مدل های توربولانسی در فلوئنت (k-ε, k-ω, RSM) راهنمای جامع | تجربه صنعتی سیمومک

1. یک انتخاب اشتباه در مدل توربولانسی، چگونه دقت شبیه‌سازی شما را تا 30% کاهش می‌دهد؟

بذارید همین اول راهنمایی انتخاب مدل توربولانسی در فلوئنت یه چیزی رو رو راست بگم؛ انتخاب مدل توربولانسی در فلوئنت، صرفاً کلیک روی یک گزینه توی منوی نرم‌افزار نیست. این انتخاب، مغز متفکر شبیه‌سازی شماست. یک انتخاب غلط می‌تونه ضریب درگ یک ایرفویل رو تا ۳۰٪ اشتباه محاسبه کنه یا الگوی جریان داخل یک سیکلون رو کاملاً بی‌اعتبار نشون بده. پس اگر اینجا هستید، احتمالاً در یکی از مهم‌ترین مراحل پروژه CFD خودتون قرار دارید و ما قراره این مسیر رو براتون شفاف کنیم. 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.

این مقاله بخشی از راهنمای جامع ما در مورد راهنمای کامل نرم‌افزار انسیس فلوئنت است که در آن، از مبانی اولیه تا تکنیک‌های پیشرفته صنعتی را پوشش می‌دهیم.

2. چرا انتخاب مدل آشفتگی، مهم‌ترین تصمیم شما بعد از تولید مش در فلوئنت است؟

مش‌بندی قبل از انتخاب مدل توربولانسی در فلوئنت، اسکلت شبیه‌سازی شماست، اما مدل توربولانسی، موتور و سیستم عصبی آن است. این مدل به نرم‌افزار می‌گوید که با پدیده‌ای به نام «آشفتگی» یا توربولانس چگونه رفتار کند؛ پدیده‌ای که در اکثر جریان‌های صنعتی و طبیعی وجود دارد.

این تصمیم مستقیماً روی دقت نتایج، پایداری حل و حتی زمان محاسباتی شما (که می‌تونه روزها طول بکشه) تأثیر می‌گذارد. یک مدل نامناسب نه تنها نتایج غلط می‌دهد، بلکه اغلب باعث واگرایی (Divergence) و خطاهای اعصاب‌خردکن در حل می‌شود. 😫

3. مبانی مدل‌های RANS به زبان ساده: چرا به جای حل مستقیم، آشفتگی را “مدل” می‌کنیم؟

شبیه‌سازی مستقیم تمام گردابه‌های ریز و درشت یک جریان آشفته (که بهش DNS میگن) به قدری محاسبات سنگینی داره که برای شبیه‌سازی چند ثانیه جریان اطراف یک خودرو، به چندین ماه زمان با قوی‌ترین سوپرکامپیوترهای جهان نیاز داریم. این کار برای صنعت عملاً غیرممکنه.

اینجاست که مدل‌های مبتنی بر میانگین‌گیری رینولدز یا RANS (Reynolds-Averaged Navier-Stokes) وارد میدان می‌شن. این مدل‌ها به جای حل مستقیم، اثرات آشفتگی رو به صورت یک «مدل ریاضی» تخمین می‌زنند. در واقع ما داریم به فلوئنت سرنخ‌هایی از رفتار جریان میدیم تا بتونه با هزینه خیلی کمتر، یک تصویر کلی و مهندسی از واقعیت ارائه بده. این راهنمای انتخاب بهترین مدل توربولانسی دقیقاً برای همین نوشته شده.

4. خانواده k-ε (Standard, RNG, Realizable): اسب‌های کاری قدرتمند برای شبیه‌سازی‌های صنعتی

مدل‌های k-ε (کی-اپسیلون) قدیمی‌ترین و معروف‌ترین مدل‌های دو معادله‌ای هستند. اونها مثل آچار فرانسه دنیای CFD عمل می‌کنند: برای طیف وسیعی از مسائل، خصوصاً جریان‌های داخلی کاملاً آشفته (Fully Turbulent) مثل جریان در لوله‌ها، کانال‌ها یا داخل تجهیزات فرآیندی، نتایج قابل قبولی با هزینه محاسباتی منطقی ارائه میدن. هواستون باشه، “قابل قبول” به معنی “دقیق‌ترین” نیست!

