CFD چیست |دینامیک سیالات محاسباتی؟

دینامیک سیال محاسباتی (CFD) فرآیند مدل سازی ریاضی یک پدیده فیزیکی است که شامل جریان سیال و حل آن با استفاده از قدرت محاسباتی است.

هنگامی که یک مهندس وظیفه طراحی یک محصول جدید را دارد ، به عنوان مثالآیرودینامیک یک ماشین مسابقه برنده برای فصل بعد ، نقش مهمی در روند مهندسی ایفا می کند. با این حال ، فرآیندهای آیرودینامیکی در مرحله مفهوم به راحتی قابل اندازه گیری نیستند. معمولاً تنها راه مهندس برای بهینه سازی طرح های خود ، انجام آزمایشات فیزیکی در نمونه های اولیه محصول است. با ظهور رایانه ها و قدرت محاسباتی روزافزون (به لطف قانون مور!) ، زمینه دینامیک سیال محاسباتی به ابزاری متداول برای تولید راه حل برای جریان های سیال با یا بدون تعامل جامد تبدیل شد. در تجزیه و تحلیل نرم افزار CFD ، بررسی جریان سیال مطابق با خصوصیات فیزیکی آن مانند سرعت ، فشار ، دما ، چگالی و ویسکوزیته انجام می شود. برای تولید یک راه حل دقیق برای یک پدیده فیزیکی مرتبط با جریان سیال ، این خواص باید همزمان در نظر گرفته شوند.

یک مدل ریاضی از مورد فیزیکی و یک روش عددی در یک ابزار نرم افزاری CFD برای تجزیه و تحلیل جریان سیال استفاده می شود. به عنوان مثال ، معادلات Navier-Stokes (N-S) به عنوان مدل ریاضی مورد فیزیکی مشخص شده است. این تغییرات در تمام آن خصوصیات فیزیکی برای جریان سیال و انتقال حرارت را توصیف می کند. یک مدل ریاضی مطابق با محتوای مسئله مانند انتقال حرارت ، انتقال جرم ، تغییر فاز ، واکنش شیمیایی و غیره متفاوت است. علاوه بر این ، قابلیت اطمینان یک تجزیه و تحلیل CFD به کل ساختار فرآیند بستگی دارد. تأیید مدل ریاضی برای ایجاد یک مورد دقیق برای حل مسئله بسیار مهم است. علاوه بر این ، تعیین روشهای عددی مناسب ، کلید تولید یک راه حل قابل اعتماد است. تجزیه و تحلیل CFD یک عنصر اصلی در تولید یک فرآیند توسعه محصول پایدار است ، زیرا می توان تعداد نمونه های اولیه فیزیکی را به شدت کاهش داد.

شکل 1: خطوطی که جریان هوا را در اطراف خودروی F1 به دست آمده با استفاده از معادلات N-S نشان می دهد

تاریخچه دینامیک سیالات محاسباتی

از دوران باستان تا به امروز ، بشر مشتاق کشف پدیده ها بر اساس جریان سیال بوده است. بنابراین ، CFD چند ساله است؟مطالعات تجربی در زمینه CFD دارای یک نقطه ضعف بزرگ است: در صورت نیاز به دقیق بودن ، آنها زمان و هزینه قابل توجهی مصرف می کنند. در نتیجه ، دانشمندان و مهندسان می خواستند روشی را تولید کنند که به آنها امکان دهد یک مدل ریاضی و یک روش عددی را با یک کامپیوتر برای معاینه سریع تر جفت کنند.

