ارور diverge: هفت دلیل اصلی عدم همگرایی در فلوئنت و ۱۰ نکته کلیدی برای جلوگیری از آن

مشکل همگرایی فلوئنت: چرا خطای Divergence فقط یک ارور ساده نیست؟ (اهمیت همگرایی در پروژه‌های صنعتی و دانشگاهی)

احتمالاً شما هم با این صحنه مواجه شدید: بعد از ساعت‌ها یا حتی یک شب تا صبح منتظر ماندن برای اجرای شبیه‌سازی، با پیغام قرمز رنگ و ناامیدکننده Divergence detected in AMG solver روبرو می‌شوید. تمام زحماتتان برای تولید مش و تنظیمات به هدر رفته و بدتر از آن، نمی‌دانید مشکل از کجاست. این فقط یک ارور فنی نیست؛ در یک پروژه صنعتی یعنی تأخیر و هزینه، و در یک پروژه دانشگاهی یعنی استرس و به خطر افتادن ددلاین. تیم سیمومک در تمام مراحل انجام پروژه فلوئنت کنار شماست؛ چه برای انجام پروژه دانشجویی فلوئنت و مشاوره تخصصی انجام پایان نامه فلوئنت نیاز به راهنمایی داشته باشید ما راهکار دقیق را به شما ارائه می‌دهیم.

قبل از اینکه عمیق‌تر به دلایل ارور diverge فلوئنت بپردازیم، هواست باشه که این یک بحث نسبتا پیشرفته است. اگر در ابتدای راه هستید، پیشنهاد می‌کنم ابتدا نگاهی به راهنمای ما در زمینه آموزش کامل انسیس فلوئنت از صفر تا صد بیندازید تا با اصول اولیه کاملاً آشنا شوید. درک درست مبانی، اولین قدم برای جلوگیری از خطاهای پیچیده است. برای اینکه بتوانید خطاها را رفع کنید، ابتدا باید بدانید که از نظر ریاضی چه اتفاقی در حال رخ دادن است. مقاله همگرایی و واگرایی در شبیه‌سازی عددی به چه معناست؟ دید خوبی نسبت به رفتار حلگر به شما می‌دهد.

جدول خلاصه‌ی عیب‌یابی سریعDivergence

ریشه‌یابی ارور diverge فلوئنت: ۷ دلیل کلیدی که منجر به واگرایی در شبیه‌سازی فلوئنت شما می‌شود

مشکل همگرایی فلوئنت یا واگرایی یا همان ارور diverge فلوئنت به زبان ساده یعنی معادلات ریاضی حلگر به جای نزدیک شدن به یک پاسخ پایدار، در حال دور شدن و رفتن به سمت بی‌نهایت هستند. این اتفاق مثل یک تب در بدن بیمار است؛ نشانه‌ای از یک مشکل عمیق‌تر. بر اساس تجربه چند ساله‌ام در پروژه‌های مختلف CFD، تقریبا تمام دلایل عدم همگرایی در فلوئنت به یکی از این ۷ مورد برمی‌گردد. بیایید آن‌ها را یکی یکی و بدون شاخ و برگ اضافه بررسی کنیم.

۱. کیفیت مش (Mesh Quality): اولین و مهم‌ترین متهم واگرایی در تحلیل‌های CFD

همیشه اولین جایی که باید دنبال ارور diverge فلوئنت بگردید، مش است. یک مش بی‌کیفیت می‌تواند دقیق‌ترین تنظیمات فیزیکی را هم بی‌اثر کند. یادم می‌آید در یکی از اولین پروژه‌های صنعتی که روی یک مبدل حرارتی پوسته و لوله کار می‌کردیم، مقدار Skewness در برخی سلول‌ها به 0.92 رسیده بود. شبیه‌سازی حتی یک تکرار (Iteration) هم جلو نمی‌رفت و بلافاصله واگرا می‌شد.

