Embedded Files
Au début des années 1980, Ansys Fluent est devenu le premier logiciel commercial de dynamique des fluides numérique (CFD) à disposer d'une interface utilisateur graphique et d'un flux de travail plutôt que d'une entrée en ligne de commande. La popularité de Fluent a augmenté d'année en année, tout comme son adoption par l'industrie.
En mai 2006, Fluent Inc. a été acquis par Ansys. Depuis son entrée dans la famille Ansys, nous avons sans cesse repoussé les limites de la performance, de la précision et de la productivité de Fluent, apportant des innovations de pointe qui ont aidé les ingénieurs à surmonter les obstacles de conception les plus difficiles à imaginer lorsqu'ils traitent des problèmes de dynamique des fluides.
2014 : Déchargement accéléré par le GPU et solveur Adjoint
2014 : Déchargement accéléré par le GPU et solveur Adjoint
Alors que les technologies des processeurs graphiques (GPU) sont au centre de l'actualité, le concept d'utilisation des GPU comme accélérateurs CFD a été introduit dans Fluent en 2014 avec le solveur NVIDIA AmgX. Restez avec nous dans ce scénario de voyage dans le temps, car en 2022, Fluent sera le premier logiciel commercial de CFD à introduire un solveur multi-GPU de volume fini non structuré, entièrement résident, surmontant les limitations de déchargement et perturbant le marché des simulations CFD.
Le solveur Adjoint a été introduit pour la première fois dans Fluent en 2014 pour révolutionner les connaissances des simulations CFD en utilisant les sensibilités adjointes pour conduire des changements de conception intelligents qui ne sont pas intuitifs pour un concepteur. Depuis sa création, la fiabilité et la facilité d'utilisation du solveur Adjoint ont constamment évoluées jusqu'à devenir un framework complet d'optimisation de produits.
Optimisez les conceptions grâce à l'optimisation automatisée des formes à l'aide du solveur Adjoint, introduit en 2014.
2016 : Fluent bat un record de supercalculateur de 170 000 cœurs.
La recherche et le développement sur le calcul haute performance (HPC) pour améliorer la scalabilité parallèle de Fluent a été - et est toujours - un axe essentiel. En 2016, Cray Inc. et le Centre de Calcul Haute Performance (HLRS) de l'Université de Stuttgart ont établi un nouveau record mondial de supercalculateur en mettant à l'échelle Fluent à plus de 172 000 cœurs de caldul, permettant aux organisations de créer des prototypes virtuels complets innovants et révolutionnaires de leurs produits plus rapidement et plus efficacement que jamais.
2017 : Adaptation de PUMA et modèle de turbulence SBES
Une autre innovation de pointe pour un logiciel CFD commercial a été l'introduction de l'adaptation brevetée du maillage polyédrique non structuré (PUMA) en 2017. Cette technique d'adaptation affine automatiquement et dynamiquement le maillage pour suivre les détails fins de l'écoulement. Par conséquent, les ingénieurs peuvent obtenir la précision dont ils ont besoin, là où ils en ont besoin, pour capturer les détails de la simulation tout en laissant un maillage plus courant ailleurs pour des temps de résolution plus rapides.
Accélérez les temps de résolution en affinant automatiquement un maillage pour résoudre les détails fins tout en laissant en place le maillage plus grossier grâce à l'adaptation de maillage polyédrique non structuré (PUMA), introduite en 2017.
La même année, le modèle de turbulence SBES (stress-blended eddy simulation) a permis de surmonter les problèmes inhérents aux simulations hybrides RANS-LES. La simulation de grands tourbillons (LES) est peu coûteuse dans la région proche de la paroi, alors que les modèles Navier-Stokes à moyenne de Reynolds (RANS) sont bien adaptés aux couches limites de la paroi.
Les modèles hybrides RANS-LES fournissent une modélisation efficace près des parois à l'aide d'un modèle de turbulence RANS et une solution haute-fidélité loin des parois à l'aide d'une approche LES, mais le passage d'un modèle à l'autre a traditionnellement souffert de la dépendance au maillage et de la fausse séparation de l'écoulement induite par le maillage. Le modèle SBES développé par Ansys a introduit une fonction de blindage unique et propriétaire pour surmonter ces problèmes, ce qui a donné lieu à un modèle de turbulence à résolution d'échelle fiable et efficace auquel les ingénieurs peuvent se fier.
2018 : Maillage mosaïque et modèle de rupture de pulvérisation.
La transition entre différents types d'éléments de maillage dans des géométries complexes tout en conservant la qualité du maillage a longtemps été un défi majeur du maillage, en particulier lors de la transition entre les prismes de couche limite et les éléments hexagonaux éloignés des murs. En 2018, Fluent a introduit le maillage Mosaic pour relever ce défi en connectant automatiquement différents types de mailles avec des éléments polyédriques de haute qualité. Les simulations qui en ont résulté étaient nettement plus rapides avec une plus grande précision de solution tout en utilisant moins de RAM.