داستان مختصر دینامیک سیالات محاسباتی را می توان در زیر درک کرد:

• تا سال 1910: پیشرفت در مدل های ریاضی و روش های عددی.
• 1910 - 1940: ادغام مدل ها و روش ها برای تولید راه حل های عددی بر اساس محاسبات دست \ (^1 \).
• 1940-1950: انتقال به محاسبات مبتنی بر رایانه با رایانه های اولیه (ENIAC) \ (^3 \). محلول برای جریان در اطراف سیلندر توسط کاواگوتی با یک ماشین حساب میز مکانیکی در سال 1953 \ (^8 \).
• 1950-1960: مطالعه اولیه با استفاده از رایانه ها برای مدل سازی جریان سیال بر اساس معادلات Navier-Stokes توسط آزمایشگاه ملی Los Alamos ، ایالات متحده. ارزیابی گرداب - روش عملکرد جریان \ (^4 \). اولین اجرای برای جریان 2D ، گذرا ، غیر قابل فشار در جهان \ (^6 \).
• 1960 - 1970: اولین مقاله علمی "محاسبه جریان بالقوه در مورد اجسام دلخواه" در مورد تجزیه و تحلیل محاسباتی اجساد سه بعدی توسط هس و اسمیت در سال 1967 منتشر شد. (^5 \). تولید کدهای تجاری. سهم روشهای مختلف مانند مدل تلاطم K-ε ، الگوریتم ساده Lagrangian-Eulerian ، که همه به طور گسترده ای مورد استفاده قرار می گیرند \ (^6 \).
• 1970 - 1980: کدهای تولید شده توسط بوئینگ ، ناسا و برخی از آنها رونمایی کرده اند و شروع به استفاده از چندین بازده مانند زیردریایی ها ، کشتی های سطحی ، اتومبیل ، هلیکوپتر و هواپیما \ (^\) کردند.
• 1980-1990: بهبود راه حل های دقیق جریانهای ترانسونی در پرونده سه بعدی توسط جیمسون و هم. همکدهای تجاری از طریق آکادمی و صنعت (^7 \) شروع به پیاده سازی کرده اند.
• 1990 - در حال حاضر: تحولات کامل در انفورماتیک: استفاده در سراسر جهان از CFD تقریباً در هر بخش.

تصویر بزرگتر

توصیف ریاضی مرکزی برای همه مدل‌های دینامیک سیالات نظری توسط معادلات ناویر-استوکس، که حرکت حوزه‌های سیال ویسکوز را توصیف می‌کند، ارائه شده است. تاریخچه اکتشافات آنها بسیار جالب است. این تصادفی عجیب است که معادله معروف ناویر-استوکس توسط کلود-لوئیس ناویر (1785-1836) و سر جورج گابریل استوکس (1819-1903) که هرگز ملاقات نکرده بودند ایجاد شده است. در ابتدا، کلود لوئیس ناویر تا سال 1822 مطالعاتی را بر روی بخش جزئی معادلات انجام داد. بعداً، سر جورج گابریل استوکس معادلات را در سال 1845 تنظیم و نهایی کرد (^9).

شکل 2: کلود-لوئیس ناویر\(^\) (چپ) و سر جورج گابریل استوکس\(^\) (راست)

معادلات حاکم

ساختار اصلی بررسی حرارتی سیالات توسط معادلات حاکم بر اساس قانون بقای خواص فیزیکی سیال هدایت می شود. معادلات اصلی سه قانون بقا هستند\(^\):

1. بقای جرم: معادله تداوم
2. بقای حرکت: قانون دوم نیوتن
3. بقای انرژی: قانون اول ترمودینامیک یا معادله انرژی

این اصول بیان می کنند که جرم، تکانه و انرژی در یک سیستم بسته ثابت هستند. اساساً همه چیز باید حفظ شود.