جدول مقایسه عمیق‌تر مدل‌های خانوادهk-ε

5. چه زمانی در پروژه‌های فلوئنت از مدل k-ε Realizable به جای Standard استفاده کنیم؟ (نکته کلیدی برای دقت بالاتر)

این یکی از اون سوالاتیه که تجربه ۷ ساله من در این حوزه روش تاکید داره. چند سال پیش روی پروژه بهینه‌سازی یک جداکننده سیکلونی کار می‌کردیم. مدل Standard k-ε به طور مداوم یک ناحیه بازچرخش غیرواقعی در مرکز سیکلون پیش‌بینی می‌کرد که با داده‌های آزمایشگاهی ما همخوانی نداشت. این مسله کل تحلیل بازدهی جداسازی رو زیر سوال برده بود.

با تغییر مدل به k-ε Realizable، نتایج به طرز چشمگیری بهبود پیدا کرد. این مدل در پیش‌بینی جریان‌های دارای انحنای شدید، گردابه‌ها و نواحی جدایش جریان عملکرد بسیار بهتری داره.
قانون سرانگشتی: اگر در مسله شما جریان چرخشی قوی، جدایش یا پروفیل‌های سرعت پیچیده وجود داره، بدون تردید سراغ Realizable برید. اگر هم با یک مسله پیچیده صنعتی مواجه هستید که نیاز به دقت بالا در تحلیل جریان‌های داخلی داره، تیم ما در سیمومک آماده ارائه خدمات تخصصی انجام پروژه فلوئنت است.

6. خانواده k-ω (Standard, SST): قهرمانان تحلیل لایه مرزی، آیرودینامیک و انتقال حرارت

مدل‌های k-ω (کی-امگا) تخصص ویژه‌ای در تحلیل نواحی نزدیک به دیواره دارن. اونها برای شبیه‌سازی لایه مرزی (Boundary Layer) فوق‌العاده هستن، یعنی همون لایه نازک سیال که به سطوح می‌چسبه و رفتار کل جریان رو تحت تأثیر قرار می‌ده.

به همین دلیل، این خانواده از مدل‌ها در شبیه‌سازی‌های آیرودینامیک (جریان روی بال هواپیما یا بدنه خودرو) و تحلیل‌های انتقال حرارت بسیار محبوب هستند. چون در این مسائل، اتفاقاتی که نزدیک سطح می‌افته (مثل نیروی درگ یا نرخ انتقال حرارت) برای ما اهمیت حیاتی داره. اگر به این حوزه علاقه‌مندید، مقاله ما در مورد شبیه‌سازی‌های انتقال حرارت و تشعشع در فلوئنت می‌تونه براتون خیلی مفید باشه.

7. چرا مدل k-ω SST تقریباً همیشه انتخاب بهتری نسبت به k-ε برای جریان‌های خارجی است؟

مدل SST (Shear Stress Transport) یک شاهکار مهندسیه. این مدل هوشمندانه عمل می‌کنه: در نواحی نزدیک به دیواره، از مزایای دقت بالای مدل k-ω استفاده می‌کنه و در نواحی دور از دیواره (جریان آزاد)، به طور خودکار به حالت پایدارتر مدل k-ε سوییچ می‌کنه.

این قابلیت هیبریدی باعث میشه که SST هم دقت بالایی در محاسبه نیروهای آیرودینامیکی داشته باشه و هم پایداری خوبی در کل دامنه حل از خودش نشون بده. به همین خاطره که در اکثر شبیه‌سازی‌های هوافضا و خودرو، SST مدل پیش‌فرض و استاندارد صنعتی محسوب میشه. درست همانطور که برای مدل‌سازی قطرات آب در هوا از مدل VOF در شبیه‌سازی جریان‌های چندفازی استفاده می‌کنید، برای آیرودینامیک خارجی هم SST اولین انتخاب شماست.

