CFD中文网

印象可以修改差值方式或者用mapFieldsPar试试

@尚善若水 在 OF可压流求解器 中说：

NEXTFoam

看起来很新啊，上月分布的

@biaowai 补充下，在Fluent理论和用户手册中搜索下，确实没有提到Picard，但出现了很多关于Newton-iteration的介绍，可能是Fluent更快收敛的一个原因

@程迪 读了大佬的解释，不免好奇，Fluent收敛速度比OF快会是因为非线性项处理方式引起的吗？比如Fluent可能用的是Newton迭代？OF为什么不用Newdon迭代呢，只是因为Picard迭代简单，不用求导？

尽管不是开发CFD求解器的，但用过LU-SGS求解器算高亚音叶栅，还是比较成功的
参考的是这位篇文献：
Development of a coupled matrix-free LU-SGS solver for turbulent compressible flows
论文网址：
https://www.sciencedirect.com/science/article/abs/pii/S0045793018302160
github网址：
https://github.com/furstj/myFoam
这个求解器没有低速预处理，算低速流的话，还是建议用simpleFoam，
看楼上大佬们讨论，似乎foam-extend版本已经有许多成熟的LUSGS求解器

@程迪 汗流浃背了，一直有困惑，可压缩流动中LUSGS收敛性会很好，但OpenFOAM官方一直没有这版本

@李东岳 响应老师号召

@李东岳 在单孔平板气膜冷却里，rhoSimpleFoam+SST+展向周期性边界，这一项还是比较重要的，没有这一项温度会扩散很慢，尤其是周期面上，fvOptions中可以直接设置：

dissiapation1
{
    type            viscousDissipation;
    selectionMode   cellSet;
    cellSet         sourceCells1;
}
参考
$FOAM_TUTORIALS/compressible/rhoPimpleFoam/RAS/TJunction
$FOAM_SRC/fvOptions/sources/derived/viscousDissipation 

@木木枭 厉害呀，连续伴随、离散伴随都挺难的，我想试试PINN求反问题 想当论文的最后一部分，还不清楚可行性

@李东岳 清华最近有工作“2024-工热学报-基于物理信息神经网络的气膜冷却湍流模型反演学习”，用的Si-LU激活函数:）

俺才刚开始用就要关么，，

@李东岳 李老师，就是初始流场，比如均匀初始化或者用一个RANS收敛的流场初始化

看完大佬们讨论，对OpenFOAM+神经网络模型有初步了解了，还有些疑问，想请教下各位老师：
用神经网络来确定非线性模型中的一些参数，并在每一步计算都调用神经网络，对初场的敏感性高吗？如果初场不同，神经网络更新的参数有很大区别，感觉可能导致收敛到不同结果？

感谢感谢！

@木木枭 还做伴随吗，感觉很不容易，对PINN反演，确定方程特定参数比较感兴趣，想先跟着李老师课程摸索下PINN

应该写成fvc::div(turbulence->devRhoReff() & U)吧，最近准备研究对流换热问题，不太清楚OF rhoSimpleFOAM、rhoPimpleFoam中不考虑粘性热项影响大吗，打算加上这一项试一试

@jinlinna 您好，想问下为什么alphat初场会对计算结果有明显影响呢，在0时刻后，alphat不还是用nutSGS/prt计算么

我也想知道L怎么定义的，OpenFOAM2312，这么解释

“The order of elements of the integral scales for the vector-based condition is “(Lxu Lxv Lxw Lyu Lyv Lyw Lzu Lzv Lzw)” and for the scalar-based condition is “(Lxi Lyi Lzi)”, where \c x here indicates the streamwise components and \c y/z lateral components. The streamwise components (i.e. \c x) are Lagrangian time scales in units of seconds and the remaining components are length scales in units of meters.”

Lxi对应拉格朗日时间尺度，Lyi/Lzi对应长度尺度

采用LUST 介于Guass linear和limitedLinear 0之间

@李东岳 div(phi,U) Gauss limitedLinear 0;

div(phi,U) Gauss linear;

Q=1e6