基于Python编程和fluent仿真实现的二维非稳态热传导

已于 2024-04-09 08:38:32 修改
阅读量1.7k 收藏 15
点赞数 1
文章标签： python 机器学习 fluent 二维非稳态 热传导 源码 论文
于 2023-02-20 10:00:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/newlw/article/details/129118951
版权
文章详细介绍了使用有限体积法解决二维非稳态导热问题的过程，包括网格设置、离散方程控制、边界条件处理和编程计算。对比了编程计算得到的温度分布与Fluent软件仿真的结果，发现两者存在微小差异，这可能是由于迭代误差造成的。同时，分析了温度分布的特点，指出材料的热传导系数对温度分布的影响。
摘要由CSDN通过智能技术生成

目录
一、划分网格： 1
X方向网格：20；Y方向网格：20 材料1：材料2：材料1=8:4:8 1
总网格数量：400 1
显式格式： 1
隐式格式： 2
C-N格式： 2
二、控制离散方程： 2
系数： 3
边界条件： 3
角点的处理: 4
两材料交界面的处理： 4
三、编程计算（代码见附录） 5
四、fluent仿真计算 6
五、 结论分析 6
六、附录 6

定义求解函数，形参为网格数目 7

os.popen(args) 7
if not os.path.exists( 7
k1 = 53.6 8
k2 = 0.2093 8

print(AA) 9

将系数给入系数矩阵AA,CC 11

从编程绘制的云图和fluent仿真得到的云图都可以看到，由于高温辐射区域在上边的右半部分和右侧区域，所以每一块材料的温度分布都是从右上往左下依次递减的。而温度最高点出现在材料二的右上角而不是材料一的右上角，可能原因是材料一的热传导系数远大于材料二的热传导系数，且材料二的传导系数较小，温度传导速度慢，导致温度最高。
我们还可以看到编程得到的温度比仿真得到的温度低一些，由于边界条件和网格划分均是相同的，所以很有可能是这两种算法在进行迭代时的迭代误差导致的。

#!usr/bin/env python
# -*- coding:utf-8 _*-
"""
@author:tianchang
@file: 膏体14-10.py
@time: 2019/11/16 14:10-20s
"""
# 添加中断后继续的代码部分
# 二维非稳态导热问题的有限体积数值解法#
from mpl_toolkits.mplot3d import Axes3D
from scipy import linalg
import matplotlib.pyplot as plt
import numpy as np
# 定义求解函数，形参为网格数目
import os


def 打开tecplot(N_x_grid, N_y_grid, delta_t, eff_1, h, eff_2):
    args = 'cd "内流场大作业代码上边界对流eff_1={3} eff_2={5} h={4}"&&"T-2d-Nx={0}-Ny={1}-t={2}.plt"'.format(
        N_x_grid, N_y_grid, (int(5 / delta_t)) * 0.004, eff_1, h, eff_2)
    os.popen(args)
    args = 'cd "内流场大作业代码上边界对流eff_1={3} eff_2={5} h={4}"&&"T-2d-Nx={0}-Ny={1}-t={2}.plt"'.format(
        N_x_grid, N_y_grid, (int(30 / delta_t)) * 0.004, eff_1, h, eff_2)
    os.popen(args)


def 数据写入文件(
        eff_1,
        eff_2,        h,
        N_x_grid,
        N_y_grid,        k,        X,
        Y,
        T,
        a_p,
        a_n,
        a_s,
        a_w,
        a_e,
        sp,
        su):
    '''# 判断是否存在文件夹，不存在则建立'''
    if not os.path.exists(
            r'./内流场大作业代码上边界对流eff_1={0} eff_2={2} h={1}'.format(eff_1, h, eff_2)):
        os.mkdir(
            r'./内流场大作业代码上边界对流eff_1={0} eff_2={2} h={1}'.format(eff_1, h, eff_2))
    with open(
            r'./内流场大作业代码上边界对流eff_1={3} eff_2={5} h={4}/T-2d-Nx={0}-Ny={1}-t={2}.plt'.format(
                N_x_grid, N_y_grid, (k + 1) * 0.004, eff_1, h, eff_2), 'w', encoding='UTF-8') as fp1:
        fp1.write("VARIABLES = X, Y, T, ap,an,as,aw,ae,sp,su\n")  # 按计算节点数输出结果
        fp1.write("ZONE I=%d,J=%d, F=POINT,t=\"%.3f\"\n" %
                  (N_x_grid, N_y_grid, (k + 1) * 0.004))
        for j in range(N_y_grid - 1, -1, -1):
            for i in range(0, N_x_grid):
                fp1.write(
                    "{:.5f}   {:.5f}   {:.3f}   {:.3f}   {:.3f}   {:.3f}   {:.3f}   {:.3f}   {:.3f}   {:.3f}\n".format(
                        X[i][j],
                        Y[i][j],
                        T[i][j],
                        a_p[i][j],
                        a_n[i][j],
                        a_s[i][j],
                        a_w[i][j],
                        a_e[i][j],
                        sp[i][j],
                        su[i][j]))


