廣譜抗生素是常見的消炎藥，如阿奇霉素、頭孢等。當感染是由多種細菌引起的，或者不清楚是哪種細菌引起的時候，就會考慮盡量用廣譜的抗生素，因為能夠覆蓋更多可能的病原。

與之對應的就是“窄譜抗生素”，它是專門殺滅某一種或一類細菌的藥物；當然，此類藥物的應用場景就比較小了，我們通常需要對感染部位進行一系列的細菌培養，才能確定細菌的種類，再對癥下藥。

如果我們將Fluent的算例比喻成正常的人體，那么出現的問題（比如計算不收斂、發散等情況）就可以看作是一種病癥，需要有針對性的進行處理。當然，對于特定的錯誤，產生問題的原因是非常多的：比如網格問題、物理模型選擇、邊界條件設定、求解設置等。每個案例情況不一樣，解決的方法也各不相同，大多數情況都需要“窄譜抗生素”來進行具體問題的具體分析。

Fluent案例的“病”，通常會表現為“計算不收斂”這一癥狀

顯然，解決這些個性化的問題，需要工程師具備有相當豐富的軟件操作能力和行業使用經驗，才能夠順利完成任務，這些并不是在短時間內能夠快速掌握的技巧。因此，本文嘗試推薦一種“廣譜抗生素”來應對Fluent案例常見的“不收斂”問題，而且經過實踐證明，這一方法對于大多數的情況還是有一定效果的。

本次局部“廣譜抗生素”的藥方就是：局部加密網格。

網格自適應技術可以高效加密局部網格

我們都知道，Fluent網格的要求通常要滿足兩個條件，一是效率、二是準確。如果所有位置的網格都非常密，那么計算效率一定很低；相反，如果所有位置的網格都很稀疏，那么求解的準確性就會收到影響。

所以，最為優質的網格就是：該密的位置密，該稀疏的位置稀疏。

那么哪些位置需要密的網格呢？兩個位置，一是精細幾何細節的位置（曲邊、狹縫等），二是有大梯度變量的位置。除此之外的區域，都要求使用粗網格，從而提高計算效率。

幾何模型中的精細特征可以方便的在網格劃分階段進行加密

根據“廣譜抗生素”的藥方，我們需要加密大梯度變量區域的網格。目前的Fluent仿真經驗告訴我們，有相當一部分的仿真計算不收斂問題，都是由于網格不夠密所導致的。

當網格不能捕捉大梯度變量時，計算結果往往是不正確的

當網格能夠捕捉大梯度變量時，計算結果才能得到保證

那么如何加密具有大梯度的區域呢？通常有兩種方法，一是使用Fluent軟件自帶的網格自適應技術；二是通過ANSYS網格技術來重構流體網格。

1、Fluent中的網格自適應方法

該方法首先需要在原始（粗）網格上進行相應的仿真求解，得到（或者接近）收斂的結果后，通過標記的方式來獲取大梯度變量的位置。之后可以自動進行該位置的體網格加密，而且支持多次體網格反復加密，無需開啟前處理器進行網格劃分，所有的流程都在Fluent求解器中完成。

大梯度變量的存在區域可以直接顯示在算例中

當然，這種自適應網格加密還可以動態進行，即根據大梯度變量在不同計算步中存在的情況進行加密，當梯度變小之后，網格又恢復回原始大小（粗網格狀態）。

液晃問題中的動態網格自適應

2、ANSYS網格中的網格加密方法

WorkbenchMeshing是最為常用的網格劃分工具，具有上手快，易學易用的特點，是很多流體工程師的首選。那么當我們確定了具備有大梯度變量的位置之后，我們需要回到SCDM中建立能夠包含大梯度變量區域的CAD模型（立方體、圓柱或任意形狀均可），隨后連同流體計算區域一并導入到WorkbenchMeshing中。需要注意的是，這一部分加密的影響體（bodyof influence）并不會實際的劃分網格，只會加密與其重疊的流體計算區域。

WorkbenchMeshing中的體加密方法

ICEMCFD在進行四面體網格劃分的過程中，采用密度盒子對某些固定的區域進行局部網格加密，只需要我們了解加密位置大致的幾何坐標，即可進行網格的加密操作，（兩點法即為圓柱型加密區域）。

ICEMCFD中的體加密方法

有了局部加密的網格，我們的殘差通常就會有針對性的降下來了，“廣譜抗生素”對于一些問題的適用性還是顯而易見的，最明顯的局部網格加密，就是邊界層網格，只加密大梯度的近壁面位置，從而加速仿真的收斂效率。

邊界層網格的本質是局部加密

結語：對于成熟的Fluent案例，出現計算不收斂的情況是非常正常的，此時，有針對性的加密大梯度變量區域的網格，能夠有效減少數值振蕩，從而加速收斂。可以認為是一劑非常可靠的“廣譜抗生素”。

編輯：jq