۱. تعریف نادرست شرایط مرزی (Boundary Conditions)

یکی از رایج‌ترین دلایل عدم همگرایی، تعریف نامناسب شرایط مرزی است. شرایط مرزی مشخص می‌کنند سیال چگونه وارد دامنه محاسباتی می‌شود، از آن خارج می‌شود و در مجاورت دیواره‌ها چه رفتاری دارد. هرگونه ناسازگاری در این تعاریف می‌تواند موجب ایجاد میدان جریان غیرواقعی و دشواری در حل معادلات شود. برای مثال، در یک مسئله جریان داخلی، اگر فشار خروجی به‌درستی تعریف نشده باشد یا فشار ورودی و خروجی با شرایط فیزیکی مسئله سازگار نباشند، ممکن است گرادیان فشار نامناسبی ایجاد شود. همچنین انتخاب نادرست نوع مرز ورودی، مانند استفاده از Velocity Inlet در شرایطی که فشار ورودی مشخص و دبی وابسته به پاسخ سیستم است، می‌تواند بر رفتار عددی حل اثر بگذارد. در جریان‌های تراکم‌پذیر، تعریف فشار، دما و خواص ترمودینامیکی ورودی اهمیت بیشتری دارد. ناسازگاری بین فشار استاتیک، فشار کل، دمای کل و عدد ماخ می‌تواند به ایجاد شرایط نامعتبر منجر شود.

روش بررسی و اصلاح:

• نوع هر مرز را با ماهیت فیزیکی مسئله تطبیق دهید.
• واحد تمام پارامترهای ورودی را کنترل کنید.
• جهت بردار سرعت ورودی و خروجی را بررسی کنید.
• فشار مرجع (Operating Pressure) را در مسائل مربوط به فشار مطلق و گیج کنترل کنید.
• در خروجی‌ها، احتمال برگشت جریان (Backflow) را بررسی کنید.
• برای مسائل چندناحیه‌ای، پیوستگی و اتصال صحیح مرزهای بین نواحی را کنترل کنید.

شرایط مرزی باید بر اساس صورت مسئله فیزیکی تعیین شوند، نه صرفاً با هدف کاهش Residuals تغییر داده شوند.

۲. کیفیت نامناسب شبکه محاسباتی (Mesh Quality)

شبکه محاسباتی یکی از مهم‌ترین عوامل مؤثر بر دقت و پایداری حل عددی است. شبکه نامناسب می‌تواند باعث افزایش خطای گسسته‌سازی، ایجاد گرادیان‌های غیرواقعی و بروز ناپایداری عددی شود. دو شاخص مهم در بررسی کیفیت شبکه عبارت‌اند از:

Skewness میزان انحراف سلول از شکل مطلوب هندسی را نشان می‌دهد. افزایش بیش از حد این شاخص می‌تواند دقت محاسبات را کاهش دهد و در شرایطی پایداری حل را نیز تحت تأثیر قرار دهد.

Orthogonal Quality میزان تعامد شبکه را ارزیابی می‌کند. مقادیر بسیار پایین این شاخص نشان‌دهنده سلول‌هایی هستند که ممکن است برای محاسبات عددی مشکل‌ساز باشند.

علاوه بر این دو شاخص، نسبت ابعادی سلول‌ها (Aspect Ratio)، تغییرات ناگهانی اندازه سلول‌ها و کیفیت لایه‌های مرزی نیز باید بررسی شوند. برای مثال، در جریان اطراف یک جسم با انحنای زیاد، اگر شبکه در نزدیکی سطح جسم به‌اندازه کافی ریز نباشد، گرادیان سرعت و فشار به‌درستی محاسبه نمی‌شود. در شبیه‌سازی جریان آشفته نیز شبکه نزدیک دیواره باید با مدل آشفتگی و روش Wall Treatment انتخاب‌شده سازگار باشد.

روش بررسی و اصلاح:

• کیفیت Orthogonal Quality و Skewness را در محیط مش بررسی کنید.
• از تغییر ناگهانی اندازه سلول‌ها در نواحی حساس جلوگیری کنید.
• در نزدیکی دیواره‌ها از لایه‌های مرزی مناسب استفاده کنید.
• در نواحی دارای گرادیان شدید سرعت و فشار، شبکه را به‌صورت موضعی ریزتر کنید.
• کیفیت شبکه را پس از تولید و پیش از اجرای حل‌گر بررسی کنید.