def solve(N_x_grid, N_y_grid, t, eff_1, eff_2, h):
    '''N_x_grid, N_y_grid, t, eff, h'''
    # 物性参数定义：发动机长度，高温辐射区域长度，两层材料的宽度、热传导系数、密度、比热容，燃气温度，发射率，对流换热系数
    L = 0.05
    L1 = 0.02
    HH = 0.004
    hh = 0.002
    k1 = 53.6
    k2 = 0.2093
    k0 = 0.41697
    rou1 = 7830
    rou2 = 1500
    Cp1 = 465
    Cp2 = 1465
    Tair = 293
    Tgas = 923
    T0 = 293  # 初始温度
    # eff = 0.8  # 假定发射率
    # h = 10  # 假定导热系数
    sigma = 5.67 * 10 ** -8
    # 网格尺寸定义：
    delta_x = L / N_x_grid  # 0.0025
    delta_y = (2 * HH + hh) / N_y_grid  # 0.0005
    # 时间步长及迭代次数：
    delta_t = 0.004
    cal_num = int(t / delta_t)
    # 定义求解线性方程组的动态数组：
    AA = np.zeros((N_x_grid * N_y_grid, N_x_grid * N_y_grid))
    # print(AA)
    CC = np.zeros((N_x_grid * N_y_grid))
    # 定义初始0矩阵:
    a_w = np.zeros((N_x_grid, N_y_grid))
    a_e = np.zeros((N_x_grid, N_y_grid))
    a_n = np.zeros((N_x_grid, N_y_grid))
    a_s = np.zeros((N_x_grid, N_y_grid))
    sp = np.zeros((N_x_grid, N_y_grid))
    su = np.zeros((N_x_grid, N_y_grid))
    a_p = np.zeros((N_x_grid, N_y_grid))
    a_p0 = np.zeros((N_x_grid, N_y_grid))
    T = np.zeros((N_x_grid, N_y_grid))    X = np.zeros((N_x_grid, N_y_grid))
    Y = np.zeros((N_x_grid, N_y_grid))
    # 离散方程系数计算
    for k in range(0, cal_num):
        if k == 0:
            for i in range(0, N_x_grid):
                for j in range(0, N_y_grid):
                    T[i][j] = T0
        for i in range(0, N_x_grid):
            for j in range(0, N_y_grid):
                # 结点位置确定
                Y[i][j] = delta_y * (j + 0.5)
                X[i][j] = delta_x * (i + 0.5)
                # 给定初始温度场

                # 判断结点在哪一区域，给出a_e,a_w,a_s,a_n,a_p相应系数
                if j <= 0.4 * N_y_grid - 1 or j >= 0.6 * N_y_grid:  # 0——7，12——19
                    a_w[i][j] = k1 / delta_x * delta_y  # 10.72
                    a_e[i][j] = k1 / delta_x * delta_y  # 10.72
                    a_s[i][j] = k1 / delta_y * delta_x  # 268
                    a_n[i][j] = k1 / delta_y * delta_x  # 268
                    a_p[i][j] = rou1 * Cp1 * delta_x * delta_y / delta_t
                else:  # 8——11
                    a_w[i][j] = k2 / delta_x * delta_y
                    a_e[i][j] = k2 / delta_x * delta_y
                    a_s[i][j] = k2 / delta_y * delta_x
                    a_n[i][j] = k2 / delta_y * delta_x
                    a_p[i][j] = rou2 * Cp2 * delta_x * delta_y / delta_t
                # 交界面处系数
                if j == 0.6 * N_y_grid - 1 or j == 0.4 * N_y_grid - 1:  # 7，11
                    a_n[i][j] = k0 / delta_y * delta_x
                if j == 0.6 * N_y_grid or j == 0.4 * N_y_grid:  # 8，12
                    a_s[i][j] = k0 / delta_y * delta_x

