GPU 加速風扇的氣動噪音模擬分析

Altair ultraFluidX 是基於 LBM 方法的 CFD 求解器，支持原生的 GPU 並行加速計算。對於風扇氣動噪聲的計算在各個環節有諸多優勢，簡便易使用。

前言

風扇在運轉中，旋轉的葉片與周圍的流場以及靜止部件（蝸殼、格柵等）都存在相對運動，其流場表現出明顯的非定常特性。這種非定常特性不但影響風扇的氣動性能，也會產生明顯的氣動/流致噪聲。

隨著近些年來國內經濟的飛速發展，人們對居住、辦公、駕乘等環境的舒適度要求越來越高。風扇的氣動/流致噪聲，在家用空調的內外掛機、空氣淨化器、吸塵器、吸油煙機、汽車空調等的噪聲中均佔據了主要的組成部分。

各相關企業的研發人員，對於研究、預測、降低風扇的氣動/流致噪聲可謂傷透了腦筋。某國外家電大牌的吸塵器等產品動輒大幾千元，其主打的產品特點就是“靜音”。

對於風扇氣動/流致噪聲的預測，或者說在工業領域應用氣動/流致噪聲的模擬分析，一直都存在痛點/難點。

行業痛點

在傳統的基於 NS 方程的有限元或有限體積法的 CFD 軟體中，由於數值格式精度上的限制，對於在流場中同時精確求解聲學物理量是非常困難的。

而採用不可壓縮 CFD+有限元聲學軟體的混合 CAA 方法，又面臨著計算量龐大，並行效率低，學習成本高的問題。

那麼如何解決這個問題呢？

LBM + GPU = ？

Why LBM?

格子-玻爾茲曼方法（LBM）從微觀動力學角度出發，將連續介質看作大量位於格子節點上的離散流體質點粒子。粒子按碰撞和遷移規則在格子上運動，通過對各格子流體質點運動特徵的統計，獲得流體宏觀運動規律，即把宏觀物理量視作微觀統計平均的結果。

LBM 方法本質上只求解非定常流動，並且數值耗散低，相對於傳統的基於 NS 方程的有限元或有限體積法要處理複雜的非線性方程，LBM 方法在每個格子上求解線性方程，非常適合於大規模的並行加速計算。因此，LBM 方法非常適合應用在風扇的氣動噪聲預測中。

Why GPU?

GPU（Graphic Processing Unit）作為圖形處理器/圖形顯卡被大家所熟知，隨著計算機技術的不斷發展，GPU 已經被廣泛應用在機器學習、人工智能、科學計算等領域。

與適用於復雜邏輯計算的 CPU 不同，GPU 擅長的是大規模的並發計算，NVIDIA 公司近些年來研發的計算顯卡的算力更是將 GPU 這種優勢推上了登峰造極，如下所示一塊 Tesla V100 GPU 就擁有 5120 cuda 核。

將 LBM 方法與 GPU 高性能並行加速計算結合，將計算消耗的時間由原來的數週縮短為幾十個小時，使得風扇的氣動噪聲模擬不再是一個難題。

LBM+GPU=Altair ultraFluidX™

Altair ultraFluidX 是基於 LBM 方法的 CFD 求解器，支持原生的 GPU 並行加速計算。對於風扇氣動/流致噪聲的計算在各個環節有諸多優勢，簡便易使用：

前處理

前處理簡便，僅需要在前處理軟體中完成基本設置，體網格自動化生成，無需大量的幾何清理與簡化的工作；

風扇的運動

使用重疊網格（overset mesh）技術，可以計算中考慮風扇的真實旋轉，保證風扇非定常流場的計算精度；

求解計算

得益於 LBM 方法低數值耗散的特性，在求解風扇非定常流場的同時，也包含聲學物理量，在同一求解器中完成流場+聲場的模擬計算；基於原生的 GPU 並行加速算法，即使是上億的格子計算模型也不在話下；

後處理

支援定制化的後處理流程，輸出遠場監測點的噪聲頻譜曲線、聲壓級、聲傳播雲圖等。

圖: 軸流風扇瞬態流場

圖: 遠場監測點處的SPL曲線

圖: 發動機冷卻風扇聲傳播動畫

（分析模型：機艙+風扇，保留所有機艙內部件）

想了解更多，歡迎聯絡我們申請試用或產品展示。