بررسی جریان سیال با تغییرات حرارتی به خواص فیزیکی خاصی متکی است. سه مجهول که باید به طور همزمان از این سه معادله پایستگی اساسی بدست آیند عبارتند از: سرعت \(\vec\)، فشار \(p\) و دمای مطلق \(T\). با این حال \(p\) و \(T\) دو متغیر ترمودینامیکی مستقل مورد نیاز در نظر گرفته می شوند. شکل نهایی معادلات بقای همچنین شامل چهار متغیر ترمودینامیکی دیگر است. چگالی \(

ho\)، آنتالپی \(h\)، ویسکوزیته \(\mu\) و هدایت حرارتی \(k\); دو مورد آخر نیز دارای خواص حمل و نقل هستند. این چهار ویژگی به طور منحصر به فرد با مقدار \(p\) و \(T\) تعیین می شوند.

جریان سیال باید برای دانستن \ (Vec \) ، \ (P \) و \ (t \) در هر نقطه از رژیم جریان مورد تجزیه و تحلیل قرار گیرد. این مهمترین قبل از طراحی هر محصولی است که شامل جریان سیال است. علاوه بر این ، روش مشاهده جریان سیال بر اساس خصوصیات سینماتیک یک مسئله اساسی است. حرکت سیال را می توان با روشهای لاگرانژی یا اویلری بررسی کرد. توصیف لاگرانژی از حرکت سیال بر اساس تئوری پیروی از یک ذره سیال است که به اندازه کافی بزرگ برای تشخیص خواص است. مختصات اولیه در زمان \ (T_0 \) و مختصات همان ذره در زمان \ (T_1 \) باید مورد بررسی قرار گیرد. پیروی از میلیون ها ذره جداگانه در مسیر تقریباً غیرممکن است. در روش اویلری به جای پیروی از هر ذره خاص در طول مسیر ، میدان سرعت به عنوان تابعی از فضای زمان مورد بررسی قرار می گیرد. این مثال موشکی دقیقاً دو روش را توضیح می دهد.

شکل 3: در رویکرد Lagrangian ، مرد با توجه به موشک ثابت است که در غیر این صورت در رویکرد اویلری است

Langrangian: ما در ابتدای دامنه هر نقطه را می گیریم و مسیر آن را ردیابی می کنیم تا اینکه به پایان برسد. Eulerian: ما یک پنجره (حجم کنترل) را در مایع در نظر می گیریم و جریان ذرات را در این حجم تجزیه و تحلیل می کنیم.

فرمولاسیون Lagrangian از حرکت همیشه وابسته به زمان است. به عنوان \ (a \) ، \ (b \) و \ (c \) مختصات اولیه یک ذره هستند.\ (x \) ، \ (y \) و \ (z \) مختصات همان ذره در زمان \ (t \) هستند. توضیحات حرکت برای یک جریان لاگرانژی:

$ $ x = x (a ، b ، c ، t) \ quad y = y (a ، b ، c ، t) \ quad z = z (a ، b ، c ، t) \ tag $ $

در روش اویلری ، \ (u \) ، \ (v \) و \ (w \) مؤلفه های سرعت در نقطه \ ((x ، y ، z) \) در زمان \ (t \) هستندوادبنابراین ، \ (u \) ، \ (v \) و \ (w \) ناشناخته هایی هستند که توابع متغیرهای مستقل \ (x ، y ، z \) و \ (t \) هستند. توضیحات حرکت برای جریان اویلری برای هر زمان خاص \ (t \):

$ $ u = u (x ، y ، z ، t) \ quad v = v (x ، y ، z ، t) \ quad w = w (x ، y ، z ، t) \ tag $ $

درک معادلات

معادله برای حفاظت از جرم به این صورت مشخص شده است:

$ $ \ frac +\ rho (\ nabla \ cdot \ vec) = 0 \ tag $ $

جایی که \ (\ rho \) چگالی است ، \ (\ vec \) سرعت و \ (\ nabla \) عملگر شیب.

