CFD中文网

@李东岳 兴趣大大的，但最近可能要再过个一两周，等开年过了时间就比较空了

我可太感兴趣了，有空试试。

@dyb 我的理解哈，这个视频我看过的。这里其实就是常规的合成湍流入口，只不过作者给它套了个风资源里面常见的名词（阵风），很有可能它根本就不是我们经常理解的阵风的概念。

并没有把阵风加到湍流里面这种说法，阵风本来就是风流大幅变化的一种叫法而已。既然做LES，时间尺度肯定已经远小于阵风所在的秒级尺度了。

之前看到过一种说法，需要考虑的是第一层网格中心点的位置，它必须得在粗糙度以下，这样保证考虑了粗糙度的壁面函数是生效的。

要求网格尺寸严格小于粗糙度太不现实了，而且还存在一个问题，小多少呢？

@xuebao1989 大概率是网格问题，你就用最常用的数值格式（比如参考商业软件的默认设置），先把网格优化下。

@evensun 哦哦这样。

燃烧如果是FPV啥的，想耦合FLUENT自带的确实有些麻烦，不如直接把FPV涉及的那些变量都自定义uds再求解。如果不是FPV就不清楚了。

@evensun 意思是以求解uds的方式在Fluent植入了一个湍流模型，然后Fluent求解的时候开laminar是吧。厉害，这个我之前还真没试过。不过这么做的话，湍流模型算出来的湍流粘度怎么加到Fluent求解的动量方程里啊？

Fluent的UDF/UDS这块，有很多和模型选择相互冲突、限制的地方，虽然大部分它手册里面都写到了，但像湍流模型这种比较基础的模型，还真有可能不太好直接植入，得像你这样绕个圈子啥的。

@RQLI_CFD 感谢，我研究研究

你要求的是标量phi对吧，它收敛了么？

我是建议把源项去掉，只保留对流、扩散和时间项，看看标量的输运是否合理。

印象中Fluent不会对uds做什么限制，它也不好限制，因为它不清楚要加的标量是什么量级。

@lyc https://www.tfd.chalmers.se/~hani/kurser/OS_CFD_2018/WillHay/lowMachBuoyantPimpleFoam_Corrected.pdf

不是论文，是他们学校的课程作业，Chalmers有专门的OpenFOAM课

大佬们，还在等一个回复呢

全文来源：https://doi.org/10.1016/j.jweia.2017.10.003

friction velocity都比较熟悉，是壁面处速度无量纲化的一个基本参数，和壁面的切应力相关。有了它，就有了速度沿壁面法向的分布，十分重要。这个量，实验可以测量，仿真的时候也比较好给。

friction temperature我个人就不是很理解了，传热这块也没这个东西吧，搜了下也没搜到比较系统的解释。虽然看起来是照着摩擦速度构建的一个量，但物理意义是啥？实验可以测量么？

@Li_CFD 我感觉这些才是很深的东西，学习学习

@李东岳 没用libtorch，是自己做了CFD的后处理，然后再用机器学习训练。我这边一般只关注风速和湍流强度，我们仅仅导出了这两个变量的全场分布，训练，然后用于其他地形下的这两个变量的预测。所以我说这个只能算个尝试，非常非常非常浅，也很应用。

很粗浅的尝试，大概10套左右吧，是这个量级。有点久远已经不记得了- -

贡献点我们非常初级的尝试，主要还是希望这个帖子别沉了。机器学习挺重要，真的很有用，就当抛砖引玉吧。

1、我们是做的这种，但这应该是比较低级的应用场景，不解决太多实质问题。

为什么这么说？我们放了几个风流模拟出来的结果进行训练，然后给一个新的地形可以出一个结果。但这个结果用一个新的CFD也可以算出来，更重要的是：用于训练的CFD结果不一定是对的，这个不对的程度不清楚是否会被机器学习的过程放大；训练所消耗的算力相比于单个CFD来说是量级的放大，工程应用上真说不好谁更有性价比。

我看过不少其他人做的CFD+机器学习，更多的是效率提升（也可能我更关注这部分）。比如涉及到非牛顿流体的，可以加速粘性和切变在求解中需要的迭代；涉及燃烧的，因为化学反应只在很薄的物理空间上进行，传统的并行方式会导致大部分CPU总是在等待少部分CPU的结果，机器学习可以优化。

当然了还有基于CFD结果进行优化设计的，这部分有很多和机器学习相关的工作，应用也很广泛。还有间接相关的，比如采用机器学习做风速的垂直外推，然后送到CFD里面再做风流模拟。

2、没做过，但这个应该也可以。

3、我觉得这个不是哦，其实机器学习怎么和CFD结合还不清楚呢，看需求和应用场景。

4、是的，要跑很多次CFD，所以算力消耗很大。

其实主要还是自己要真懂，至少懂公式推导的逻辑是否科学，是否合理。

真懂了，就不会有什么国内国外的区分。往往一知半解或不懂的，才要学所谓的权威（比如学术上的权威，视高IF期刊为“神”；又比如名气上的权威，视国内挂着好多title的学阀为“神”；当然还有其他的“神”）。

大白话就是，不要看ta是谁，屁股坐在哪里，而是看ta做了什么。

我的体验是这个模型在OF里面贼不好用，特别容易发散。

商软那边好很多，感觉就是算法植入层面不太一样。

给你一个搜各种书的网站，需要外网。一直用，从不令人失望。

https://libgen.is/

@ZJOU-zh 感谢

我也想知道，这个系泊是怎么实现数值计算的，是openfoam引入开源库么？