24小时联系电话:18217114652、13661815404
中文
技术专题
CFD仿真类型：离散化，近似和算法
如果您查看过给定系统的CFD模拟结果，您会注意到同一系统可以显示不同的数值结果。之所以会出现这种情况，是因为不同的CFD模拟类型都使用它们自己的离散化方案，求解算法和系统近似值。作为系统工程师，您的目标是了解哪种CFD模拟类型最适合不同情况以及可以收集哪些信息。
离散化和算法
离散化方法用于将连续函数（即CFD中微分方程组的实际解）分解为离散函数，其中解值在空间和时间的每个点处定义。离散化只是指解决方案空间中每个点之间的间距。
当模拟打算计算流体/热流多物理场问题的动态解决方案时，由于需要除空间之外还要离散化时间，因此使用时域有限差分（FDTD）方法。在没有时间依赖性（即稳态解）的1D，2D或3D系统中，有限元方法（FEM）用于离散化。3D系统的另一种方法是有限体积法（FVM），其中，系统以体积单位而不是形成网格的点集离散化。
解决方案算法产生不同的收敛性，并且仅适用于某些离散化方法。最常见的解决方法包括：
迭代方法：Picard，Newton，Newton-Raphson和Uzawa方法是用于线性化CFD方程组并求解其有限差分方程的常用方法。这些线性化方案类似于电路仿真的小信号分析。
欧拉法：可用于求解粘性流体的线性化Navier-Stokes方程，并产生与粘性流体的迭代技术基本等效的结果。
网络技术：这涉及将系统中具有不同材料属性的不同区域定义为网络中的元素，其中网络元素之间的接口是相邻区域之间的空间边界。一种相关的技术是加性Schwartz技术，该技术将CFD问题分解为不同域中的多个边界值问题，并将结果相加。
转换方法：这些是线性化技术，仅适用于特定的几何形状。通过应用解析或数值变换，可以使用迭代方法对系统进行线性化和求解。
自适应网格划分：这涉及在系统中具有精细到粗糙网格划分的网格中使用以前的方法之一。系统中要求高精度的关键区域使用细的网格尺寸，而其他可以容忍较低精度的区域则使用较粗的网格尺寸。
近似值
CFD仿真类型中使用的近似值旨在降低系统的数值复杂性，从而提高收敛速度。与粗略或自适应离散化一起使用时，可以减少复杂系统的仿真时间。但是，您牺牲了准确性和粒度，因为系统可能无法达到通过逼近理想化的方式。以下是用于近似CFD模拟类型的方法：
降维：这是指减少模拟中的维数。这也可能涉及模拟稳态流体和热流，而不是关注瞬态行为。
流动行为近似值：这只是指理想化系统中的流体流动。通常，在处理向整个系统供气的风扇时，您可以查看层流状态，以了解热量如何从热的组件中移走并积聚在下游的组件中。
简化几何：这仅涉及用非常简单的主体替换系统中非常复杂的主体。这在模拟大型系统时通常使用。比长度尺度小得多的复杂结构可以简单地近似为较简单的实体。例如，可用一个简单的盒子代替表面贴装IC，以表示封装的外形（请参见下图）。这减少了描述对象所需的网格点的数量，从而提高了收敛速度。
CFD模拟中的层流具有简化的几何形状
使用CFD算法进行系统优化
过去10到20年的研究集中在使用数值优化算法来最大化复杂系统中的流体或热量流。在这些系统中必须使用数值优化方法，仅仅是因为复杂系统的CFD仿真也必须以数值方式进行。换句话说，由于目标函数不是解析函数，因此无法使用诸如梯度下降或Kuhn-Tucker方法之类的解析优化技术。
在CFD模拟中，对流体和热流进行数值优化的最成功方法是进化算法。在这种类型的优化算法中，围绕当前解决方案随机生成对系统参数的调整，并为每个候选系统参数集计算CFD结果。选择产生最大散热量的参数集作为当前的最佳解决方案，这将成为下一次迭代中生成参数的起点。
该领域的创新者可以使用以下过程围绕不同的CFD模拟类型开发进化优化技术：
用户选择他们要优化的系统参数，然后在允许的解决方案空间内生成一组初始的系统参数。
通过使用线性突变策略调整用户选择的参数，随机生成一组新的系统参数解决方案。
使用CFD算法用（2）中生成的系统参数求解Navier-Stokes方程和热方程。
如果当前系统参数不能提供更高的流体流量/热量流量，请转到（2）并生成一组新的系统参数。
如果CFD算法确实提供了更高的流体流量/热量流量，则保持当前系统参数集为最佳解决方案。使用这些参数作为（2）中的起点。
一旦系统完成了特定数量的迭代，或者解决方案停止改进特定数量的迭代，请终止算法并将当前系统参数作为最佳解决方案。
每次迭代中的收敛时间主要取决于用于生成候选解的CFD仿真类型。这些类型的系统优化问题很复杂，但是较新的软件工具将在采用这些工具方面发挥主要作用。您使用的任何模拟器都需要直接从PCB布局中获取数据并生成自适应网格以平衡精度和收敛速度，并且最好的多物理场模拟器将与您的PCB设计软件集成在一起。