Fluent 时间步长【转载】

最新推荐文章于 2024-07-11 11:16:08 发布

asd165654

最新推荐文章于 2024-07-11 11:16:08 发布

阅读量1w

点赞数 5

原文链接：http://www.cnblogs.com/liusuanyatong/p/11259758.html

版权

本文探讨了在Fluent中进行非稳态计算时时间步长（timestep）的重要性。每个时间步长内，尤其是对于隐式非定常格式，需要保证结果收敛。设置max iteration pertime step是为了确保单一步长内的收敛性。显式非定常格式中，每个迭代就是一个时间步。合适的时间步长和迭代次数对计算的稳定性和准确性至关重要。此外，还提到了Courant Number对计算稳定性和收敛性的影响，以及如何通过实验数据调整时间步长以提高计算准确性。

摘要由CSDN通过智能技术生成

转载自：http://blog.sina.com.cn/s/blog_4ada3be301011rjp.html

用FLUENT计算非稳态问题，是不是在计算时必须保证在每个时间步timestep里都要收敛才行，否则计算结果就不对呢？也就是说，在iteration选项里，max iteration pertime step设为一个值，比如500，就是如果500次迭代后仍未收敛，进入下一步迭代，那对结果会有什么影响。

对于隐式非定常格式，原则上，每个时间步长内必须保证结果收敛。在fluent 的帮助中就有这样的话："对于不可压流动，在每个时间步内，不可压解必须迭代直至收敛。"另外，我们回归到fluent内部计算的本源，它实质就是一种差分算法，通过不断逼近来获得真实解，这样我们就不难理解为什么在每个时间步长内需要收敛了。max iteration pertime step 设定的是最大时间步，在单一步长内，如果结果已经收敛，则会自动跳至下一时间进行计算。所以其设定要纵观全局。但对于周期性流动，这种收敛性的要求就相对松动一些。不过你需要多计算几个周期，等计算结果达到对时间的周期状态后，再对结果进行储存。

对于显式非定常格式，在Fluent帮助中这样说："一定记住，对于显式非定常格式，每一个迭代就是一个时间步。"

如果每个时间步内结果没有得到收敛，则很有可能你所得到的结果是不真实的，但是一个时间步内的不真实性应该不