8. مدل تنش رینولدز (RSM): چه زمانی باید هزینه محاسباتی بالا را برای دستیابی به بالاترین دقت بپردازید؟

مدل RSM دیگه شوخی‌بردار نیست! 🏎️
این مدل مثل یک ماشین فرمول یک در برابر خودروهای شهری (k-ε و k-ω) است. به جای دو معادله، هفت معادله اضافی رو حل می‌کنه تا رفتار غیرهمسانگرد (Anisotropic) آشفتگی رو مستقیماً مدل کنه.

چه زمانی بهش نیاز دارید؟ فقط وقتی که با جریان‌های به شدت پیچیده و سه‌بعدی سروکار دارید که مدل‌های ساده‌تر در اونها به کل شکست می‌خورن. مثل جریان‌های داخل پره‌های توربوماشین‌ها، گردابه‌های قوی در سیکلون‌ها یا جریان در کانال‌های با هندسه خیلی پیچیده.
هشدار: استفاده از RSM هزینه محاسباتی رو به شدت بالا می‌بره و همگرایی اون هم خیلی سخت‌تره. فقط زمانی سراغش برید که واقعاً به این سطح از دقت نیاز دارید و بقیه مدل‌ها جواب ندادن.

9. جدول مقایسه نهایی: k-ε در مقابل k-ω SST و RSM در یک نگاه (هزینه، دقت و کاربرد)

برای اینکه همه چیز رو جمع‌بندی کنیم و یک دید سریع داشته باشید، این جدول رو آماده کردم. این خلاصه‌ای از ده‌ها پروژه صنعتی و صدها ساعت شبیه‌سازیه. همیشه قبل از شروع یک پروژه جدید، یه نگاهی بهش میندازم. می‌تونه خیلی بهتون کمک کنه تا سریع‌تر تصمیم بگیرید.

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.

جدول درخت تصمیم‌گیری سریع برای انتخاب مدل توربولانسی

10. پارامتر کلیدی y+: مهم‌ترین عاملی که در انتخاب مدل توربولانسی نادیده گرفته می‌شود!

اینجا نقطه‌ایه که خیلی از تازه‌کارها (و حتی گاهی با تجربه‌ها) اشتباه می‌کنن. انتخاب مدل توربولانسی و کیفیت مش نزدیک دیواره، دو روی یک سکه‌اند. پارامتر y+ یک عدد بی‌بُعده که نشون میده اولین نود مش شما چقدر از دیواره فاصله داره.

مدل‌های k-ω (مخصوصاً SST) برای اینکه جادوی خودشون رو در تحلیل لایه مرزی نشون بدن، نیاز دارن که y+ کوچکتر از ۱ باشه. یعنی مش شما باید نزدیک دیواره بسیار بسیار ریز باشه. اما مدل‌های k-ε با استفاده از توابع دیواره (Wall Functions)، با مقادیر y+ بزرگتر (معمولاً بین ۳۰ تا ۳۰۰) هم کار می‌کنن. اگر مدل درستی انتخاب کنید ولی y+ مناسبی نداشته باشید، انگار با لاستیک نامناسب در یک مسابقه رانندگی شرکت کرده‌اید؛ نتایجتون قطعاً قابل اعتماد نخواهد بود.