نکته مهم آن است که ریزتر کردن شبکه همیشه به معنای بهتر شدن حل نیست. شبکه باید هم از نظر کیفیت هندسی و هم از نظر استقلال نتایج از اندازه سلول‌ها ارزیابی شود.

۳. انتخاب نامناسب مدل آشفتگی (Turbulence Model)

در بسیاری از مسائل مهندسی، جریان دارای رفتار آشفته است. در چنین شرایطی، انتخاب مدل آشفتگی مناسب نقش مهمی در پایداری و دقت حل ایفا می‌کند. نرم‌افزار انسیس فلوئنت مدل‌های مختلفی مانند Standard k-epsilon، Realizable k-epsilon، RNG k-epsilon، Standard k-omega و SST k-omega را در اختیار کاربر قرار می‌دهد. هر مدل برای دسته‌ای از جریان‌ها و فرضیات خاص توسعه یافته است. برای مثال، مدل Standard k-epsilon در بسیاری از جریان‌های آشفته صنعتی کاربرد دارد، اما در برخی جریان‌های دارای جدایش شدید، گرادیان فشار نامساعد یا نواحی نزدیک دیواره ممکن است عملکرد مطلوبی نداشته باشد. در چنین شرایطی، مدل SST k-omega می‌تواند گزینه مناسب‌تری باشد؛ البته انتخاب نهایی باید با توجه به فیزیک مسئله و اعتبارسنجی انجام شود. یکی از اشتباهات رایج، انتخاب مدل آشفتگی صرفاً بر اساس تجربه قبلی یا کاهش سریع‌تر Residuals است. مدلی که سریع‌تر همگرا می‌شود، الزاماً دقیق‌ترین مدل برای مسئله موردنظر نیست.

روش بررسی و اصلاح:

• ابتدا رژیم جریان و ویژگی‌های فیزیکی مسئله را مشخص کنید.
• میزان جدایش جریان، گرادیان فشار و اثر دیواره‌ها را بررسی کنید.
• مقدار y+ را با الزامات مدل و روش دیواره‌ای انتخاب‌شده تطبیق دهید.
• در صورت نیاز، نتایج چند مدل آشفتگی را مقایسه کنید.
• مدل را بر اساس داده آزمایشگاهی، روابط تجربی یا نتایج معتبر منتشرشده ارزیابی کنید.

۴. انتخاب نامناسب روش‌های گسسته‌سازی (Discretization Schemes)

معادلات حاکم بر جریان سیال در انسیس فلوئنت با استفاده از روش حجم محدود (Finite Volume Method) گسسته‌سازی می‌شوند. در این فرایند، معادلات پیوستگی، مومنتوم و در صورت فعال بودن، معادلات انرژی و سایر معادلات انتقالی به دستگاهی از معادلات جبری تبدیل می‌شوند. انتخاب روش گسسته‌سازی می‌تواند بر دقت و پایداری حل اثرگذار باشد. برای نمونه، روش First Order Upwind معمولاً از پایداری عددی بیشتری در مراحل اولیه حل برخوردار است، اما ممکن است موجب افزایش پخش عددی (Numerical Diffusion) شود. در مقابل، روش Second Order Upwind در بسیاری از کاربردها دقت فضایی بهتری ارائه می‌کند، ولی ممکن است نسبت به کیفیت شبکه و شرایط حل حساس‌تر باشد.

روش پیشنهادی:

در مسائل پیچیده، می‌توان حل را با روش‌های پایدارتر آغاز کرد و پس از شکل‌گیری میدان جریان، به‌تدریج از روش‌های مرتبه بالاتر استفاده کرد. برای مثال:

۱. ابتدا حل اولیه با روش‌های مرتبه اول انجام شود.

۲. رفتار Residuals و کمیت‌های فیزیکی کنترل شود.

۳. پس از پایدار شدن حل، روش‌های مرتبه دوم برای متغیرهای مناسب فعال شوند.

۴. تغییرات نتایج پس از تغییر روش گسسته‌سازی بررسی شود.

این فرایند باید با توجه به نوع مسئله و حساسیت آن انجام شود و یک نسخه ثابت برای تمام شبیه‌سازی‌ها وجود ندارد.

