Adaptation of the hybrid fictitious domain-immersed boundary method for Reynolds-averaged turbulence modeling
本文介绍了一种在 OpenFOAM 中对混合虚构域-浸没边界法进行的开源改进，旨在实现用于形状与拓扑优化的稳健、无需重新划分网格的雷诺平均纳维尔-斯托克斯（RANS）模拟，并证明了其在各种基准测试和流场条件下均具有与标准贴体计算流体力学（CFD）相当的精度。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一名正在尝试为汽车零件、管道或机翼设计完美形状的工程师。为此，你需要模拟空气或水流绕过它的过程。传统上，这就像是试图通过剪下一块与河流精确形状相匹配的纸片，来绘制一张蜿蜒河流的完美地图。每当你改变河流的形状（哪怕只是一点点），你就必须剪出一张全新的纸片并重新绘制整张地图。这既缓慢、昂贵又令人沮丧。
这篇论文介绍了一种更聪明的新型模拟方法，称为 openHFDIBRANS。 以下是它的工作原理，使用了简单的类比：
1. “幽灵墙”技巧（浸没边界法）
与其为每个新形状都剪一块新纸片（网格），研究人员使用了一个覆盖整个区域的巨大、简单的网格（就像棋盘一样）。他们不改变网格，而是使用一个“魔法标记”来告诉计算机：“嘿，这些特定的方块是实心墙，而那些是空白空气。”
如果你想改变物体的形状，你只需要在网格上移动这个“魔法标记”。你不需要重建整个网格。这就像是在玩一个数字沙盒，你可以瞬间重塑城堡的形状，而无需重建整个沙盘。
2. “交通警察”问题（湍流）
棘手的部分在于，流体（如空气或水）会变得杂乱且具有湍流特性，尤其是在靠近墙壁的地方。在现实世界中，紧贴墙壁的空气移动得非常慢，而远离墙壁一点点的空气移动得很快。这被称为“边界层”。
通常，计算机需要在靠近墙壁的地方拥有非常详细、高分辨率的地图才能观察到这些细节。但由于我们的“魔法标记”网格很简洁且无法完美贴合墙壁，计算机无法看到这些微小的细节。
作者通过添加一个**“交通警察”（壁面函数）**解决了这个问题。与其试图看清墙边每一处细小的空气旋涡，不如让“交通警察”根据离墙稍远处的空气移动速度，利用一套规则（数学公式）来推测空气的行为。这就像一名在繁忙路口执勤的警察，他们不需要看到每一辆车来了解交通流量，只需利用经验法则即可管理流量。
3. “走钢丝”挑战（稳定性）
当我们将这种“幽视墙”技巧与“交通警察”规则结合在一起时，情况可能会变得不稳定。这就像是在尝试用手指平衡一根扫帚，而旁边还有人在推它。计算机可能会感到困惑，数值可能会失控，甚至导致模拟崩溃。
作者在他们的软件中内置了一个特殊的**“安全带”**。他们确保计算机在尝试计算下一步之前先检查规则，并在每次计算结束时增加了一个“修正步骤”，以确保数值始终保持在钢丝之上。这确保了即使在形状奇特或速度极快的情况下，模拟也不会从边缘跌落。
4. 它奏效了吗？（结果）
团队在几个经典挑战上测试了他们的新工具：
- 管内水流： 他们测试了从极慢流速到极快流速的情况。结果与传统的、缓慢的“剪纸片”方法几乎完全吻合。
- 渠道中的台阶： 他们模拟了水流经过突然落差时的情形。新工具对水流旋涡和沉淀位置的预测与旧方法一样出色。
- 汽车形状（Ahmed body）和飞机机翼（NACA剖面）： 他们测试了空气如何绕过这些形状。新工具对阻力（空气阻力）和升力（向上作用力）的预测非常准确。
代价：
在某些情况下，该工具稍微“高估”了尾迹（物体后方混乱、旋涡状的空气）的大小。这就像是工具认为物体比实际情况稍微大了一点，从而留下了一个略大的湍流痕迹。然而，作者表示这是一种可预测的行为，并不会破坏结果。
为什么这很重要？
这项工作的核心目标是优化。因为每当形状改变时，这个新工具都不需要重建网格，所以它非常适合进行拓扑优化。这是一个计算机自动尝试成千上万种不同形状，以寻找绝对最佳形状的过程（例如，最轻盈的桥梁或最具空气动力学的汽车零件）。
作者已将他们的代码开源（免费供任何人使用），并基于流行的 OpenFOAM 平台构建。他们声称该工具已经足够稳健，可以直接用于设计现实世界的工程组件，例如传感器或金属铸造模具，且无需成为数学天才也能完成设置。
简而言之： 他们构建了一种更快、更灵活的流体流动模拟方法，只要你能接受在“流向尾部”存在微小且可预测误差的前提下，它在设计形状方面表现出色。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。