اگر چگالی ثابت باشد ، فرض می شود که جریان غیر قابل فشار است و معادله تداوم به: کاهش می یابد:

حفاظت از حرکت که می توان از آن به عنوان معادله Navier-Stokes استفاده کرد:<\overline<\tau>>جایی که \ (p \) فشار استاتیک است ، \ (\ overline

\) تانسور استرس چسبناک است و \ (\ rho \ vec \) نیروی گرانشی در هر واحد حجم است. در اینجا ، اعداد رومی نشان می دهد:

I: تغییر محلی با زمان II: Momentum همرفت III: نیروی سطح IV: انتشار اصطلاح V: نیروی جرم<\overline<\tau>>تنش استرس چسبناک \ (\ overline

\) مطابق با فرضیه استوک می تواند به شرح زیر مشخص شود:

$$ \rho \frac>اگر مایع فرض شود که با ضریب ویسکوزیته ثابت غیر قابل فشار است \ (\ mu \) فرض می شود که معادله Navier-Stokes ساده است:

= -\ nabla p + \ mu \ nabla^2 \ vec + \ rho \ vec \ tag $ $

حفاظت از انرژی اولین قانون ترمودینامیک است که بیان می کند که مجموع کار و گرمای اضافه شده به سیستم منجر به افزایش انرژی در سیستم می شود:

جایی که \ (dq \) گرما به سیستم اضافه می شود ، \ (dw \) کارهایی است که روی سیستم انجام می شود و \ (de_t \) افزایش در کل انرژی سیستم است. یکی از انواع متداول یک معادله انرژی:

من: تغییر محلی با زمان II: همرفتی مدت III: فشار کار IV: Flux Heat V: Term Source

معادلات دیفرانسیل جزئی (PDES)

مدل ریاضی صرفاً بین پارامترهای حمل و نقل که در کل فرآیند درگیر هستند ، مستقیم یا غیرمستقیم به ما ارتباط برقرار می کند. حتی اگر هر اصطلاح در آن معادلات تأثیر نسبی بر پدیده فیزیکی داشته باشد ، باید تغییرات در پارامترها به طور همزمان از طریق راه حل عددی که شامل معادلات دیفرانسیل ، بردار و نمادهای تانسور است ، در نظر گرفته شود. PDE بیش از یک متغیر را شامل می شود و با "\ (\ جزئی \)" مشخص می شود. اگر مشتق معادله با "\ (d \)" انجام شود ، این معادلات به عنوان معادلات دیفرانسیل معمولی (ODE) که حاوی یک متغیر واحد و مشتق آن هستند ، نامیده می شوند. PDE ها برای تبدیل اپراتور دیفرانسیل (\ (\ جزئی \)) به یک اپراتور جبری تبدیل می شوند تا بتوانند راه حل دریافت کنند. انتقال حرارت ، دینامیک سیال ، آکوستیک ، الکترونیک و مکانیک کوانتومی زمینه هایی هستند که از PDE ها برای تولید راه حل ها بسیار استفاده می شوند.

مثال ODE:

مثال PDE:

اهمیت PDE ها در جستجوی راه حل در معادلات حاکم چیست؟برای پاسخ به این سؤال ، ما در ابتدا ساختار اصلی برخی از PDE ها را برای ایجاد مفهوم بررسی می کنیم. برای مثال:

مقایسه سریع بین معادله (5) و معادله (13) قسمت لاپلاس معادله پیوستگی را مشخص می کند. قدم بعدی چیست؟این قیاس لاپلاس به چه معنی است؟برای شروع حل این معادلات عظیم ، مرحله بعدی از طریق گسسته سازی برای مشتعل کردن فرآیند راه حل عددی انجام می شود. راه حل عددی روشی مبتنی بر گسسته است که برای به دست آوردن راه حل های تقریبی برای مشکلات پیچیده استفاده می شود که با روش های تحلیلی قابل حل نیستند. همانطور که در شکل 3 مشاهده می شود ، فرآیندهای راه حل بدون گسسته سازی صرفاً یک راه حل تحلیلی به شما می دهد که دقیق اما ساده است. علاوه بر این ، صحت راه حل عددی به کیفیت گسسته سازی بستگی دارد. روشهای تفسیر گسترده ای ممکن است مانند اختلاف محدود ، حجم محدود ، عنصر محدود ، روشهای طیفی (عنصر) و عنصر مرزی مشخص شود.