۵. انتخاب نامناسب Under-Relaxation Factors

در حل‌گر Pressure-Based نرم‌افزار انسیس فلوئنت، ضرایب Under-Relaxation برای کنترل میزان تغییر متغیرها در هر تکرار عددی استفاده می‌شوند. به بیان ساده، این ضرایب تعیین می‌کنند که چه بخشی از مقدار اصلاح‌شده یک متغیر در تکرار جاری اعمال شود. اگر این ضرایب برای مسئله موردنظر بیش از حد بزرگ باشند، ممکن است نوسان عددی افزایش یابد. در مقابل، کاهش بیش از حد آن‌ها می‌تواند روند همگرایی را بسیارکند کند. برای مثال، اگر فشار، سرعت یا متغیرهای آشفتگی در هر تکرار تغییرات شدیدی داشته باشند، ممکن است کاهش کنترل‌شده ضرایب Under-Relaxation به پایدار شدن حل کمک کند.

روش بررسی و اصلاح:

• ابتدا مقادیر پیش‌فرض مناسب برای مدل انتخاب‌شده را مبنا قرار دهید.
• در صورت مشاهده نوسانات شدید، ضرایب متغیرهای مسئله را به‌صورت کنترل‌شده کاهش دهید.
• پس از پایدار شدن حل، در صورت نیاز تنظیمات را مجدداً ارزیابی کنید.
• تغییرات را مرحله‌به‌مرحله انجام دهید تا اثر هر تغییر مشخص باشد.

کاهش Under-Relaxation Factors نباید به‌عنوان راهکار دائمی برای پنهان کردن مشکلات هندسه، شبکه یا شرایط مرزی استفاده شود.

۶. مقداردهی اولیه نامناسب (Initialization)

مقداردهی اولیه، نقطه شروع حل عددی را تعیین می‌کند. اگر مقادیر اولیه فشار، سرعت، دما یا متغیرهای آشفتگی با شرایط فیزیکی مسئله فاصله زیادی داشته باشند، ممکن است حل‌گر در مراحل ابتدایی با نوسان یا واگرایی مواجه شود. برای مثال، در یک جریان داخلی با سرعت ورودی مشخص، مقداردهی اولیه‌ای که اختلاف زیادی با سرعت واقعی جریان دارد ممکن است موجب ایجاد تغییرات شدید در میدان سرعت در تکرارهای اولیه شود. در فلوئنت روش‌هایی مانند Hybrid Initialization و Standard Initialization برای شروع حل در دسترس هستند.

روش بررسی و اصلاح:

• در مسائل معمول، ابتدا Hybrid Initialization را ارزیابی کنید.
• در صورت نیاز، ناحیه مقداردهی اولیه و مقادیر اولیه را متناسب با مسئله انتخاب کنید.
• در جریان‌های پیچیده، از نتایج یک حل ساده‌تر به‌عنوان مقدار اولیه استفاده کنید.
• در مسائل چندمرحله‌ای، تغییرات فیزیکی را به‌صورت تدریجی وارد حل کنید.

مقداردهی اولیه مناسب می‌تواند شروع حل را آسان‌تر کند، اما جایگزین اصلاح مدل فیزیکی یا شبکه نامناسب نیست.

۷. فعال‌سازی نادرست مدل‌های فیزیکی

فعال‌سازی مدل‌های فیزیکی نامرتبط یا تعریف ناقص آن‌ها می‌تواند موجب افزایش پیچیدگی حل و بروز خطا شود. برای مثال، اگر مسئله موردنظر صرفاً جریان تک‌فازی و ایزوترمال هوا باشد، فعال‌سازی مدل‌های انتقال حرارت، گونه‌های شیمیایی یا چندفازی بدون ضرورت فیزیکی، پیچیدگی غیرضروری ایجاد می‌کند. از طرف دیگر، حذف یک مدل فیزیکی ضروری نیز می‌تواند نتایج نادرستی ایجاد کند. برای نمونه، در جریان‌هایی که تغییرات چگالی ناشی از دما اهمیت دارد، فرض چگالی ثابت ممکن است مناسب نباشد.

روش بررسی و اصلاح:

• مدل‌های فعال را با ماهیت فیزیکی مسئله تطبیق دهید.
• خواص سیال را در محدوده دما و فشار موردنظر بررسی کنید.
• در مسائل تراکم‌پذیر، مدل چگالی و معادله حالت را متناسب با شرایط انتخاب کنید.
• در مسائل انتقال حرارت، خواص وابسته به دما را در صورت ضرورت در نظر بگیرید.
• از فعال‌سازی مدل‌های اضافی بدون توجیه فیزیکی خودداری کنید.