بعد از یک روز کامل کار روی اصلاح مش و رساندن ماکزیمم Skewness به زیر 0.85، حل به راحتی همگرا شد. پس این اعداد را جدی بگیرید:

• Skewness (چولگی): سعی کنید همیشه زیر 0.85 نگهش دارید. مقادیر بالای 0.9 تقریباً همیشه دردسرساز هستند.
• Orthogonal Quality (کیفیت تعامد): باید تا حد ممکن به ۱ نزدیک باشد. مقادیر زیر 0.1 زنگ خطر جدی هستند.

یک مش بد نه تنها باعث واگرایی می‌شود، بلکه گاهی اوقات می‌تواند شما را با خطاهای عجیب‌تری مثل بررسی علت و راهکار خطای Floating Point Exception هم درگیر کند که ریشه‌یابی آن به مراتب سخت‌تر است. MESH 📉

۲. شرایط مرزی (Boundary Conditions) اشتباه: وقتی فیزیک مسئله را به فلوئنت غلط معرفی می‌کنید

نرم‌افزار فلوئنت فیزیک نمی‌داند؛ شما هستید که به او می‌گویید با مرزهای دامنه چه کار کند. یک انتخاب اشتباه در این مرحله، مثل دادن یک آدرس غلط به یک راننده است. برای مثال، اگر در خروجی یک کانال که فشار آن مشخص نیست، شرط مرزی Pressure Outlet با فشار اتمسفر تعریف کنید، ممکن است با جریان معکوس (Reversed Flow) مواجه شوید که یکی از دلایل اصلی نوسان و واگرایی حل است.

در چنین مواقعی شاید بهتر باشد خروجی را به اندازه کافی از ناحیه مورد بررسی دور کنید یا از شرط مرزی Pressure Outlet با مقدار صفر گیج استفاده نکنید. ما در یک مقاله جداگانه به طور کامل توضیح داده‌ایم که چطور با مشکل Reversed Flow در فلوئنت کنار بیاییم؟. حتما آن را مطالعه کنید.

۳. مقداردهی اولیه (Initialization) نامناسب: یک شروع بد، پایانی بدتر!

اینیشالایز کردن یا مقداردهی اولیه، حدس اولیه حلگر برای شروع محاسبات است. اگر این حدس اولیه خیلی با شرایط واقعی و پایدار مسئله فاصله داشته باشد، حلگر در همان تکرارهای اول دچار شوک شده و واگرا می‌شود. این مثل تلاش برای روشن کردن ماشین با دنده ۵ است!

فلوئنت دو گزینه اصلی دارد: Hybrid Initialization و Standard Initialization. گزینه هیبریدی در اکثر موارد خوب عمل می‌کند، اما در مسائل پیچیده مثل جریان‌های تراکم‌پذیر یا مدل‌های چندفازی، گاهی بهتر است از روش استاندارد استفاده کنید و مقادیر اولیه را به صورت دستی و با دقت بیشتری از روی شرایط مرزی ورودی (مثلاً Compute from Inlet) تنظیم کنید. این کار کوچک می‌تواند تفاوت بزرگی ایجاد کند. 💡

۴. ضرایب زیرآرامش (Under-Relaxation Factors) تهاجمی: عجله در همگرایی کار دستتان می‌دهد

ضرایب زیرآرامش (URFs) کنترل می‌کنند که در هر تکرار، چه مقدار از تغییرات محاسبه شده به متغیرها اعمال شود. مقادیر پیش‌فرض فلوئنت معمولاً برای مسائل ساده خوب هستند، اما اگر فیزیک مسئله شما خیلی پیچیده است (مثلاً اندرکنش شدید بین مومنتوم و انرژی)، این مقادیر می‌توانند بیش از حد “تهاجمی” باشند و باعث نوسانات شدید و مشکل ارور diverge فلوئنت شوند.