شکل 4: تفسیر دقیق عددی به خطی کردن PDE ها و ضبط شیب های متغیر حساس کمک می کند

همگرایی مش

چند وظیفه ای یکی از طاعون های قرن است که به طور کلی با تعلل یا شکست به پایان می رسد. بنابراین ، انجام وظایف برنامه ریزی شده ، تقسیم بندی شده و توالی برای دستیابی به اهداف بسیار مناسب تر است: این همچنین برای CFD کار کرده است. به منظور انجام یک تجزیه و تحلیل ، دامنه محلول به چندین زیر دامنه تقسیم می شود که به آنها سلول گفته می شود. ترکیبی از این سلول ها در ساختار محاسباتی مش است.

شکل 5: چگالی مش متغیر (سطح پالایش) بر روی یک اتومبیل F1 به ضبط حداکثر تغییرات مرتبط با ویژگی های جریان کمک می کند

MESHING فرایند گسسته سازی دامنه به سلولهای کوچک یا عناصر برای استفاده از مدل ریاضی تحت فرض خطی مربوط به هر سلول است. این بدان معنی است که ما باید اطمینان حاصل کنیم که رفتار متغیرهایی که باید حل شوند می توانند خطی در هر سلول فرض شوند. این نیاز همچنین حاکی از آن است که برای مناطقی که خصوصیات فیزیکی پیش بینی می شود ، به یک مش دقیق تر نیاز است. برای کسب اطلاعات بیشتر در مورد خوانندگان مش بسیار تشویق شده است که از آن بازدید کنند چیست؟

1. خطاهای مبتنی بر ساختار مش یک مسئله اغلب با آن روبرو هستند که منجر به عدم موفقیت شبیه سازی می شود. این ممکن است اتفاق بیفتد زیرا مش بیش از حد درشت است و تمام تأثیراتی را که در این عنصر تک سلولی یک به یک اتفاق می افتد ، پوشش نمی دهد ، بلکه جلوه های مختلفی را پوشش می دهد که با ظهور مش تغییر می کند. بنابراین ، مطالعه استقلال باید انجام شود. صحت محلول به شدت به ساختار مش بستگی دارد. برای انجام راه حل های دقیق و به دست آوردن نتایج قابل اعتماد ، تحلیلگر باید در مورد نوع سلول ، تعداد سلول ها و زمان محاسبه بسیار مراقب باشد. بهینه سازی این محدودیت ها به عنوان همگرایی مش تعریف شده است که ممکن است به شرح زیر طبقه بندی شود:
2. یک ساختار مش ایجاد کنید که تعداد عناصر رضایت بخش داشته باشد و اطمینان حاصل کند که کیفیت مش و پوشش مدل CAD برای معاینه منطقی است. تجزیه و تحلیل را انجام دهید.
3. ساختارهای مش را با تعداد بیشتری از عناصر بازسازی کنید. تجزیه و تحلیل را دوباره انجام داده و نتایج را بر این اساس مقایسه کنید. به عنوان مثال ، اگر یک مورد بررسی جریان داخلی از طریق یک کانال باشد ، مقایسه افت فشار در مناطق بحرانی ممکن است بسیار مهم باشد.

تا زمانی که نتایج به طور رضایت بخش با نسخه قبلی (های) قبلی همگرا نشوند ، پا را پالایش کنید.

بنابراین ، خطاها ، بر اساس ساختار مش ، می توانند از بین بروند و مقدار بهینه برای تعداد عناصر ممکن است واقعاً حاصل شود تا محاسبه را به یک فرآیند کارآمد تبدیل کند. شکل 6 از طریق افزایش تعداد عناصر مش به تغییر فشار استاتیک در منطقه خیالی x می پردازد. طبق شکل 6 ، حدود 1،000،000 عنصر برای انجام یک مطالعه قابل اعتماد کافی بوده است.

