پاورفلو حلگر CFD سیمولیا هم وارد بازی یادگیری ماشین شد!

یادگیری ماشین با دینامیک سیالات محاسباتی (CFD) پیوند می‌خورد. 🫨 رشد یادگیری ماشین (ML) و بهبود مستمر الگوریتم‌های آن، امکان تسریع در آیرودینامیک محاسباتی را فراهم کرده است.

در مقاله زیر، دکتر فارون هسه توضیح می‌دهد که چگونه داده‌های آیرودینامیکی به‌دست‌آمده از نرم‌افزار PowerFLOW با ترکیب روش‌های مبتنی بر داده، می‌توانند به خودروسازان کمک کنند تا نقشه‌های سه‌بعدی تمیز از توزیع نیروی X روی سطح خودرو، نیروی درگ ترکیبی و موارد دیگر را در عرض چند دقیقه روی یک GPU (پس از آموزش مدل یادگیری ماشین) به دست آورند.
https://blog.3ds.com/brands/simulia/rapid-aerodynamic-development-using-cfd-machine-learning/

#cfd #powerflow #ml #auto

موقعیت تحقیقاتی ارشد در فرانسه با موضوع

𝗘𝘂𝗹𝗲𝗿𝗶𝗮𝗻 𝗻𝘂𝗺𝗲𝗿𝗶𝗰𝗮𝗹 𝘀𝗶𝗺𝘂𝗹𝗮𝘁𝗶𝗼𝗻 𝗼𝗳 𝗳𝗿𝗮𝗴𝗺𝗲𝗻𝘁𝗮𝘁𝗶𝗼𝗻 𝗼𝗳 𝗯𝗿𝗶𝘁𝘁𝗹𝗲 𝘀𝗼𝗹𝗶𝗱𝘀 𝘁𝗵𝗿𝗼𝘂𝗴𝗵 𝗵𝘆𝗽𝗲𝗿𝗯𝗼𝗹𝗶𝗰 𝗺𝗼𝗱𝗲𝗹𝗹𝗶𝗻𝗴 𝗼𝗳 𝗴𝗿𝗮𝗱𝗶𝗲𝗻𝘁 𝗱𝗮𝗺𝗮𝗴𝗲


#𝗶𝗻𝘁𝗲𝗿𝗻𝘀𝗵𝗶𝗽 #cfd #fea

بهبودهای حلگر دو فازی سطحی LS-DYNA ICFD

شبیه‌سازی عددی جریان‌های دو فازی با کپچر سطح مشترک شامل حل مجموعه‌ای از معادلات ناویر-استوکس با خواص متغیر مواد است. این ویژگی برای مسائل مایع-گاز بسیار کاربرد دارد و سرعت تحلیل را نسبت به VOF چند برابر می کند. اطلاعات بیشتر را می توانید از مقاله بگیرید.

#lsdyna #icfd #cfd

شبیه‌سازی باز شدن چرخ فرود با SIMULIA XFlow

با استفاده از SIMULIA XFlow، این شبیه‌سازی باز شدن چرخ فرود یک هواپیما را مدل‌سازی می‌کند و تعاملات پیچیده سیال-سازه را در هنگام حرکت چرخ فرود در جریان هوا شبیه‌سازی می‌نماید.

روش Lattice-Boltzmann در XFlow، جریان‌های آشفته پیچیده اطراف اجسام متحرک را به‌خوبی مدیریت کرده و بینش دقیقی از فشار، مقاومت هوا و اثرات آیرودینامیکی هنگام باز شدن چرخ ارائه می‌دهد.

این سطح از جزئیات در مهندسی هوافضا بسیار ارزشمند است و به مهندسان امکان می‌دهد تا طراحی چرخ‌های فرود را برای ایمنی، اطمینان و کاهش مقاومت آیرودینامیکی بهینه کنند.

خدمات CFD بنوموسی را بخوانید.

#xflow #cfd #aero #fsi

آیا می دانستید؟! Dotmatics M-Star CFD تنها نرم‌افزار CFD است که برای کاربردهای ایمنی "Class A" تأیید شده است، به‌ویژه در شبیه‌سازی ترکیب سیالات غیر نیوتنی مانند مواد زائد رادیواکتیو.

سیالات غیر نیوتنی رفتارهای پیچیده‌ای دارند و شبیه‌سازی آن‌ها برای جلوگیری از خطرات محیطی و انسانی در کاربردهای حساس مثل مدیریت مواد رادیواکتیو بسیار مهم است. این نرم‌افزار به دلیل دقت بالای خود، برای چنین محیط‌های ایمنی حساس توسط سازمان انرژی امریکا تأیید شده است.

https://www.osti.gov/biblio/1908981

#cfd #nuclear #mstar

در حالیکه بیشتر شبیه سازی های مبدل های حرارتی معطوف به بهبود عملکرد حرارتی و دمایی است اما مشکل عمده در رسوب گذاری است.

سوب‌گذاری به تجمع مواد ناخواسته بر روی سطوح مبدل‌های حرارتی اشاره دارد که می‌تواند به شدت عملکرد را کاهش داده و هزینه‌های نگهداری را افزایش دهد.

اگر با این چالش مواجه هستید، بنوموسی برای شما راه حل دارد...