کاهش این ضرایب به حلگر اجازه می‌دهد تا با “قدم‌های کوچک‌تر” و محتاطانه‌تر به سمت پاسخ نهایی حرکت کند. البته این کار زمان همگرایی را افزایش می‌دهد، اما بهتر از واگرایی است! برای شروع می‌توانید مقادیر Pressure و Momentum را کمی کاهش دهید.

در پروژه‌های صنعتی پیچیده، تنظیم دقیق این پارامترها یک هنر است که با تجربه به دست می‌آید. اگر در پروژه‌تان با چنین چالشی درگیر هستید، تیم ما در سیمومک آماده ارائه خدمات انجام پروژه فلوئنت با در نظر گرفتن تمام این نکات فنی برای رسیدن به نتایج دقیق و قابل اطمینان است.

در اینجا یک جدول پیشنهادی برای شروع کار آورده شده است:

از پروژه‌های کلاسی و انجام پروژه دانشجویی فلوئنت گرفته تا سطوح پیشرفته مثل انجام پایان نامه فلوئنت و انجام پروژه انسیس فلوئنت با هندسه‌های پیچیده، تیم ما آماده انجام پروژه فلوئنت با تضمین کیفیت و آموزش کامل است.

۵. گام زمانی (Time Step) بزرگ در حل گذرا: خطای مرگبار عدد کورانت (Courant Number)

این مورد مختص شبیه‌سازی‌های گذرا (Transient) است. عدم همگرایی در فلوئنت در این نوع حل‌ها، اغلب به خاطر انتخاب گام زمانی (Time Step) بیش از حد بزرگ اتفاق می‌افتد. گام زمانی بزرگ یعنی به سیال اجازه می‌دهید در یک مرحله محاسباتی، مسافت زیادی را طی کند (مثلا از چند سلول عبور کند)، که این باعث بی‌ثباتی عددی می‌شود.

یک قانون سرانگشتی خوب، ثابت نگه داشتن عدد کورانت (CFL) زیر ۱ است. عدد کورانت به زبان ساده یعنی (سرعت سیال × گام زمانی) / اندازه سلول. پس اگر مش ریزی دارید یا سرعت جریان بالاست، باید گام زمانی بسیار کوچکی انتخاب کنید. نادیده گرفتن این موضوع، یکی از اشتباهات رایج بین دانشجویانی است که روی پروژه‌های پایان‌نامه کار می‌کنند. اگر به دنبال موضوعی برای پروژه خود هستید، می‌توانید نگاهی به لیست ایده‌های جدید برای پایان نامه با فلوئنت ما بیندازید که خیلی از آنها شامل تحلیل‌های گذرا هستند.

۶. انتخاب مدل فیزیکی نامناسب: آیا مدل توربولانسی شما با فیزیک جریان سازگار است؟

این یکی از اون خطاهای مفهومی است که معمولا مهندسان کم‌تجربه‌تر مرتکب می‌شوند. فکر می‌کنند هر مدل توربولانسی برای هر نوع جریانی مناسب است. در حالی که هر مدل (مثل k-ε، k-ω SST یا RSM) برای شرایط خاصی طراحی شده و نقاط قوت و ضعف خودش را دارد. مثلاً استفاده از مدل استاندارد k-epsilon برای شبیه‌سازی دقیق جریان در نزدیکی دیواره‌ها (جایی که لایه مرزی اهمیت زیادی دارد) انتخاب خوبی نیست و می‌تواند منجر به نتایج غیرفیزیکی و در نهایت واگرایی شود.

