، حداکثر چولگی برای سلول‌های چهارضلعی (Quad) و شش‌وجهی (Hex) نباید از 0.85 و برای سلول‌های چهاروجهی (Tet) از 0.9 تجاوز کند.
• Aspect Ratio (نسبت ابعادی): این معیار به صورت نسبت بلندترین ضلع به کوتاه‌ترین ضلع یک سلول تعریف می‌شود. مقدار ایده‌آل آن ۱ است. نسبت‌های ابعادی بالا تنها در نواحی خاصی مانند لایه مرزی در جریان کاملاً توسعه‌یافته مجاز است، جایی که گرادیان‌ها عمدتاً در یک جهت متمرکز هستند.
• Smoothness (یکنواختی تغییر اندازه سلول‌ها): اندازه سلول‌ها باید به صورت تدریجی و ملایم از یک ناحیه به ناحیه دیگر تغییر کند. تغییرات ناگهانی و پرشی در اندازه سلول‌های مجاور، مشکلات جدی در پایداری حل ایجاد می‌کند. به عنوان یک قانون کلی، نسبت اندازه سلول‌های مجاور نباید بیش از ۲۰ درصد باشد.

در نهایت، سلول‌هایی با کیفیت پایین منجر به گسسته‌سازی نادرست معادلات دیفرانسیل حاکم بر جریان می‌شوند که خود را به شکل نوسانات غیرفیزیکی و واگرایی در حل عددی نشان می‌دهد.

شرایط اولیه نامناسب

یک میدان اولیه (Initial Field) ضعیف یا نامناسب، یکی از دلایل اصلی ناپایداری، به ویژه در مسائل گذرا (Time-Dependent) است. شروع حل از یک حدس اولیه که با فیزیک واقعی مسئله فاصله زیادی دارد، می‌تواند منجر به بروز نوسانات شدید در تکرارهای اولیه و واگرایی شود.

در این زمینه، مستندات مدل Eulerian یک هشدار کلیدی و مهم ارائه می‌دهند:

هشدار: هرگز از یک حل تک‌فازی که بدون استفاده از مدل‌های Mixture یا Eulerian به دست آمده، به عنوان نقطه شروع برای یک شبیه‌سازی چندفازی Eulerian استفاده نکنید. این کار نه تنها به همگرایی کمکی نمی‌کند، بلکه ممکن است دستیابی به آن را دشوارتر سازد.

تنظیمات نادرست حلگر

تنظیمات عددی شامل انتخاب الگوریتم حلگر، اندازه گام زمانی، عدد کورانت (Courant Number) و ضرایب تخفیف (Under-Relaxation Factors) ابزارهای قدرتمندی برای کنترل پایداری حل هستند. اگرچه تنظیمات پیش‌فرض نرم‌افزار فلوئنت نقطه شروع خوبی محسوب می‌شوند، اما اغلب برای مسائل پیچیده چندفازی نیاز به تنظیم دقیق و متناسب با فیزیک مسئله دارند. انتخاب نادرست این پارامترها می‌تواند به راحتی یک مسئله قابل حل را به یک حل واگرا تبدیل کند. در بخش بعدی، نحوه تنظیم بهینه این پارامترها به تفصیل شرح داده خواهد شد.

راهنمای گام‌به‌گام عیب‌یابی و حل مشکلات همگرایی

این بخش یک گردش کار تشخیصی (diagnostic workflow) از استراتژی‌های اثبات‌شده برای پایدارسازی حل ارائه می‌دهد. این راهنما بر اساس یک اصل عیب‌یابی مؤثر طراحی شده است: ابتدا محتمل‌ترین دلایل ناپایداری را با کمترین تغییرات در فیزیک مسئله بررسی کنید و تنها در صورت نیاز به سراغ تنظیمات پیچیده‌تر بروید.