11. انتخاب مدل آشفتگی در عمل: تحلیل 3 سناریوی واقعی در پروژه‌های “سیمومک”

تئوری کافیه، بیایید چند مثال واقعی رو ببینیم:

• سناریو ۱: شبیه‌سازی جریان روی بدنه خودرو: هدف، محاسبه دقیق نیروی درگ و لیفت بود. اینجا بدون شک از k-ω SST استفاده کردیم. تمرکز اصلی روی تحلیل دقیق لایه مرزی و نقاط جدایش جریان بود و SST برای این کار ساخته شده.
• سناریو ۲: تحلیل جریان داخل یک مبدل حرارتی پوسته و لوله: جریان به شدت آشفته و پیچیده بود، اما هدف اصلی پیدا کردن افت فشار کلی و الگوی دمایی بود، نه تحلیل دقیق گردابه‌های کوچک. مدل k-ε Realizable با هزینه محاسباتی کمتر، نتایج مهندسی کاملاً دقیقی به ما داد.
• سناریو ۳: شبیه‌سازی یک پمپ گریز از مرکز با پره‌های متحرک: در این پروژه، جریان به شدت چرخشی و سه‌بعدی بود و مدل‌های ساده‌تر، الگوی جریان خروجی از پره‌ها را اشتباه پیش‌بینی می‌کردند. اینجا مجبور شدیم به سراغ مدل RSM بریم و از تکنیک مش دینامیک برای شبیه‌سازی قطعات متحرک هم استفاده کنیم. هزینه محاسباتی بالا بود، اما دقت نهایی، ارزشش رو داشت.

12. 3 اشتباه مرگبار در تنظیمات انتخاب مدل توربولانسی در فلوئنت که نتایج شما را بی‌اعتبار می‌کند

1. نادیده گرفتن y+: همونطور که گفتم، انتخاب SST با مشی که y+ بالایی داره (مثلا ۵۰)، نتایج رو کاملا بی‌اعتبار می‌کنه.
2. استفاده از Standard k-ε برای جریان‌های با انحنای شدید: این مدل در چنین شرایطی، تولید آشفتگی رو بیش از حد تخمین میزنه و نتایج غلطی میده.
3. انتخاب RSM بدون دلیل موجه: رفتن سراغ پیچیده‌ترین مدل وقتی نیازی بهش نیست، فقط باعث اتلاف وقت، هزینه و درگیری با مشکلات همگرایی میشه. همیشه از ساده‌ترین مدل ممکن که کار رو راه میندازه شروع کنید.

13. فراتر از RANS: چه زمانی باید به فکر استفاده از مدل‌های پیشرفته‌تر مانند LES یا DES باشیم؟

مدل‌های RANS که در این مقاله بررسی کردیم، یک تصویر میانگین از آشفتگی ارائه میدن. اما گاهی ما به دیدن خود گردابه‌ها و نوسانات لحظه‌ای جریان نیاز داریم (مثلاً در تحلیل نویز آیرودینامیکی یا شبیه‌سازی احتراق). 💥

اینجاست که مدل‌های پیشرفته‌تری مثل LES (Large Eddy Simulation) یا DES (Detached Eddy Simulation) وارد می‌شن. این مدل‌ها به شدت سنگین‌تر از RANS هستن و نیاز به منابع محاسباتی خیلی بیشتری دارن. معمولاً در پروژه‌های تحقیقاتی پیشرفته یا مسائل صنعتی خیلی خاص ازشون استفاده می‌شه. اگر به مباحث پیشرفته علاقه دارید، یادگیری نحوه UDF نویسی در فلوئنت می‌تونه بهتون کمک کنه تا فیزیک‌های خاص خودتون رو به نرم‌افزار اضافه کنید.

14. فرآیند انتخاب مدل در «سیمومک»: چگونه صحت و اعتبار نتایج را برای پروژه‌های صنعتی تضمین می‌کنیم؟

در سیمومک برای انتخاب مدل توربولانسی در فلوئنت، ما یک فرآیند مشخص برای هر پروژه داریم. ما فقط یک مدل رو انتخاب نمی‌کنیم، بلکه:

• اول فیزیک مسله رو عمیقا درک می‌کنیم.
• یک تحلیل حساسیت به مش (Mesh Independency) انجام میدیم تا مطمئن بشیم نتایج به اندازه کافی از خطای مش مستقل هستن.
• در صورت امکان، نتایج رو با داده‌های تجربی یا مقالات معتبر اعتبارسنجی (Validation) می‌کنیم.
• در نهایت بهترین مدل رو بر اساس بده‌بستان بین دقت مورد نیاز و محدودیت‌های زمانی و هزینه‌ای مشتری انتخاب می‌کنیم.