#cfd #heat_exchanger #fouling

یادگیری ماشین، CFD و بهینه سازی پمپ

یادگیری ماشینی را می توان در فرآیند طراحی یک پمپ گریز از مرکز برای بهینه سازی هندسه دیفیوزر استفاده کرد. مدل هوش مصنوعی بر روی داده‌های ابزارهای شبیه‌سازی آموزش داده شده است که داده‌های قابل اعتمادی را تولید می‌کنند که کاملاً با نتایج اعتبارسنجی تجربی مطابقت دارد. با استفاده از یک مدل هوش مصنوعی آموزش‌دیده بر اساس داده‌های شبیه‌سازی، مهندسان می‌توانند تاثیر تغییرات پارامترهای دیفیوزر را فورا بررسی کنند.

پمپ های گریز از مرکز به طور گسترده برای پمپاژ سیالات با ویسکوزیته پایین مانند آب، روغن و بسیاری از مواد شیمیایی صنعتی استفاده می شود. یک پمپ گریز از مرکز از یک ورودی مرکزی و یک پروانه چرخان (ایمپلر) تشکیل شده است که سیال را شتاب می دهد و آن را از طریق خروجی در امتداد لبه بیرونی پمپ وارد می کند. پمپ‌های گریز از مرکز معمولاً شامل دیفیوزرها نیز می‌شوند: پره‌های ثابت داخل پمپ که سرعت سیال را کند و فشار را افزایش می‌دهند و در عین حال یکنواختی جریان را افزایش می‌دهند. هندسه دقیق این دیفیوزرها بر عملکرد و کارایی پمپ تأثیر می گذارد.
منبع

جهت مشاوره تماس بگیرید.
#cfd #ai #pump

شبیه سازی های تونل باد فراری دینو

#Ferrari #auto #cfd

ناسا در مرکز نوآوری لاکهید مارتین کارگاه دینامیک سیالات محاسباتی CFD با دقت بالا برگزار می کند:

NASA High Fidelity CFD Workshop 2025
Dates: 20-22 May, 2025

در این کارگاه، دستاوردهای تحقیقاتی Revolutionary Computational ارائه خواهد شد تا همکاری بین تیم‌های تحقیقاتی تقویت شود.

به همین منظور، پژوهشگران مستقل برجسته CFD نیز به شرکت در کارگاه دعوت خواهند شد و تحقیقات خود را در زمینه wall-modeled large-eddy simulation (WMLES)، مدل‌سازی ترکیبی RANS/LES و استفاده از یادگیری ماشین برای بهبود مدل‌سازی ارائه خواهند داد.

این کارگاه فرصتی برای ارزیابی پیشرفت‌های حاصل‌شده از 2012 تا الان، در زمینه CFD فراهم می کند.
Mujeeb Malik (m.r.malik@nasa.gov) or Gary Coleman (g.n.coleman@nasa.gov).


#cfd #nasa #workshop

مطالعه چشم‌انداز CFD NASA 2030 و مطالعه تأییدیه از طریق تحلیل 2040، بر نیاز به توسعه ابزارهای محاسباتی پیشرفته که مقاوم، کارآمد (از نظر هزینه) و دقیق باشند، تأکید کرده‌اند. برای اینکه ابزارهای دینامیک سیالات محاسباتی (CFD) پیش‌بینی دقیقی در نزدیکی لبه‌های فضای پرواز (مانند لیفت زیاد) ارائه دهند، به ابزارهای محاسباتی با دقت بالا و مقیاس‌پذیر نیاز است.

علوم هوافضای محاسباتی انقلابی (RCA) تحت پروژه ابزارها و فناوری‌های تحول‌ساز NASA، در تأمین چنین توسعه ابزارهایی در کنار آزمایشات برای ارائه داده‌های تأیید CFD مشغول بوده است. RCA یک چالش فنی دارد که در سپتامبر ۲۰۲۵ به بلوغ می‌رسد، برای توسعه و نمایش ابزارهای مدلسازی با کارایی محاسباتی و توانایی پیش‌بینی حداکثر ضریب بالابری برای هواپیماهای باربری با همان دقت آزمایش‌های پرواز تأییدی.

تمرکز تحقیقات RCA برای دستیابی به این چالش، در داخل NASA و تحقیقات برون‌مرزی تأمین‌شده، بر توسعه و نمایش قابلیت شبیه‌سازی بزرگ‌مقیاس با مدل دیواری (WMLES) متمرکز بوده است. علاوه بر این، پرتفولیوی تحقیقاتی RCA شامل تولید داده‌های تأیید CFD، تولید شبکه، آئرواستاتیک محاسباتی، روش‌های مرتبه بالا، مدل‌سازی مبتنی بر داده، انتقال لایه‌ای-آشفته، شبیه‌سازی عددی مستقیم و کمیت‌سازی عدم قطعیت است.

از اینرو واحد مدل سازی توربولانسی مرکز تحقیقات لانگلی ورکشاپی را در سال 2025 برگزار می کند که دیروز توضیحات آن را قرار دادم.

#CFD #nasa

بلاگ: نگاهی به چشم‌انداز 2030 ناسا برای CFD: آینده شبیه‌سازی‌های عددی در علوم هوافضا



در این بلاگ در مورد چشم‌انداز 2030 ناسا برای CFD نوشته ام. شاید کسی فرصت نکند تمام 58 صفحه ی این سند را مطالعه کند، برای همین مهمترین نکات آن در این بلاگ گردآوری شده است. درست است که 10 سال از ویرایش این سند گذشته و 6 سال دیگر باید اهداف آن میسر شده باشد، اما شاید برای ما که در ایران هستیم خیلی هم کهنه نباشد!

#cfd #nasa