شکل 6: این مثال از تجزیه و تحلیل همگرایی مش نشان می دهد که انتخاب اندازه مش بهینه برای صرفه جویی در هزینه های محاسباتی چقدر مهم است

همگرایی در CFD

ایجاد یک مجسمه به یک هنرمند بسیار با استعدادی نیاز دارد که بتواند محصول نهایی را از ابتدا تصور کند. با این حال ، یک مجسمه در ابتدا می تواند یک قطعه سنگ ساده باشد اما ممکن است در پایان به یک اثر هنری استثنایی تبدیل شود. پردازش کاملاً تدریجی در طول حکاکی مسئله مهمی برای به دست آوردن شکل منحصر به فرد مورد نظر است. به خاطر داشته باشید که در هر فرآیند ، برخی از عناصر ، مانند ذرات سنگی ، باقیمانده ، از جسم دور می شوند. CFD همچنین ساختار مشابهی دارد که در طول تجزیه و تحلیل به پردازش تدریجی متکی است. در مناطقی که برای نتایج شبیه سازی بسیار مهم هستند (به عنوان مثال یک اسپویلر در یک اتومبیل فرمول 1) مش در عناصر کوچکتر تصفیه می شود تا شبیه سازی دقیق تر شود. برای مشاهده لبه های تصفیه شده در مش ماشین F1 به شکل 5 مراجعه کنید.

همگرایی یک مسئله مهم برای تجزیه و تحلیل محاسباتی است. حرکت سیال دارای یک مدل ریاضی غیر خطی با مدلهای پیچیده مختلف مانند تلاطم ، تغییر فاز و انتقال جرم و همگرایی به شدت تحت تأثیر آنها قرار دارد. جدا از محلول تحلیلی ، راه حل عددی از طریق یک طرح تکراری که در آن با کاهش خطاها در مراحل قبلی به دست می آید ، می رود. تفاوت بین دو مقدار آخر خطا را مشخص می کند. هنگامی که خطای مطلق در حال نزول است ، قابلیت اطمینان نتیجه افزایش می یابد ، به این معنی که نتیجه به سمت یک راه حل پایدار همگرا می شود.

• چگونه تحلیلگران تصمیم می گیرند که راه حل همگرا شود؟همگرایی باید ادامه یابد و ادامه یابد تا زمانی که یک وضعیت پایدار به دست بیاید ، حتی اگر مورد هدف گذرا باشد ، این نشان دهنده تغییر در طول زمان است. همگرایی باید برای هر مرحله از زمان تحقق یابد که گویی همه آنها یک فرایند حالت پایدار هستند. معیارهای همگرایی چیست؟باقیمانده معادلات ، مانند باقیمانده های سنگی ، بیش از هر تکرار تغییر می کند. با افزایش تکرارها به مقدار آستانه ، همگرایی حاصل می شود. برای یک مورد گذرا ، این فرایندها برای هر یک از مراحل زمانی باید حاصل شوند. علاوه بر این ، همگرایی ممکن است به شرح زیر متنوع باشد:
• می توان با پارامترها به عنوان شرایط اولیه ، کمبود و تعداد کورانت شتاب گرفت.
• همیشه لازم نیست درست باشد ، اما راه حل می تواند همگرا شود. مدل و مش ریاضی ترجیحی نادرست یا ابهام است.
• می توان در چندین روش مانند کیفیت مش مشبک ، پالایش مش ، با استفاده از طرح های گسسته سازی درجه یک تا دوم تثبیت شد.

اطمینان حاصل کنید که در صورت لزوم قابل تکرار است تا از ابهام خودداری کند.

امروز به Simscale بپیوندید!

