Ansys Fluent: La histora de la innovación en CFD

A principios de la década de 1980, desde los edificios de la Universidad de Sheffield con contribuciones de múltiples personalidades, Ansys Fluent se convirtió en el primer software comercial de dinámica de fluidos computacional (CFD) en tener una interfaz gráfica de usuario y un flujo de trabajo en lugar de una entrada de línea de comandos. La popularidad de Fluent aumentó año tras año, junto con su adopción en la industria.

En mayo de 2006, Ansys adquirió Fluent Inc. Desde que nos unimos a la familia Ansys, hemos ampliado incansablemente el rendimiento, la precisión y la productividad de Fluent, brindando innovaciones de vanguardia que han ayudado a los ingenieros a superar los obstáculos de diseño más desafiantes imaginables cuando se trata de problemas de dinámica de fluidos.

¿Es usted un nuevo cliente que aún no está familiarizado con todas las innovaciones de Fluent que están disponibles para usted? ¿Hizo una elección de proveedor diferente y desea obtener más información sobre lo que se ha estado perdiendo? Viajemos atrás en el tiempo a través de algunas de las características más innovadoras de Fluent.

2014: Descarga acelerada por GPU y solucionador adjunto

Si bien las tecnologías de unidades de procesamiento de gráficos (GPU) están en el centro de atención hoy en día, el concepto de usar GPU como aceleradores de CFD se introdujo en Fluent en 2014 con el solucionador NVIDIA AmgX. Tenga paciencia con nosotros en este escenario de viaje en el tiempo, porque en 2022, Fluent será el primer software comercial de CFD en presentar un solucionador multi-GPU completamente residente y de volumen finito no estructurado, que superará las limitaciones de descarga e interrumpirá el mercado de las simulaciones de CFD.

El solucionador Adjoint se introdujo por primera vez en Fluent en 2014 para revolucionar los conocimientos de las simulaciones de CFD mediante el uso de sensibilidades adjuntas para impulsar cambios de diseño inteligentes que no son intuitivos para un diseñador. Desde sus inicios, la confiabilidad y la facilidad de uso del solucionador Adjoint han evolucionado constantemente hasta convertirse en un marco integral de optimización del producto.

Optimice los diseños a través de la optimización automática de formas con el solucionador Adjoint, presentado en 2014.

2016: Fluent rompe un récord de supercomputación de 170 000 núcleos

La investigación y el desarrollo de la informática de alto rendimiento (HPC) para mejorar la escalabilidad paralela de Fluent ha sido, y sigue siendo, un área de enfoque clave. En 2016, Cray Inc. y el Centro de computación de alto rendimiento (HLRS) de la Universidad de Stuttgart establecieron un nuevo récord mundial de supercomputación al escalar Fluent a más de 172 000 núcleos de computadora, lo que permitió a las organizaciones crear prototipos virtuales completos innovadores y revolucionarios de sus productos con mayor rapidez. y más eficiente que nunca.

2017: Adaptación de PUMA y modelo de turbulencia SBES

Otra innovación de vanguardia para un software CFD comercial fue la introducción de la adaptación de malla no estructurada poliédrica (PUMA) patentada en 2017. Esta técnica de adaptación refina automática y dinámicamente la malla para rastrear detalles finos en el flujo. Como resultado, los ingenieros pueden obtener la precisión que necesitan, donde la necesitan, para capturar los detalles de la simulación mientras dejan la malla del curso en otro lugar para tiempos de resolución más rápidos.

Acelere los tiempos de resolución al refinar automáticamente una malla para resolver detalles finos mientras deja la malla más gruesa en su lugar usando la adaptación de malla no estructurada poliédrica (PUMA), introducida en 2017.

El mismo año, el modelo de turbulencia de simulación de remolinos combinados con estrés (SBES) superó los problemas inherentes a las simulaciones híbridas RANS-LES. La simulación de grandes remolinos (LES) es poco práctica y costosa en la región cercana a la pared, mientras que los modelos Navier-Stokes (RANS) promediados por Reynolds son adecuados para las capas límite de la pared. Los modelos híbridos RANS-LES brindan un modelado eficiente cerca de la pared utilizando un modelo de turbulencia RANS y una solución de alta fidelidad lejos de las paredes utilizando un enfoque LES, pero el cambio entre los dos tradicionalmente sufría de dependencia de malla y separación de flujo inducida por malla falsa. El modelo SBES desarrollado por Ansys introdujo una función de blindaje única y patentada para superar estos problemas, lo que resultó en un modelo de turbulencia de resolución de escala confiable y eficiente en el que los ingenieros pueden confiar.

2018: Mosaic Meshing y Spray Break-up Model

La transición entre distintos tipos de elementos de malla en geometrías complejas y al mismo tiempo conservar la calidad de la malla ha sido durante mucho tiempo un gran desafío de mallado, especialmente cuando se pasa de prismas de capa límite a elementos hexagonales lejos de las paredes. En 2018, Fluent introdujo la malla Mosaic para abordar este desafío al conectar automáticamente diferentes tipos de mallas con elementos poliédricos de alta calidad. Las simulaciones resultantes fueron dramáticamente más rápidas con una mayor precisión de la solución y usaron menos RAM.

em modeling

Aumenta la productividad de la simulación del Ferrari Competizioni GT en un 300 % utilizando la tecnología de malla Mosaic, introducida en 2018.