۸. نادیده گرفتن برگشت جریان در خروجی (Backflow)

یکی از مشکلاتی که در شبیه‌سازی جریان‌های داخلی و خارجی مشاهده می‌شود، برگشت جریان از مرز خروجی است. در انسیس فلوئنت، هنگامی که از Pressure Outlet استفاده می‌شود، ممکن است در بخشی از مرز خروجی، جریان به داخل دامنه بازگردد. در این حالت، مقادیر Backflow Temperature، Backflow Turbulence و سایر پارامترهای مرتبط اهمیت پیدا می‌کنند. اگر مقادیر برگشت جریان با شرایط فیزیکی مسئله سازگار نباشند، ممکن است میدان حل دچار نوسان شود.

روش بررسی و اصلاح:

• مقدار و محل برگشت جریان را بررسی کنید.
• در صورت امکان، دامنه محاسباتی را در جهت جریان توسعه دهید.
• مقادیر Backflow را بر اساس شرایط واقعی جریان تعیین کنید.
• اگر خروجی در ناحیه‌ای با جریان پیچیده یا گردابه‌ای قرار گرفته است، محل مرز خروجی را بازنگری کنید.

وجود Backflow همیشه نشانه خطا نیست؛ ممکن است بخشی از رفتار واقعی جریان باشد. بنابراین باید بین برگشت جریان فیزیکی و برگشت جریان ناشی از انتخاب نامناسب مرز خروجی تفاوت قائل شد.

۹. استفاده نامناسب از حل‌گر Steady به‌جای Transient

یکی از دلایل مهم عدم همگرایی در برخی مسائل، فرض نادرست پایا بودن جریان است. در حل پایا (Steady-State)، فرض می‌شود کمیت‌های جریان در هر نقطه با زمان تغییر نمی‌کنند. اما همه جریان‌ها دارای چنین رفتاری نیستند. برخی پدیده‌ها ذاتاً ناپایا هستند و نمی‌توان آن‌ها را با یک میدان جریان پایا به‌درستی توصیف کرد. برای مثال، جریان پشت یک استوانه در محدوده‌ای از اعداد رینولدز می‌تواند دارای ریزش گردابه‌های متناوب باشد. در چنین شرایطی، حل پایا ممکن است به نوسانات شدید یا عدم همگرایی منجر شود؛ زیرا حل‌گر تلاش می‌کند حالتی را پیدا کند که با ماهیت ناپایای جریان سازگار نیست.

روش بررسی و اصلاح:

• ماهیت پایا یا ناپایای جریان را از نظر فیزیکی بررسی کنید.
• تغییرات زمانی کمیت‌هایی مانند نیروی درگ و لیفت را کنترل کنید.
• در صورت وجود نوسانات فیزیکی پایدار، حل گذرا را ارزیابی کنید.
• گام زمانی را با مقیاس زمانی پدیده و معیارهای عددی مناسب انتخاب کنید.

نکته مهم این است که افزایش تعداد Iteration در یک حل پایا، لزوماً مشکل ناشی از انتخاب اشتباه مدل زمانی را برطرف نمی‌کند.

۱۰. استفاده از تنظیمات عددی نامناسب و نادیده گرفتن مقیاس مسئله

در برخی مسائل، تنظیمات عددی اولیه برای شرایط فیزیکی مسئله مناسب نیستند. اختلاف زیاد مقیاس متغیرها، تغییرات شدید خواص سیال و گرادیان‌های بزرگ می‌توانند حل را دشوار کنند. برای مثال، در جریان‌های با عدد رینولدز بالا، جریان‌های چرخشی، جریان‌های دارای انتقال حرارت شدید یا مسائل دارای اختلاف فشار زیاد، انتخاب تنظیمات عددی باید با دقت بیشتری انجام شود.

همچنین انتخاب نامناسب Pressure-Velocity Coupling، Gradient Scheme یا تنظیمات حل‌گر ممکن است بر روند همگرایی اثر بگذارد.

روش بررسی و اصلاح:

• تنظیمات حل‌گر را متناسب با نوع جریان بررسی کنید.
• در صورت وجود نوسانات، روش کوپل فشار و سرعت را ارزیابی کنید.
• مقیاس‌های هندسی و فیزیکی مسئله را کنترل کنید.
• در مسائل پیچیده، ابتدا یک مدل ساده‌تر و پایدارتر ایجاد کنید و سپس پیچیدگی را افزایش دهید.
• از تغییر هم‌زمان چند پارامتر عددی خودداری کنید.