یادم هست در یک پروژه برای بهینه‌سازی یک سیکلون صنعتی، مدل k-epsilon به هیچ وجه جواب نمی‌داد و حل دائماً واگرا میشد. جریان داخل سیکلون به شدت چرخشی و پیچیده بود. با تغییر مدل به Reynolds Stress Model (RSM) که برای جریان‌های دارای چرخش قوی بسیار مناسب‌تر است، نه تنها مشکل واگرایی حل شد، بلکه نتایج به طرز چشمگیری به داده‌های آزمایشگاهی نزدیک‌تر شد. 🌪️

جدول مقایسه تاثیر مدل‌های توربولانسی بر پایداری حل

پس قبل از شروع، از خودتان بپرسید: آیا فیزیک جریان من چرخشی است؟ آیا جدایش جریان دارم؟ آیا لایه مرزی برایم مهم است؟ پاسخ به این سوال‌ها به شما کمک می‌کند مدل درستی را انتخاب کنید. اگر در مورد انتخاب مدل مناسب شک دارید، مقاله ما در مورد مقایسه نرم‌افزارهای فلوئنت و CFX می‌تواند دید خوبی در مورد قابلیت‌های هرکدام به شما بدهد.

۷. هندسه (Geometry) ناپاک و مشکلات دامنه محاسباتی

گاهی وقت‌ها ارور diverge فلوئنت نه در فلوئنت است و نه در مش‌بندی، بلکه به یک مرحله قبل‌تر، یعنی مدل CAD برمی‌گردد. سطوح ریز و اضافی (Sliver Faces)، لبه‌های تیز و کوتاه (Short Edges) یا شکاف‌های کوچک (Gaps) در هندسه می‌توانند در زمان مش‌بندی، سلول‌هایی با کیفیت افتضاح تولید کنند. این سلول‌های بد، مثل بمب ساعتی در دامنه محاسباتی شما عمل می‌کنند و منتظر یک تلنگر برای ایجاد واگرایی هستند.

همیشه قبل از شروع مش‌زنی، با ابزارهای موجود در SpaceClaim یا Design Modeler، هندسه خود را تمیز (Clean Up) و تعمیر (Repair) کنید. این چند دقیقه زمان اضافه، می‌تواند ساعت‌ها از وقت شما را در مراحل بعدی ذخیره کند. این نکته به ظاهر ساده، یکی از مهم‌ترین مواردی است که ما همیشه در پروژه‌های انجام پروژه دانشجویی فلوئنت به دانشجویان گوشزد می‌کنیم، چون اغلب از آن غافل می‌شوند.

چک‌لیست طلایی سیمومک: ۱۰ اقدام کلیدی قبل از کلیک روی دکمه Calculate برای جلوگیری از Divergence

برای اینکه کارتان راحت‌تر شود، این چک‌لیست را آماده کرده‌ایم. قبل از هر اجرای طولانی و در امان ماندن از ارور diverge فلوئنت، یک بار این موارد را مرور کنید:

1. بررسی کیفیت مش: Skewness زیر 0.85 و Orthogonal Quality بالای 0.15 باشد.
2. جهت نرمال بردارها: مطمئن شوید نرمال بردارها در مرزها به سمت داخل دامنه سیال باشند.
3. انتخاب مدل فیزیکی مناسب: آیا مدل توربولانسی شما با فیزیک مسئله همخوانی دارد؟
4. تعریف صحیح خواص مواد: چگالی، ویسکوزیته و… را درست وارد کرده‌اید؟
5. شرایط مرزی منطقی: آیا ورودی، خروجی و دیوارها به درستی تعریف شده‌اند؟
6. مقداردهی اولیه معقول: از روش Hybrid استفاده کنید یا مقادیر را دستی و نزدیک به واقعیت تنظیم کنید.
7. ضرایب زیرآرامش (URFs): برای مسائل پیچیده، مقادیر پیش‌فرض را کمی کاهش دهید.
8. گام زمانی مناسب (برای حل گذرا): عدد کورانت (CFL) را در محدوده مجاز نگه دارید.
9. تعیین مانیتور پوینت (Monitor Point): یک پارامتر کلیدی (مثل درگ یا افت فشار) را برای مانیتور کردن همگرایی انتخاب کنید.
10. ذخیره‌سازی فایل Case: قبل از اجرا، حتما فایل case را ذخیره کنید! ✅

چگونه مانند یک متخصص، واگرایی را در فلوئنت عیب‌یابی (Debug) کنیم؟

خب، اگر با وجود رعایت همه نکات بالا باز هم به مشکل خوردید، وقتشه که کلاه کارآگاهی سرتان بگذارید و عیب‌یابی کنید.