                # 边界条件
                if i == 0:  # 左边界为绝热边界
                    a_w[i][j] = 0.0
                    su[i][j] = 0.0
                    sp[i][j] = 0.0
                if i == N_x_grid - 1:  # 右边界为辐射换热边界
                    if j <= 0.4 * N_y_grid - 1 or j >= 0.6 * N_y_grid:  # 0——7，12——19
                        a_e[i][j] = 0.0
                        # 将边界结点的温度作为壁面温度
                        su[i][j] = eff_1 * sigma * \
                            (Tgas ** 4 - (T[i][j]) ** 4) * delta_y
                        sp[i][j] = 0.0
                    else:
                        a_e[i][j] = 0.0
                        # 将边界结点的温度作为壁面温度
                        su[i][j] = eff_2 * sigma * \
                            (Tgas ** 4 - (T[i][j]) ** 4) * delta_y
                        sp[i][j] = 0.0
                if j == 0:  # 下边界为绝热边界
                    a_s[i][j] = 0.0
                    su[i][j] = 0.0
                    sp[i][j] = 0.0
                if j == N_y_grid - 1:  # 上边界为混合边界
                    if i <= N_x_grid * 0.6 - 1:  # 上边界左侧为对流换热
                        a_n[i][j] = 0.0
                        su[i][j] = h * (Tair - T[i][j]) * delta_x
                        sp[i][j] = 0
                    else:  # 改动1： 上边界右侧为辐射换热加对流换热
                        a_n[i][j] = 0.0
                        su[i][j] = eff_1 * sigma * \
                            (Tgas ** 4 - (T[i][j]) ** 4) * delta_x + h * (Tair - T[i][j]) * delta_x
                        sp[i][j] = 0.0

                # 四个角点系数替换
                if i == 0 and j == 0:  # 左下角点
                    su[i][j] = 0.0
                if i == 0 and j == N_y_grid - 1:  # 左上角点
                    su[i][j] = h * (Tair - T[i][j]) * delta_x
                if i == N_x_grid - 1 and j == N_y_grid - 1:  # 右上角点
                    su[i][j] = eff_1 * sigma * (Tgas ** 4 - (T[i][j]) ** 4) * delta_x + eff_1 * sigma * (
                        Tgas ** 4 - (T[i][j]) ** 4) * delta_y + h * (Tair - T[i][j]) * delta_x
                if i == N_x_grid - 1 and j == 0:  # 右下角点
                    su[i][j] = eff_1 * sigma * \
                        (Tgas ** 4 - (T[i][j]) ** 4) * delta_y

                a_p0[i][j] = a_p[i][j] - \
                    (a_w[i][j] + a_e[i][j] + a_s[i][j] + a_n[i][j] - sp[i][j])

        # 将系数给入系数矩阵AA,CC
        for i in range(0, N_x_grid):
            for j in range(0, N_y_grid):
                AA[i * N_y_grid + j][i * N_y_grid + j] = a_p[i][j]
                CC[i * N_y_grid + j] = su[i][j] + a_p0[i][j] * T[i][j]
                if j != 0:
                    CC[i * N_y_grid + j] = CC[i * N_y_grid + j] + \
                        a_s[i][j] * T[i][j - 1]
                if j != N_y_grid - 1:
                    CC[i * N_y_grid + j] = CC[i * N_y_grid + j] + \
                        a_n[i][j] * T[i][j + 1]
                if i != 0:
                    CC[i * N_y_grid + j] = CC[i * N_y_grid + j] + \
                        a_w[i][j] * T[i - 1][j]
                if i != N_x_grid - 1:
                    CC[i * N_y_grid + j] = CC[i * N_y_grid + j] + \
                        a_e[i][j] * T[i + 1][j]
        result = linalg.solve(AA, CC)  # 求解温度场
        T_对流求和 = 0
        T_对流求和_i = 0
        for i in range(0, N_x_grid):
            for j in range(0, N_y_grid):
                T[i][j] = result[i * N_y_grid + j]
                if j == N_y_grid - 1:  # 上边界为混合边界
                    if i <= N_x_grid * 0.6 - 1:  # 上边界左侧为对流换热
                        T_对流求和 += T[i][j]
                        T_对流求和_i += 1
                        #print (T_对流求和, T_对流求和_i)
        delta_t_温差 = T_对流求和 / T_对流求和_i - 293