این رویکرد تضمین می‌کنه که تحلیلی که ارائه میدیم، فقط یک سری کانتور رنگی زیبا نیست، بلکه یک ابزار مهندسی قابل اعتماد برای تصمیم‌گیریه.

15. در شبیه‌سازی CFD پایان‌نامه خود با چالش همگرایی یا انتخاب مدل مواجه‌اید؟

انجام یک شبیه‌سازی دقیق و قابل دفاع و انتخاب مدل توربولانسی در فلوئنت برای پایان‌نامه می‌تونه چالش‌برانگیز باشه. اگر در انتخاب مدل، تنظیمات حلگر یا تحلیل نتایج پروژه فلوئنت خودتون نیاز به کمک یک متخصص دارید، تیم ما می‌تونه در قالب خدمات انجام دانشجویی پروژه فلوئنت در کنار شما باشه تا با اطمینان کامل از کارتون دفاع کنید.

16.  آیا برای بهینه‌سازی محصول خود به یک تحلیل CFD دقیق و قابل استناد نیاز دارید؟

در انتخاب مدل توربولانسی در فلوئنت از بهینه‌سازی آیرودینامیک گرفته تا بهبود عملکرد سیستم‌های حرارتی، شبیه‌سازی CFD می‌تونه هزینه‌های نمونه‌سازی فیزیکی شما رو به شدت کاهش بده و فرآیند طراحی رو تسریع کنه. امیدوارم این راهنمای انتخاب بهترین مدل آشفتگی به شما در پروژه‌هایتان کمک کرده باشد. برای دریافت مشاوره فنی و بررسی چالش صنعتی خودتون، با کارشناسان ما در سیمومک در تماس باشید. 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 به همراه پاسخ

