شبکه (مش) تطبیقی
Adaptive Grid (Mesh)
از شبکه (مش) تطبیقی به عنوان یک راهکار مناسب برای ریز/درشت کردن سلول‌های شبکه در حالتی که المان‌های شبکه از اندازه مناسب بزرگتر/کوچکتر باشد، استفاده می‌شود. همه ما می‌دانیم که تولید شبکه ایده‌آل اگر غیر ممکن نباشد بسیار زمان‌بر (هم از نظر فرآیند ایجاد شبکه و هم از نظر حل میدان جریان) است. از این رو، در برخورد با بسیاری مسائل دینامیک سیالات محاسباتی از راهکار شبکه تطبیقی استفاده می‌شود.
معیارهای تطبیق شبکه
تطبیق شبکه بر اساس معیارهای متعدد و متنوعی صورت می‌گیرد. این معیارها می‌توانند شامل موارد زیر باشند:
-
ناحیه مبنا (Region Based)،
-
مرز مبنا (Boundary Based)،
-
متغیر مبنا (Field Variable Based)،
-
محدودگرها (Limiters)،
-
باقیمانده‌ها (Residuals)،
-
حجم المان‌ها (Cell Volumes) و
-
وای-پلاس/وای-استار (Y-Plus/Y-Star).
پس از تعریف معیار تطبیق، المان‌های واجدالشرایط برای ریز یا درشت شدن علامت گذاری شده و سپس شبکه ریز (تقسیم هر یک از المان‌های واجدالشرایط) یا درشت (ادغام هر چند المان واجدالشرایط) خواهد شد. در نرم افزارهایی مثل Fluent مزایت اصلی این رویکرد چند منظوره، توانایی ایجاد معیارهای تطبیق متنوع و پیچیده می‌باشد. همچنین این نرم افزار از قابلیت نمایش شبکه تطبیق یافته بدون تغییر شبکه اولیه نیز برخوردار است.
همانطور که گفته شد برای تطبیق شبکه ابتدا یک شبکه اولیه تولید شده و میدان جریان روی آن حل می‌شود. در گام بعدی شبکه براساس معیارهای تطبیق ریز/درشت شده و گام نهایی نیز به حل معادلات حاکم بر جریان بر روی شبکه نهایی اختصاص دارد. نکته قابل توجه اما اینست که حتمن فایل شبکه و آنالیز اولیه را ذخیره سازی کنید تا اگر از معیارهای مناسبی برای تطبیق شبکه استفاده نکردید دیگر لازم نباشد کل فرآیند را از ابتدا شروع کنید. به عنوان مثال اگر از نرم افزار Fluent استفاده می‌کنید قبل از تطبیق شبکه ابتدا فایل‌های Case و Data را ذخیره نمایید.
روش‌های تطبیق شبکه
در روش معروف و کاربردی برای تطبیق شبکه که در نرم افزار فلوئنت هم از آن‌ها استفاده می‌شود عبارتند از:
1- روش تطبیق گره (نود) محاسباتی (Node) آویزان
در این روش سلول‌های مختلف شبکه براساس الگوهای تعریف شده اصلاح (تقسیم یا ادغام) می‌شوند.
2- تطبیق شبکه بی سازمان چند وجهی (PUMA)
در روش PUMA اصلاح سلول‌های چند وجهی (Polyhedral) نبوده و به حافظه اضافی برای حفظ سلسله مراتب توپولوژی شبکه در راستای پالایش شبکه نیاز دارد. همچنین در روش مذکور تمامی انواع سلول‌ها به عنوان یک چند وجهی در نظر گرفته شده از یک متدولوژی اصلاح شبکه بهره می‌برد. این روش گره‌های (نودهای) آویزان ایجاد نمی‌کند و لذا به حافظه کمتری نسبت به روش نودهای آویزان نیاز دارد. لازم به توضیح است که این روش تنها برای شبکه‌های سه بعدی کاربرد دارد البته می‌توان از آن برای شبکه‌های 2.5 بعدی (یعنی شبکه‌هایی با ضخامت یک سلول) هم استفاده کرد.