        数据写入文件(eff_1, eff_2,h,N_x_grid,N_y_grid,k,X,Y,T,a_p,a_n,a_s,a_w,a_e,sp, su)
        print('已完成:{:.2f}%  t_温差:{:.3f}'.format(k / cal_num * 100, delta_t_温差))
    打开tecplot(N_x_grid, N_y_grid, delta_t, eff_1, h, eff_2)  # 最后调用

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

biyezuopinvip
关注
  • 1
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【深度学习驱动流体力学】Python流体力学Ansys Fluent
源代码杀手的博客
06-11 1552
PyFluent 是一个将 Python 编程语言与 Ansys Fluent 流体动力学 (CFD) 仿真软件集成的工具。它允许用户通过 Python 脚本来控制和自动化 Fluent 中的仿真任务，实现从预处理、求解到后处理的全流程控制。PyFluent 结合了 Python 的灵活性和 Fluent 的强大功能，提供了一种高效且灵活的 CFD 仿真方法。PyFluent 是一个强大而灵活的工具，使用户能够通过 Python 脚本全面利用 Ansys Fluent 的功能。
python热力学动态仿真模拟_Python中关联分析的热力学图,之,相关性,力图
weixin_32521765的博客
02-21 841
import numpy as npimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltfrom scipy.stats import pearsonr, spearmanrdef randomPlot():'''构造随机数矩阵来绘制热力图'''data = np.random.rand(8, 8)print...
fluent支持python吗_Python与Fluent联合仿真设置
weixin_39841610的博客
11-29 2928
在前期更新中给大家分享过《MATLAB与ANSYS联合仿真设置》，之后就一直有朋友问：人生苦短，能否使用Python实现与ANSYS的联合仿真呢？这个当然没问题！本质上两者都是基于CORBA接口实现联合仿真。而且作为当今最热的编程语言之一的Python，是完全支持CORBA接口的访问。今天我们就来详细聊一聊这个话题。首先给大家分享两个造好的，基于Python访问ANSYS的CORBA接口的轮子(W...
python热力学动态仿真模拟_[绘图]Python绘制热力学图和不完全保存的方法（海伯恩热图),画图,力图,以及,不全,问题,seabornheatmap...
weixin_39824020的博客
12-08 1321
0 前言鉴于Matlab画图已经被封，自此画图战线全部转移到Python上来，这篇博客描述了Python画热力图的方法以及我踩到的坑。1 程序1.1 导入包这里使用seaborn的heatmap函数绘制import matplotlib.pyplot as pltimport pandas as pdimport seaborn as sns1.2 载入CSV文件这里替换自己要画的矩阵，选择好in...
热传导各向异性扩散降噪（python代码实现）
04-24
各向异性扩散滤波主要是用来平滑图像的，克服了高斯模糊的缺陷，各向异性扩散在平滑图像时是保留图像边缘的，和双边滤波很像。 通常我们有将图像看作矩阵的，看作图的，看作随机过程的，记得过去还有看作力场的。这次新鲜，将图像看作热量场了。每个像素看作热流，根据当前像素和周围像素的关系，来确定是否要向周围扩散。比如某个邻域像素和当前像素差别较大，则代表这个邻域像素很可能是个边界，那么当前像素就不向这个方向扩散了，这个边界也就得到保留了。
二维非稳态导热程序
04-01
fortran90编写的二维常物性 钢坯加热通用程序
二维非均匀介质非稳态导热边界等效导热系数的求解-数值传热
06-13
* 物理模型：根据热传导方程，建立了二维非均匀介质陶瓷材料的数学模型。 知识点2：二维非均匀介质非稳态导热边界等效导热系数的数学模型 * 控制方程：,,,TTTck x yk x yS x ytxtyt ...
热传导计算 稳态和瞬态计算
04-28
热传导计算是研究热量通过固体材料或流体以导热、对流和辐射三种方式传递的基本过程，其核心内容包括稳态和瞬态计算。稳态意味着系统达到热平衡，温度场不再随时间变化；瞬态则指的是系统内温度场随时间不断变化的...