گام اول: از یک حل اولیه مناسب شروع کنید

همانطور که اشاره شد، یک شروع خوب نیمی از مسیر موفقیت است. برای دستیابی به یک میدان اولیه مناسب برای مدل Eulerian، سه روش اصلی توصیه می‌شود:

1. استفاده از مدل Mixture: ابتدا مسئله را با استفاده از مدل ساده‌تر Mixture (با فعال بودن سرعت لغزشی یا Slip Velocity) حل کنید تا یک میدان جریان اولیه منطقی به دست آید. سپس، مدل را به Eulerian تغییر داده و حل را با استفاده از نتایج مدل Mixture به عنوان نقطه شروع، ادامه دهید.
2. حل برای فاز اصلی: در تنظیمات مدل Eulerian، به طور موقت معادله کسر حجمی (Volume Fraction) را غیرفعال کرده و حل را فقط برای فاز اصلی (Primary Phase) انجام دهید. پس از دستیابی به یک میدان جریان پایدار برای فاز اصلی، معادله کسر حجمی را مجدداً فعال کرده و حل کامل چندفازی را ادامه دهید.
3. مقداردهی اولیه با شرایط مرزی ورودی: از شرایط مرزی ورودی، مانند mass flow inlet، برای مقداردهی اولیه به کل دامنه حل استفاده کنید. در این روش، توصیه می‌شود مقدار کسر حجمی اولیه را نزدیک به مقدار آن در مرز ورودی تنظیم نمایید.

گام دوم: تنظیمات گام زمانی و عدد کورانت را کنترل کنید

گام زمانی و عدد کورانت پارامترهای کلیدی برای کنترل پایداری در حل‌های گذرا و پایا هستند.

• برای مسائل گذرا (Transient): به خصوص زمانی که نیروهای حجمی (مانند گرانش) قابل توجه هستند یا از اسکیم‌های عددی مرتبه بالا استفاده می‌شود، حل را با یک گام زمانی (Time Step) کوچک شروع کنید. پس از آنکه حل برای چند گام زمانی اولیه پایدار شد، می‌توانید به تدریج اندازه گام زمانی را برای سرعت بخشیدن به شبیه‌سازی افزایش دهید.
• برای مسائل پایا (Steady-State): هنگام استفاده از حلگر کوپل (Coupled Solver)، پایداری حل به شدت تحت تأثیر عدد کورانت است. در حلگر کوپل پایا، عدد کورانت نقشی مشابه یک گام زمانی مجازی را ایفا می‌کند و بزرگی آن، میزان پیشروی حل در هر تکرار را کنترل می‌نماید. مقدار پیش‌فرض این عدد ۲۰۰ است. اگر با واگرایی یا نوسانات شدید مواجه شدید، این عدد را تا مقادیر پایین (مثلاً تا حد ۴) کاهش دهید. پس از اینکه حل برای چند ده تکرار پایدار شد، می‌توانید به تدریج مقدار آن را افزایش دهید تا سرعت همگرایی بیشتر شود.

گام سوم: ضرایب تخفیف (Under-Relaxation Factors) را تنظیم کنید

ضرایب تخفیف (URFs) سرعت اعمال تغییرات در متغیرهای حل را در هر تکرار کنترل می‌کنند و ابزاری قدرتمند برای مهار ناپایداری هستند. این ضرایب با محدود کردن میزان تغییر یک متغیر در هر تکرار، از نوسانات شدید و ناپایداری حل جلوگیری می‌کنند؛ به عبارت دیگر، حل را “آرام” کرده و به آن اجازه می‌دهند به تدریج به سمت همگرایی حرکت کند. بهترین رویه کلی این است که حل را با مقادیر پیش‌فرض شروع کنید. اگر باقی‌مانده‌ها پس از ۴ یا ۵ تکرار اولیه افزایش یافتند، ضرایب را با احتیاط کاهش دهید. برای موارد ناپایداری شدید، کاهش URF برای فشار به حدود 0.2 و برای مومنتوم، کا و اپسیلون به حدود 0.5 توصیه می‌شود.