تحلیل نمودار باقی‌مانده‌ها (Residuals): این نمودارها چه داستانی را روایت می‌کنند؟

نمودار باقی‌مانده‌ها اولین و بهترین سرنخ شماست. به جای اینکه فقط منتظر بمانید تا خطوط صاف شوند، به رفتار آنها دقت کنید:

• پرش ناگهانی: اگر نمودار یک متغیر خاص (مثلا Energy یا k) ناگهان به سمت بالا میپرد، یعنی مشکل به احتمال زیاد مربوط به همان معادله است. شاید شرایط مرزی حرارتی اشتباه است یا مش در آن ناحیه بیش از حد کشیده شده.
• نوسانات منظم: اگر نمودارها به جای صاف شدن، نوسان می‌کنند، این میتواند نشانه یک پدیده فیزیکی گذرا (مثل پدیده گردابه‌ریزی یا Vortex Shedding) باشد که شما در حال تلاش برای حل آن به صورت پایا (Steady-State) هستید. شاید لازم باشد به حل گذرا سوئیچ کنید.
• عدم کاهش باقی‌مانده: اگر باقی‌مانده‌ها از یک حدی پایین‌تر نمی‌آیند (Stalled Residuals)، ممکن است معیارهای همگرایی شما بیش از حد سخت‌گیرانه باشد یا نیاز به اصلاح مش داشته باشید.

مشکل همگرایی فلوئنت: حل مشکل Divergence در یک پروژه شبیه‌سازی آیرودینامیک خودرو

در یکی از پروژه‌های اخیر، در حال شبیه‌سازی جریان روی یک خودروی سدان بودیم تا ضریب درگ را محاسبه کنیم. با وجود مش باکیفیت و تنظیمات استاندارد، حل در حدود تکرار ۲۰۰ واگرا می‌شد و ارور diverge فلوئنت محرز بود. با بررسی دقیق‌تر متوجه شدیم که در ناحیه پشت آینه‌های جانبی و پشت خودرو، جریان به شدت جدا شده و گردابه‌های ناپایداری شکل گرفته است.

راهکار ما: به جای استفاده از مدل k-ω SST به تنهایی، به سراغ یک مدل هیبریدی پیشرفته‌تر مثل (SBES (Stress-Blended Eddy Simulation رفتیم. این مدل به ما اجازه داد تا در نواحی نزدیک به بدنه از روش RANS و در نواحی دورتر و در ناحیه دنباله (Wake) از روش LES استفاده کنیم. این رویکرد ترکیبی، پایداری حل را به شدت افزایش داد و توانستیم فیزیک پیچیده جریان را به درستی شبیه‌سازی کنیم. این یکی از همان نکات کلیدی است که در نوشتن فصل شبیه‌سازی یک پایان‌نامه حرفه‌ای تفاوت ایجاد می‌کند.

وقتی هیچ‌کدام از راه‌حل‌ها جواب نداد: آیا زمان آن رسیده که از متخصصین CFD کمک بگیرید؟

گاهی اوقات، با وجود تمام تلاش‌ها، یک شبیه‌سازی به دلیل پیچیدگی بالای فیزیکی یا محدودیت‌های عددی، همچنان با مشکل مواجه است. اینجاست که تجربه و دید عمیق‌تر به فیزیک مسئله اهمیت پیدا می‌کند. اگر در پروژه خود با مشکل عدم همگرایی دست و پنجه نرم می‌کنید و احساس می‌کنید در یک بن‌بست فنی گیر کرده‌اید، شاید وقت آن رسیده که کار را به متخصصان بسپارید.