La même année, le modèle de rupture de pulvérisation a été la première mise en œuvre commerciale de la transition entre la méthode du volume de fluide (VOF) et la méthode des particules discrètes (DPM) pour les simulations multiphases, telles que la rupture de spray. Dans ce modèle, les gouttelettes distinctes de la simulation VOF sont détectées et remplacées par des particules DPM (c'est-à-dire des points de masse), et le maillage est rendu plus grossier en conséquence.
2019 : Modèle de turbulence GEKO
En 2019, l'équipe chargée de la turbulence d'Ansys a introduit un modèle de turbulence k-ω généralisé (GEKO) avec des coefficients accordables. Les coefficients accordables de GEKO peuvent être ajustés sur une large plage pour correspondre à des effets physiques spécifiques tout en conservant la calibration du modèle sous-jacent. Aucun autre modèle de turbulence n'offre suffisamment de flexibilité pour correspondre aux données expérimentales sur un large ensemble de cas d'essai - même s'il est réglé par un expert en modèles de turbulence - alors que les coefficients de GEKO offrent cette flexibilité. Le modèle GEKO peut même être adapté aux résultats de simulation à résolution d'échelle, comme ceux qui utilisent le modèle de turbulence SBES. Le modèle de turbulence GEKO est exclusivement disponible dans les applications fluides d'Ansys.
2020 : Modèle de transition AIAD et électrochimie 3D pour les batteries
En 2020, Fluent a été le premier logiciel commercial à présenter une méthode de transition multiphase eulérienne basée sur l'approche AIAD (algebraic interfacial area density). Cette méthode est adaptée à une gamme d'applications telles que les scénarios de perte de réfrigérant dans les réacteurs à eau pressurisée, avec un fort accord avec les données expérimentales par rapport aux méthodes alternatives.
La même année, Fluent a introduit la simulation transitoire du transport des lithium-ions ( Li-ion ) pendant la charge/décharge de la batterie, fournissant une solution commerciale complète pour l'électrochimie 3D des batteries Li-ion.
2021 : Transition bidirectionnel de VOF-to-DPM-to-EWF et réglage de la turbulence AI/ML
Comme mentionné précédemment, la transition VOF vers DPM a été introduite pour la première fois dans Fluent en 2018 avec le modèle de rupture de pulvérisation. En 2021, Fluent a rendu cette transition bidirectionnelle, en prenant en charge la transition inverse DPM vers la VOF et en la complétant par la transition vers le film mural eulérien (EWF). Dans le modèle bidirectionnel VOF vers DPM vers EWF, les particules DPM tombant sur une surface liquide libre repassent en formulation VOF et les particules de point de masse sont remplacées par du liquide VOF résolu par maillage.
La même année, Fluent a introduit le réglage de turbulence par intelligence artificielle (AI) / apprentissage machine (ML), dans lequel les coefficients GEKO sont réglés avec des algorithmes ML plutôt que manuellement. Cela permet aux ingénieurs d'utiliser un modèle de turbulence à résolution d'échelle tel que SBES pour générer une solution haute-fidélité. Ils peuvent ensuite utiliser ML pour régler les coefficients GEKO dans tout le champ d'écoulement 3D, de sorte que les itérations de conception ultérieures puissent utiliser le modèle GEKO beaucoup plus rapide tout en conservant une précision proche de la solution à résolution d'échelle.
2022 : Solveur multi-GPU Live-GX et PyFluent
Comme mentionné précédemment, Fluent a été un pionnier dans l'utilisation de la technologie GPU pour la simulation, et en 2022, il est passé à un autre niveau avec l'introduction d'un solveur multi-GPU natif. Ce tout nouveau solveur multi-GPU offre de nombreux avantages pour les simulations CFD en régime permanent et transitoire, y compris la réduction du temps de résolution de la simulation, des coûts matériels et de la consommation d'énergie avec la même précision que les solveurs CPU et sans toutes les limitations du déchargement GPU que nous avons mentionnées précédemment.
Enfin, Fluent a présenté PyFluent, une bibliothèque open-source pour accéder à toutes les commandes Fluent du pré au post-traitement en utilisant Python. PyFluent est conçu pour combiner une communauté robuste de pairs, un langage de programmation tel que Python qui encourage la réutilisation, et la pile de simulation de pointe d'Ansys pour créer des possibilités infinies.
Fluent a continuellement introduit des innovations de pointe qui ont changé la façon dont les simulations CFD sont effectuées et ont établi la norme pour l'industrie.
Google Sites
Report abuse