نکته ویژه برای معادله کسر حجمی

نیاز به تخفیف برای معادله کسر حجمی به شدت به حلگر مورد استفاده بستگی دارد:

• در حلگر Multiphase Coupled، کاهش URF کسر حجمی به مقادیر کمتر از 0.5 می‌تواند به شدت سرعت حل را کاهش دهد و معمولاً نیازی به این کار نیست.
• در مقابل، حلگر PC-SIMPLE اغلب برای پایداری به یک URF پایین برای معادله کسر حجمی نیاز دارد.

 گام چهارم: حلگر و اسکیم‌های عددی را هوشمندانه انتخاب کنید

Ansys Fluent سه الگوریتم اصلی برای حل مسائل چندفازی ارائه می‌دهد که هر کدام نقاط قوت و ضعف خود را دارند. انتخاب صحیح الگوریتم می‌تواند تفاوت چشمگیری در پایداری و کارایی حل ایجاد کند.

توصیه کلی این است که حل را با حلگر Multiphase Coupled به دلیل کارایی بالای آن آغاز کنید. اگر با مشکلات شدید پایداری مواجه شدید که با تنظیم عدد کورانت و ضرایب تخفیف حل نشد، به سراغ حلگر PC-SIMPLE بروید که پایداری ذاتی بالاتری دارد. حلگر Full Multiphase Coupled تنها برای موارد خاص مانند جریان‌های بسیار رقیق و زمانی که به دنبال حداکثر سرعت همگرایی هستید، توصیه می‌شود.

گام پنجم: فیزیک مسئله را به طور موقت ساده‌سازی کنید

اگر با وجود انجام گام‌های قبلی همچنان با مشکلات همگرایی سرسخت مواجه هستید، می‌توانید با ساده‌سازی موقت فیزیک مسئله، به حل کمک کنید.

• نادیده گرفتن موقت نیروها: در شبیه‌سازی‌های پایا که شامل نیروهای Lift و Virtual Mass هستند، می‌توانید این نیروها را در ابتدای حل غیرفعال کنید. پس از اینکه حل شروع به همگرایی کرد، محاسبات را متوقف کرده، این نیروها را مجدداً فعال کنید و حل را ادامه دهید.
• ساده‌سازی قوانین درگ (Drag Laws): حل را با یک قانون درگ ساده‌تر شروع کنید. برای مثال، برای مسائل با سطح آزاد (Free Surface) می‌توانید از قانون symmetric استفاده کنید. اگر از قانون anisotropic استفاده می‌کنید، حل را با یک نسبت ناهمسانگردی پایین شروع کرده و پس از پایدار شدن، به تدریج آن را افزایش دهید.

 جمع‌بندی و نتیجه‌گیری

رفع مشکل همگرایی مدل دوفازی نیازمند یک رویکرد چندوجهی و سیستماتیک است. موفقیت در این مسیر به ندرت با یک تغییر جادویی حاصل می‌شود؛ بلکه نتیجه یک فرآیند منطقی شامل اطمینان از کیفیت شبکه، تضمین یک شروع خوب با شرایط اولیه مناسب و تنظیم دقیق پارامترهای حلگر است. این مقاله با ارائه یک نقشه راه مبتنی بر مستندات فنی، به کاربران کمک می‌کند تا به طور مؤثر با این چالش‌ها مقابله کنند.

مهم‌ترین اصل در این فرآیند، اعمال تغییرات به صورت روشمند و مجزا است. هر بار فقط یک پارامتر را تغییر دهید، تأثیر آن را برای چند ده تکرار مشاهده کنید و قبل از اعمال تغییرات بزرگ، حتماً فایل داده (dat.) خود را ذخیره نمایید. این رویکرد روشمند، سریع‌ترین و مطمئن‌ترین مسیر برای رسیدن به یک حل پایدار و همگرا است.