1. آیا می‌توانم برای یک شبیه‌سازی ساده مثل جریان در یک لوله صاف از مدل RSM استفاده کنم؟
   • پاسخ: می‌توانید، اما اصلاً توصیه نمی‌شود. این کار مانند استفاده از یک کامیون برای جابجایی یک پاکت نامه است! مدل RSM هزینه محاسباتی بسیار بالایی دارد و برای چنین مسئله ساده‌ای، مدل k-ε Realizable نتایج دقیق و قابل قبولی را با سرعت بسیار بالاتر ارائه می‌دهد.
2. تفاوت اصلی بین k-ω Standard و k-ω SST چیست؟
   • پاسخ: تفاوت اصلی در رفتار آن‌ها دور از دیواره است. مدل k-ω Standard در ناحیه جریان آزاد (Freestream) به شرایط مرزی ورودی بسیار حساس است و می‌تواند نتایج غیرفیزیکی تولید کند. مدل SST این مشکل را با سوییچ کردن به فرمولاسیون مدل k-ε در این نواحی حل کرده و آن را به مدلی قوی‌تر و تطبیق‌پذیرتر تبدیل می‌کند.
3. اگر y+ من بین 5 تا 30 باشد، باید از کدام مدل استفاده کنم؟
   • پاسخ: این ناحیه به “Buffer Layer” معروف است و هیچ‌کدام از مدل‌های استاندارد در آن عملکرد ایده‌آلی ندارند. مدل‌های k-ε با Wall Function برای y+ > 30 و مدل‌های k-ω برای y+ < 1 بهینه‌ شده‌اند. بهترین راهکار، اصلاح مش برای رساندن y+ به یکی از این دو محدوده است. اگر این امکان وجود ندارد، مدل k-ω SST به دلیل ماهیت ترکیبی‌اش، معمولاً عملکرد قابل قبول‌تری در این ناحیه “خاکستری” دارد.
4. آیا مدل‌های توربولانسی بر تنظیمات حلگر (Solver) تأثیر می‌گذارند؟
   • پاسخ: بله، قطعاً. مدل‌های پیچیده‌تر مانند RSM ممکن است برای همگرایی به طرح‌های عددی (Discretization Schemes) مرتبه بالاتر و تنظیمات دقیق‌تر Under-Relaxation Factors نیاز داشته باشند. همچنین انتخاب مدل، مستقیماً بر انتخاب Wall Treatment (نحوه برخورد با دیواره) تأثیر می‌گذارد.
5. چرا حل من با مدل k-ω واگرا (Diverge) می‌شود ولی با k-ε همگراست؟
   • پاسخ: این اتفاق معمولاً به دو دلیل رخ می‌دهد: اول، کیفیت پایین مش نزدیک دیواره که برای مدل k-ω بسیار حیاتی است. دوم، حساسیت بالای مدل k-ω به مقداردهی اولیه (Initialization) و شرایط مرزی. مدل‌های k-ε به طور کلی پایدارتر (Robust) هستند و راحت‌تر همگرا می‌شوند، هرچند ممکن است دقت کمتری داشته باشند.
6. برای شبیه‌سازی احتراق کدام مدل توربولانسی بهتر است؟
   • پاسخ: این به نوع احتراق بستگی دارد، اما به طور کلی مدل‌های k-ε (مخصوصاً RNG و Realizable) به دلیل پایداری بالا، انتخاب‌های رایجی برای مدل‌سازی اندرکنش آشفتگی-شیمی (Turbulence-Chemistry Interaction) در شبیه‌سازی‌های صنعتی احتراق هستند.
7. آیا همیشه RSM از k-ω SST دقیق‌تر است؟
   • پاسخ: نه لزوماً. RSM در مدل‌سازی فیزیک جریان‌های شدیداً سه‌بعدی و چرخشی (Anisotropic) دقیق‌تر است. اما برای یک جریان آیرودینامیک خارجی که پدیده غالب، لایه مرزی است، مدل k-ω SST ممکن است به دلیل تمرکز تخصصی بر این ناحیه، نتایج دقیق‌تر و با هزینه کمتری ارائه دهد.
8. آیا در فلوئنت راهی برای مقایسه سریع نتایج مدل‌های مختلف وجود دارد؟
   • پاسخ: بله. شما می‌توانید یک Case اولیه را ذخیره کنید، سپس با هر مدل توربولانسی یک بار آن را حل کرده و نتایج را در فایل‌های Data جداگانه ذخیره کنید. در نهایت می‌توانید تمام این نتایج را در یک سشن CFD-Post بارگذاری کرده و کانتورها یا نمودارها را در کنار هم مقایسه کنید.
9. آیا انتخاب مدل توربولانسی روی نتایج جریان‌های چندفازی (Multiphase) هم تاثیر دارد؟
   • پاسخ: بله، بسیار زیاد. آشفتگی می‌تواند بر پدیده‌هایی مانند شکست قطرات، ادغام حباب‌ها و انتقال مومنتوم بین فازها تأثیر بگذارد. انتخاب مدل آشفتگی مناسب در کنار مدل چندفازی (مثل VOF یا Eulerian) برای رسیدن به نتایج دقیق حیاتی است.
10. آیا مدل‌های جدیدتری از این سه خانواده هم وجود دارند؟
    • پاسخ: بله. دنیای CFD دائماً در حال توسعه است. مدل‌هایی مانند GEKO (Generalized k-ω) یا مدل‌های مبتنی بر Machine Learning در حال ظهور هستند که انعطاف‌پذیری بیشتری ارائه می‌دهند. اما سه خانواده k-ε، k-ω و RSM همچنان ستون فقرات شبیه‌سازی‌های صنعتی RANS هستند.