چگونه تشخیص دهیم مشکل از Residuals است یا از فیزیک جریان؟

Residuals میزان عدم تعادل معادلات گسسته‌شده را در فرایند تکراری حل نشان می‌دهند. کاهش آن‌ها نشانه‌ای از بهبود سازگاری عددی حل است، اما به‌تنهایی معیار کافی برای پذیرش نتایج نیست. برای ارزیابی همگرایی، باید چند شاخص به‌صورت هم‌زمان بررسی شوند:

برای مثال، ممکن است Residuals در چند صد تکرار تغییر زیادی نکنند، اما افت فشار و دبی جرمی به مقادیر تقریباً ثابتی رسیده باشند. در چنین شرایطی باید ماهیت مسئله، معیارهای پذیرش و میزان دقت موردنیاز بررسی شوند؛ نمی‌توان تنها بر اساس نمودار Residuals درباره صحت یا نادرستی حل تصمیم گرفت. همچنین در مسائل پایا باید توجه کرد که پایداری کمیت‌های مهندسی اهمیت زیادی دارد. در مسائل ناپایا، به‌جای انتظار برای ثابت شدن تمام کمیت‌ها در طول زمان، باید به همگرایی درون هر گام زمانی و رفتار زمانی نتایج توجه کرد.

یک روند اصولی برای رفع عدم همگرایی در انسیس فلوئنت

برای جلوگیری از آزمون‌وخطای غیرضروری، بهتر است فرایند عیب‌یابی به‌صورت مرحله‌ای انجام شود:

۱. ابتدا هندسه و نواحی محاسباتی را بررسی کنید و از صحت اتصال سطوح و حجم‌ها مطمئن شوید.

۲. کیفیت شبکه را کنترل کنید و سلول‌های دارای کیفیت نامناسب را اصلاح کنید.

۳. شرایط مرزی، خواص سیال و واحدهای مورد استفاده را بررسی کنید.

۴. مدل‌های فیزیکی را بر اساس ماهیت مسئله انتخاب کنید.

۵. مقداردهی اولیه مناسب انجام دهید.

۶. حل اولیه را با تنظیمات عددی محافظه‌کارانه آغاز کنید.

۷.باقیمانده ها و کمیت‌های فیزیکی مانند دبی، افت فشار و نیروها را هم‌زمان پایش کنید.

۸. در صورت مشاهده نوسان، ابتدا علت فیزیکی و عددی آن را شناسایی کنید و سپس پارامترهای مؤثر را به‌صورت کنترل‌شده تغییر دهید.

۹. پس از پایدار شدن حل، روش‌های گسسته‌سازی دقیق‌تر را ارزیابی کنید.

۱۰. در نهایت، صحت نتایج را با داده‌های آزمایشگاهی، روابط تحلیلی، نتایج منتشرشده یا مطالعات استقلال از شبکه بررسی کنید.

جمع‌بندی

عدم همگرایی در انسیس فلوئنت معمولاً حاصل یک عامل منفرد نیست و ممکن است از تعامل چند عامل فیزیکی، هندسی و عددی ناشی شود. شرایط مرزی نامناسب، شبکه بی‌کیفیت، انتخاب نادرست مدل آشفتگی، تنظیمات گسسته‌سازی، ضرایب Under-Relaxation و فرض اشتباه پایا بودن جریان از جمله دلایل مهم بروز این مشکل هستند. برای دستیابی به یک شبیه‌سازی قابل اعتماد، باید میان پایداری عددی و صحت فیزیکی تفاوت قائل شد. کاهش Residuals یک شاخص مهم است، اما برای تأیید نتایج باید موازنه جرم، پایداری کمیت‌های مهندسی، حساسیت شبکه و اعتبارسنجی فیزیکی نیز بررسی شوند. در واقع، هدف از شبیه‌سازی CFD صرفاً اجرای موفق حل‌گر نیست؛ بلکه دستیابی به نتایجی است که از نظر علمی قابل دفاع و از نظر مهندسی قابل استفاده باشند. چنین رویکردی به‌ویژه در پروژه‌های صنعتی، پژوهشی و دانشگاهی اهمیت زیادی دارد. در وب‌سایت دینامیک سیالات محاسباتی شریف (SharifCFD)، مباحث مرتبط با آموزش و کاربرد نرم‌افزارهای شبیه‌سازی سیالات، از جمله انسیس فلوئنت، کامسول و اپن‌فوم، در کنار موضوعات تخصصی مدل‌سازی، تحلیل نتایج و اعتبارسنجی CFD مورد توجه قرار می‌گیرند. بررسی دقیق هندسه، شبکه، مدل فیزیکی و تنظیمات حل‌گر، بخش جدایی‌ناپذیر یک مطالعه معتبر در دینامیک سیالات محاسباتی است.