خدمات رفع اشکال و مشاوره پروژه فلوئنت و رفع مشکل همگرایی فلوئنت در سیمومک برای دانشجویان و پژوهشگران

ما در سیمومک، به طور تخصصی روی چالش‌های شبیه‌سازی کار می‌کنیم. خدمات ما برای شما که درگیر پروژه‌های آکادمیک هستید شامل موارد زیر است:

• عیب‌یابی و رفع خطاهای رایج (Divergence, Floating Point, Reversed Flow)
• مشاوره در انتخاب مدل فیزیکی و توربولانسی مناسب
• کمک در تولید مش باکیفیت برای هندسه‌های پیچیده
• راهنمایی برای اعتبارسنجی (Validation) نتایج با داده‌های تجربی

انجام کامل پروژه‌های CFD صنعتی: راهکار سیمومک برای کاهش هزینه و زمان در صنایع مهندسی

برای شرکت‌ها و تیم‌های R&D، زمان و دقت، پول است. ما با درک عمیق از نیازهای صنعت و مشکل همگرایی فلوئنت، خدمات جامعی را ارائه می‌دهیم تا شما با خیال راحت بر روی نوآوری محصول خود تمرکز کنید. ما می‌دانیم که رسیدن به یک حل پایدار و قابل اعتماد، تنها بخشی از مسیر است و تحلیل دقیق نتایج و ارائه گزارش‌های کاربردی، هدف نهایی است. امیدواریم این راهنما به شما در حل ۷ دلیل اصلی عدم همگرایی (Divergence) در فلوئنت کمک کرده باشد. برای اطمینان از کیفیت و دقت نتایج، می‌توانید از خدمات انجام پروژه انسیس فلوئنت ما استفاده کنید. همچنین برای پروژه‌های حساس، امکان عقد قرارداد و انجام پروژه فلوئنت در تهران به صورت حضوری و یا انجام پروژه فلوئنت به صورت آنلاین برای سراسر کشور فراهم است.

سوالات متداول

۱. سوال: آیا همیشه کاهش ضرایب زیرآرامش (Under-Relaxation Factors) به همگرایی کمک می‌کند؟
جواب: در بیشتر موارد بله، اما نه همیشه. کاهش بیش از حد این ضرایب می‌تواند سرعت همگرایی را به شدت کند کرده و باعث شود حل در یک حالت نیمه‌پایدار “گیر” کند (Stalled). بهترین کار، کاهش تدریجی و پله‌ای آنهاست، نه کاهش ناگهانی و شدید.

۲. سوال: تفاوت اصلی خطای Divergence با Floating Point Exception چیست؟
جواب: خطای Divergence معمولاً به خاطر ناپایداری‌های عددی در حل معادلات رخ می‌دهد (مثلاً گام زمانی بزرگ یا شرایط مرزی اشتباه). اما خطای Floating Point Exception یک خطای ریاضیاتی عمیق‌تر است که اغلب به خاطر تولید مقادیر غیرمعقول (مانند تقسیم بر صفر یا جذر عدد منفی) به وجود می‌آید که ریشه آن معمولاً در کیفیت بسیار پایین مش یا یک مدل فیزیکی کاملاً نامناسب است.

۳. سوال: آیا ممکن است یک شبیه‌سازی با مش بی‌کیفیت همگرا شود؟
جواب: بله، ممکن است. اما این “همگرایی” کاملاً بی‌ارزش و گمراه‌کننده است. نتایج حاصل از یک مش بی‌کیفیت، حتی اگر حل همگرا شود، به هیچ وجه قابل اعتماد نیستند و با واقعیت فیزیکی فاصله زیادی دارند. به این حالت “همگرایی به پاسخ اشتباه” می‌گویند.