El mismo año, el modelo de fragmentación de la pulverización fue la primera implementación comercial de transición de volumen de fluido (VOF) a método de partículas discretas (DPM) para simulaciones multifase, como la fragmentación de la pulverización. En este modelo, las distintas gotas en la simulación VOF se detectan y reemplazan por partículas DPM (es decir, punto de masa), y la malla se vuelve gruesa en consecuencia.

Simule de manera eficiente la ruptura del rociado utilizando el modelo multifásico híbrido de volumen de fluido (VOF) a método de partículas discretas (DPM), presentado en 2017.

2019: GEKO Turbulence Model

En 2019, el equipo de turbulencia de Ansys introdujo un modelo de turbulencia k-ω generalizada (GEKO) con coeficientes ajustables. Los coeficientes ajustables de GEKO se pueden ajustar en un amplio rango para que coincidan con efectos físicos específicos mientras se mantiene la calibración del modelo subyacente. Ningún otro modelo de turbulencia tiene suficiente flexibilidad para hacer coincidir los datos experimentales en un gran conjunto de casos de prueba, incluso si los ajusta un experto en modelos de turbulencia, mientras que los coeficientes de GEKO brindan esa flexibilidad. El modelo GEKO puede incluso ajustarse a resultados de simulación de resolución de escala, como los que utilizan el modelo de turbulencia SBES. El modelo de turbulencia GEKO está disponible exclusivamente en aplicaciones de fluidos Ansys.

2020: Modelo de Transición AIAD y Electroquímica 3D para Baterías

En 2020, Fluent fue el primer software comercial en mostrar un método de transición multifásico euleriano basado en el enfoque de densidad de área interfacial algebraica (AIAD). Este método es adecuado para una variedad de aplicaciones, como escenarios de pérdida de refrigerante en reactores de agua a presión, con un fuerte acuerdo con los datos experimentales en comparación con los métodos alternativos.

>

Flujo gas‒líquido con arrastre de gotitas y reabsorción usando la transición AIAD, introducido en 2020

El mismo año, Fluent presentó la simulación transitoria del transporte de iones de litio (Li) durante la carga/descarga de la batería, proporcionando una solución comercial completa para la electroquímica 3D de las baterías de iones de litio.

2021: VOF bidireccional a DPM a EWF y ajuste de turbulencia AI/ML

Como se mencionó anteriormente, la transición de VOF a DPM se presentó por primera vez en Fluent en 2018 con el modelo de ruptura de rociado. En 2021, Fluent hizo esta transición bidireccional, admitió la transición inversa de DPM a VOF y la completó con la transición a la película de pared Euleriana (EWF). En el modelo bidireccional de VOF a DPM a EWF, las partículas de DPM que caen sobre una superficie líquida libre vuelven a la formulación de VOF y las partículas de punto de masa se reemplazan por líquido VOF resuelto en malla.

Simule de manera eficiente la ruptura, la agrupación y la reducción de flujos multifásicos mediante la función bidireccional de VOF a DPM a EWF, presentado en 2021.

El mismo año, Fluent presentó el ajuste de turbulencia de inteligencia artificial (IA)/aprendizaje automático (ML) AI/ML, en el que los coeficientes GEKO se ajustan con algoritmos ML en lugar de manualmente. Esto permite a los ingenieros utilizar un modelo de turbulencia de resolución de escala como SBES para generar una solución de alta fidelidad. Luego pueden usar ML para ajustar los coeficientes GEKO en todo el campo de flujo 3D para que las iteraciones de diseño posteriores puedan usar el modelo GEKO mucho más rápido y al mismo tiempo conservar la precisión que se acerca a la solución de resolución de escala.

2022: Live-GX Multi-GPU Solver y PyFluent

Como se mencionó anteriormente, Fluent ha sido pionera en el uso de la tecnología de GPU para la simulación y, en 2022, la llevó a un nuevo nivel con la introducción de un solucionador nativo de múltiples GPU. Este solucionador multi-GPU completamente nuevo ofrece muchos beneficios para las simulaciones CFD transitorias y de estado estable, incluida la reducción del tiempo de resolución de la simulación, los costos de hardware y el consumo de energía con la misma precisión que los solucionadores de CPU y sin todas las limitaciones de la descarga de GPU que anteriormente mencionado.

Seis GPU de alta gama brindan el mismo rendimiento que más de 2000 CPU cuando se usa el solucionador nativo de múltiples GPU, presentado en 2022.

Finalmente, Fluent presentó PyFluent, una biblioteca de código abierto para acceder a todos los comandos de Fluent desde el preprocesamiento hasta el posprocesamiento usando Python. PyFluent está diseñado para combinar una sólida comunidad de pares, un lenguaje de programación como Python que fomenta la reutilización y la pila de simulación de vanguardia de Ansys para crear infinitas posibilidades.