fluent二维叶型仿真_CFX案例 | 混合器流场仿真——热和流动
weixin_39862484的博客
10-22 2923
点击上方蓝字，关注并设为星标\ 知识分享 · 精品课程 · 工程仿真 \本文由iCFD授权转载CFX和Fluent都是ANSYS旗下专门用于流体力学仿真的两个软件。能够同时被ANSYS保留下来，他们在流体仿真方面是有其各自优点的。由于Fluent的普及度和市场占有率非常大，是大哥大，这里就不介绍了。下面说说CFX的一些亮点：CFX采用基于有限元的有限体积法，推出全隐式多网格耦合算...
飞机机翼二维流场的fluent分析实例
08-13
标题 "飞机机翼二维流场的fluent分析实例" 涉及到的是在航空工程领域中使用计算流体动力学（CFD）软件Fluent进行飞机机翼流场模拟的过程。这一实例主要关注的是如何通过ICEM进行网格划分，然后在Fluent中设置参数以...
fluent二维叶型仿真_【ICEPAK】手把手教你热仿真--认识ICEPAK
weixin_39533742的博客
11-17 3856
前言：随着电子技术的不断发展，高能量密度，小型化，快速迭代已经成为电子产品的趋势，电子产品中的热管理也日益成为一个挑战。ICEPAK作为一个主流的热仿真软件，日益受到设计者的关注。在面向电子产品的热仿真，尤其是板级系统的热仿真，ICEPAK的仿真能力可以说是无出其右，尤其是背靠ANSYS这颗大树，其流体处理能力，多物理场耦合都能够得到很好的支撑。ANSYS集成了一系列基于有限元方法的仿真工具，但是...
热传导方程代码
10-30
matlab代码计算偏微分方程，可应用于数值计算。
杆中热传导matlab仿真
12-09
课程作业，用matlab仿真一维细杆中的热量传导过程。基本思路是将各阶的振动模式相加，再通过时间迭代，实现热量的动态变化
5naca63418yijie40000.cas（fluent二维翼型仿真）
12-04
fluent二维翼型仿真，流速2m/s，出口为压力出口，壁面为无滑移壁面，采用结构化网格，通过验证网格无关性，得出合适的网格数量，采用SIMPLC的求解方法，压力，转矩的耦合采用二级迎风，最终通过升力系数与阻力系数的监控，获得升力系数与阻力系数
python-fluent：Project Fluent的Python实现
02-04
python-fluent：Project Fluent的Python实现
PyFluent使用笔记——fluent和python结合使用，提高效率
qq_15963745的博客
03-29 2503
PyFluent是ansys公司在2022年新推出的功能，顾名思义就是fluent软件的Python模块，可以使用Python代码直接调用fluent并可以完成fluent的所有功能，包括fluent meshing画网格、fluent求解以及后处理。本质上PyFluent将fluent作为一个Python中的一个流体求解器，与numpy、scipy这些数据处理模块类似。PyFluent最大的优势在于其接入了强大的Python生态，可以使用Python其他功能强大的模块来拓展fluent的功能。
python之有限体积法求解一维热传导问题
T20151470的博客
09-15 1083
对系数矩阵的条件有要求：高斯-赛德尔迭代法的收敛性与系数矩阵的条件有关，如果系数矩阵不是正定矩阵或其条件数太大，可能会导致迭代不收敛或收敛速度慢。需要选择适当的迭代参数：高斯-赛德尔迭代法的收敛速度和计算精度与初始迭代参数的选择有关，如果参数选择不当，可能会导致迭代不收敛或收敛速度慢。存储空间较大：雅可比迭代法需要存储方程组的系数矩阵和常数向量，因此需要较大的存储空间，这可能在处理大规模问题时成为限制。收敛速度快：高斯-赛德尔迭代法通常具有较快的收敛速度，可以在较短的时间内求解出方程组的近似解。
python三维热传导模拟
最新发布
weixin_63074242的博客
04-24 400
下述代码是一个三维热传导模拟程序，用于模拟热量在三维空间中的传播。优化后的代码修复了原始代码中存在的一些问题，并添加了中文注释以提高可读性。代码首先定义了域大小，然后创建了一个用于存储温度的三维数组。接着设置了初始温度和边界条件。随后，通过离散化热传导方程，并使用显式Euler方法进行时间迭代，更新了温度值。最后，绘制了模拟结果的三维图形。这段代码可以用于简单的热传导模拟，但在实际应用中可能需要更复杂的模型和数值方法。
基于涡量场的二维物体非定常气动力计算研究
基于涡量场的二维物体非定常气动力计算是一个复杂的研究领域，需要涡量矩定理、流场与物体受力之间的关系、有限域中的流场信息、速度场和涡量场计算物体受力、控制体大小的影响等多方面的研究和应用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值