۴. سوال: در چه شرایطی باید از حلگر Coupled به جای حلگرهای Segregated (مثل SIMPLE) استفاده کرد؟
جواب: حلگر Coupled معمولاً برای جریان‌های تراکم‌پذیر با سرعت بالا (High-Speed Compressible Flows) و جریان‌هایی که اندرکنش قوی بین فشار و سرعت وجود دارد، بسیار پایدارتر و سریع‌تر عمل می‌کند. اما منابع محاسباتی بیشتری (رم) مصرف می‌کند. برای جریان‌های تراکم‌ناپذیر و سرعت پایین، حلگر SIMPLE یا PISO انتخاب‌های استاندارد و خوبی هستند.

۵. سوال: چگونه بفهمم نمودار باقی‌مانده‌ها (Residuals) به اندازه کافی پایین آمده و حل همگرا شده است؟
جواب: معیار استاندارد، رسیدن باقی‌مانده‌ها به زیر 1e-3 است (برای معادله انرژی گاهی 1e-6 در نظر گرفته می‌شود). اما مهم‌تر از آن، “صاف شدن” (Flattening) نمودارها و ثابت ماندن یک پارامتر فیزیکی مهم (مثل ضریب درگ یا افت فشار) در چند صد تکرار آخر است. این نشان‌دهنده همگرایی واقعی است.

۶. سوال: آیا استفاده از مش شش‌وجهی (Hexahedral) به جای چهاروجهی (Tetrahedral) در جلوگیری از واگرایی موثر است؟
جواب: بله، به شدت. مش‌های شش‌وجهی معمولاً کیفیت بسیار بالاتری دارند (Skewness پایین‌تر و Orthogonal Quality بالاتر)، تعداد سلول کمتری برای دقت یکسان نیاز دارند و ذاتاً پایدارتر هستند. اگر هندسه شما اجازه می‌دهد، استفاده از مش هگزا همیشه ارجح است.

۷. سوال: بعد از اینکه حل واگرا شد، آیا می‌توانم آن را از همان نقطه ادامه دهم؟
جواب: خیر. وقتی حل واگرا می‌شود، فایل داده (Data file) خراب شده و حاوی مقادیر غیرفیزیکی (مثل NaN) است. شما باید به فایل Case برگردید، تنظیمات را اصلاح کنید، دوباره مقداردهی اولیه (Re-initialize) انجام دهید و حل را از صفر شروع کنید.

۸. سوال: آیا فعال کردن گزینه‌های High Order Term Relaxation می‌تواند به همگرایی کمک کند؟
جواب: بله، این گزینه می‌تواند در مراحل اولیه حل که تغییرات شدید است، با اعمال یک نوع “آرامش” اضافی به پایداری حل کمک کند. فعال کردن آن برای چند صد تکرار اول و سپس غیرفعال کردنش می‌تواند استراتژی خوبی باشد.

۹. سوال: چرا گاهی اوقات حل در حالت پایا (Steady-State) واگرا می‌شود ولی در حالت گذرا (Transient) همگراست؟
جواب: این معمولاً نشان می‌دهد که فیزیک مسئله شما ذاتاً ناپایا است (مثلاً پدیده گردابه‌ریزی کارمن). حلگر پایا نمی‌تواند این نوسانات فیزیکی را مدل کند و واگرا می‌شود، اما حلگر گذرا با مدل‌سازی این تغییرات در زمان، به یک حل پایدار (نوسانی) می‌رسد.

۱۰. سوال: اگر کامپیوتر من ضعیف باشد، آیا این موضوع می‌تواند باعث واگرایی شود؟
جواب: به طور مستقیم خیر. سخت‌افزار ضعیف فقط باعث کندی محاسبات می‌شود. اما به طور غیرمستقیم، ممکن است شما را وسوسه کند که برای سریع‌تر شدن کار، از مش درشت‌تر یا گام زمانی بزرگ‌تر استفاده کنید که اینها خودشان از دلایل اصلی واگرایی هستند.