CFD仿真误差从100%走向10%的战略战术

误差的下降开始很快后面很难,如何在各个阶段快速突破,在被煎熬死之前完成任务,以下有一点想法。

一、误差100%以上

从启动计算就死,达到能够输出一个结果看到第一个流场彩图。如果要去骗钱,可以展示一二美图,宣告具备了仿真世界难题的能力,“我们取得了首场胜利,解决了有无问题,开始奔向独立仿真设计的美好未来。”在这个时刻最大效益是:做好宣传争取钱、项目、人员、组织机构。当然只有自己知道,连数据应当是正数还是负数还不敢保证,最好快快找个下家脱手吧(好好看看篇首的表,下面的烫山芋让别人享受吧)。

二、误差从100%降低到50%

通过修正错误,算出的结果逐步有点样子,可以给人看了,数据和大家印象中的正确数据在一个量级,上来就批评你的人也开始犹豫了。虽然告诉领导数据结果还不对,领导也会宽容地说,“很快会成功”。这个过程消费的时间与人有关,比较灵活的人可以用几天时间就跨越这个过程。如果战略思想有问题,错误地以为到了马上取得准确数据的时候,在此阶段花费大量时间关注细节如湍流模型、壁面网格、时间步、格式精度等,有可能花费几年的时间。

建议只关注漏项缺项,例如:

1.与你仿真的现实对比是否有漏项

2.与全流场相关的边界条件是否准确

3.仿真与试验的外形是否相同(千万不要忘了试验中往往加个支撑杆)

4.仿真与试验的上游与下游边界是否基本一致

5.仿真最复杂最核心区域的网格是否够密集

6.仿真软件是否可以做这一类问题(不要被广告欺骗哦)

三、误差从50%降低到20%

终于处处看起来合理了,基本现象已经捕捉到,变化规律合乎想象,与试验的差异只集中在复杂区域。这时候听到最多的问答是“可以用了吗?”,“不敢保证结果正确”。“遇到什么困难?”,“遇到了所有的困难”。“还能继续吗?”,“我们会坚持下去”。这个阶段如果消耗时间过长,领导的鼓励就会逐步化为怀疑甚至失望,自己的热情也会化作疲惫。

建议只抓工程问题的重点。例如:

1. 明确工程问题中最重要的数据是什么

2.分析对最重要数据影响最大的因素(不要超过3个)

3.先用较为少的网格量、低阶模型、较大的时间步等,最快时间了解各个设置对重要数据的影响特点

4.对计算结果做机理分析,了解是否符合常识,如果有异常,分析什么设置会产生这种异常(好好发挥想象力)

5.集思广益,避免别人已经犯过的错误

6.切记遇到问题不到最后不要增加网格、不要采用高级模型、不要减小时间步(因为太浪费时间,时间可关乎领导的脸色、导师的心情、老板的红包)

四、误差从20%降低到10%

通过灵活多变的战术和艰苦卓越的付出,终于走到阶段的其实不多。很多人都在上个阶段就耗费完了自己的热情和别人的耐心。这时数据终于可以与试验结果放到一起对比了,有时候可以大胆地说数据能用,对软件的了解已经被人佩服,唯一恼火的是仿真结果似是而非。

建议先去问问工程设计真的很在乎最后的这点误差吗?有一次设计员增加了一个凸起物,让我们预估凸起物的阻力系数,做仿真的人员熬了两夜终于给出阻力系数为0.1到0.2,而且一再给我道歉,实在无法降低仿真误差。我可怎么给设计员交差啊,想了想没有告诉设计员有100%的误差,而是问“请问增加0.1的阻力系数对性能影响多大?”,回答“基本没有影响”,于是我坚定地告诉他“阻力系数为0.15”。如果换一个对话方式,“阻力系数误差100%,你们能用吗?”,“玩去!”。有时候流体力学解决不了的问题语文可以解决。

对于工程研究,时间成本可能是最大的成本,这个阶段消耗时间太多,建议快点凑合用吧。要面对残酷的现实,再拖半年数据准确性不会有本质的提升,但是用户的心情会有本质的下降。

这个阶段是从业余走向专业,从不确定走向确定。建议一定忘记我之前说的话,采用大家在高校做理论研究的战术,网格要够密、模型要高级、算法要高阶精度、时间步要小。

对于工程复杂仿真问题,误差小于10%,一般会挑战已有算法、模型的能力,需要突破理论水平、提升仿真工具,那就不是我这种衰人所能涉足的了。

向坚持研究湍流模型和高精度算法的人致敬,因为他们要花费我们工程仿真人员永远无法付出的精力,为我们的未来开疆扩土。

五、黑色秘诀:一分钟将误差从100%化身5%

我见过一个总结汇报,一个极为复杂的扰流仿真,与试验测量结果对比后得到结论:关键参数的误差小于5%。瞬间我石化了,上帝也不知道如何复现这么复杂的扰流,已经达到了国际梦想水平。原来他们用了黑色秘诀,“对比无关位置的数据”。他们给出了远离扰流的上游和下游的数据。太聪明了!在上游,扰流还没有发生,在下游呢,扰流产生的复杂流动已经掺混成平均流动,没什么可错的。这些位置的数据与试验测量数据对比怎么会有差异?(如果我做这件事,不会太贪心,找一个误差达到15%左右的位置,不至于吓到别人)很多人如果对流动不了解,不知道你仿真中哪里最重要,哪里最复杂,你只要将与试验对比的点从算不准的区域外移一点点,就足以将一个完全不对的算例演化为完美的算例。