تمام برنامه های ذکر شده در زیر می توانند در بستر Simscale شبیه سازی شوند. اگر می خواهید معادلات را که در ابتدا در قالب نتایج رنگارنگ و آموزنده توضیح داده شده است ، بدون نیاز به خرید مجوز با برنامه جامعه ما ، حل و تجسم کنید.

برنامه های CFD

در جایی که سیال وجود دارد ، CFD وجود دارد. با ذکر قبلاً ، مرحله اولیه برای انجام یک شبیه سازی CFD ، مشخص کردن یک مدل ریاضی مناسب از واقعیت است. نزدیکی ها و فرضیات از طریق فرآیندهای راه حل جهت بررسی پرونده در حوزه محاسباتی را ارائه می دهند. به عنوان مثال ، جریان سیال بر روی یک کره/سیلندر یک مسئله تکراری است که توسط مدرس به عنوان نمونه ای در دوره های مایعات تدریس شده است. همین پدیده تقریباً در حرکت ابرها در جو موجود است که در واقع فوق العاده است (همانطور که در شکل 7 مشاهده می شود).

شکل 7: اثرات گذرا به دست آمده از نتیجه عددی (بالا) یک استوانه قرار داده شده در سیال و یک نمونه زندگی واقعی مشابه ابرها \ (^\) (پایین)

جریان غیر قابل فشرده سازی و فشرده سازی

جریان لمینار و آشفته

مدل های تلاطم های مختلف در این نوع تجزیه و تحلیل نقش دارند. برای حل شبیه سازی های تلاطم و مدل های عددی پیچیده آن ، قدرت محاسباتی زیادی لازم است. دشواری تلاطم شبیه سازی تغییرات در طول زمان است. کل دامنه ای که شبیه سازی در آن صورت می گیرد ، باید پس از هر مرحله زمانی محاسبه شود.

شیر یکی از کاربردهای ممکن از تجزیه و تحلیل جریان آشفته است.

حمل و نقل جرم و حرارتی

شبیه سازی حمل و نقل انبوه شامل انتشار دود ، حمل و نقل منفعل یا توزیع گاز است. برای حل این نوع شبیه سازی ها ، از حلال های OpenFoam استفاده می شود.

شبیه سازی مبدل حرارتی یکی از برنامه های ممکن است.

انواع مختلف برنامه های CFD

ابزارهای دینامیک سیال محاسباتی مطابق با مدلهای ریاضی ، روشهای عددی ، تجهیزات محاسباتی و امکانات پس از پردازش متنوع می شوند. از آنجا که یک پدیده فیزیکی می تواند با رویکردهای کاملاً متفاوت ریاضی مدل شود ، برخلاف روشهای عددی به طور همزمان با هم ادغام می شود. بنابراین ، یک نزدیکی آگاهانه یک عامل اساسی در مسیر توسعه ابزارهای CFD است. چندین راه حل نرم افزاری تجاری مجاز به همراه نرم افزار منبع باز وجود دارد. یکی از پرکاربردترین حلال های منبع باز برای CFD OpenFoam \ (^\) است.

OpenFOAM همچنین یکی از حل کننده های یکپارچه شده در پلت فرم شبیه سازی SimScale است.

CFD با استفاده از SimScale

دینامیک سیالات محاسباتی (CFD) شاخه ای از CAE است که به شما امکان می دهد حرکت سیال را با استفاده از روش های عددی شبیه سازی کنید. تسهیلات نرم افزاری CFD مبتنی بر ابر SimScale امکان تجزیه و تحلیل طیف گسترده ای از مشکلات مربوط به جریان های آرام و آشفته، سیالات تراکم ناپذیر و تراکم ناپذیر، جریان های چند فازی و موارد دیگر را می دهد. این مسائل مهندسی با استفاده از حل‌کننده‌های عددی یکپارچه و فن‌آوری‌های متعدد حل می‌شوند.