Wie FIPY mit Netzen und Gitterstrukturen umgeht

FIPY ist ein Python-basiertes Framework zum Lösen von partiellen Differentialgleichungen mit der Finite-Volumen-Methode. Es wird üblicherweise für Diffusion, Wärmeübertragung, Phasenfeldmodellierung, Elektrochemie, fluidbezogener Transport und andere Probleme verwendet, die durch Konservierungsgleichungen ausgedrückt werden können.

Jede FIPY-Simulation beginnt mit einem Netz. Das Netz definiert die physikalische Domäne, unterteilt sie in Kontrollvolumina, identifiziert die Grenzen zwischen diesen Volumes und bestimmt, wo numerische Variablen gespeichert werden. Ein sorgfältig ausgewähltes Netz kann ein Modell genau und effizient machen. Ein schlechtes Netz kann instabile Berechnungen, unrealistische Steigungen oder unnötige Rechenkosten verursachen.

FIPY unterstützt einfache kartesische Gitter, ungleichmäßige Abstände, periodische Domänen, zylindrische und sphärische Koordinaten, dreieckige Strukturen und mit GMSH erstellte Netze. Das Verständnis dieser Optionen hilft Benutzern, das einfachste Raster auszuwählen, das das physische Problem immer noch korrekt darstellt.

Was ist ein Netz in FIPY?

Ein Netz ist eine diskrete Darstellung eines kontinuierlichen physikalischen Bereichs. Anstatt an jedem möglichen Punkt eine Differentialgleichung zu lösen, teilt FIPY die Domäne in eine endliche Anzahl von Zellen und berechnet ungefähre Werte in ihnen.

Jede Zelle wirkt als Kontrollvolumen. Physikalische Größen wie Temperatur, Konzentration, Druck oder Phasenfraktion sind üblicherweise mit Zellzentren verbunden. Der Transport zwischen benachbarten Zellen wird über die Gesichter berechnet, die sie trennen.

Das Netz bietet sowohl Geometrie als auch Topologie. Geometrie beschreibt Größen, Koordinaten, Bereiche und Volumina. Die Topologie beschreibt, welche Zellen Gesichter teilen und wie die Elemente verbunden sind.

Diese Information ermöglicht es FIPY, eine Differentialgleichung in ein System von algebraischen Gleichungen umzuwandeln, das ein numerischer Solver verarbeiten kann.

Zellen, Gesichter und Eckpunkte

FIPY-Netze bestehen aus drei Hauptstrukturkomponenten: Zellen, Flächen und Scheitelpunkten.

Zellen sind die Kontrollvolumina, die von der Finite-Volumen-Methode verwendet werden. Eine eindimensionale Zelle ist ein Liniensegment. Eine zweidimensionale Zelle kann ein Rechteck oder ein Dreieck sein. Eine dreidimensionale Zelle kann ein Kasten oder ein anderes polyedrisches Volumen sein.

Gesichter bilden die Grenzen von Zellen. Eine Innenseite trennt zwei benachbarte Zellen. An der äußeren Begrenzung der gesamten Domäne liegt eine Außenfläche.

Ecken definieren die geometrischen Punkte, aus denen Flächen und Zellen konstruiert werden. Die meisten Benutzer manipulieren die Eckpunkte nicht direkt, wenn sie mit regulären Gittern arbeiten, sondern werden beim Importieren oder Erstellen unregelmäßiger Geometrie wichtig.

Die Beziehungen zwischen diesen Komponenten bestimmen, wie sich Werte und Flüsse durch die Simulation bewegen.

Warum Netzstruktur bei der Finite-Volumen-Methode wichtig ist

Die Finite-Volumen-Methode integriert eine maßgebliche Gleichung über jede Zelle. Es wird dann berechnet, wie viel von einer physikalischen Größe durch die umgebenden Gesichter gelangt oder verlässt.

Für ein Diffusionsproblem schätzt FIPY Gradienten zwischen benachbarten Zellwerten und berechnet den diffusiven Fluss über jede Fläche. Für ein Konvektionsproblem hängen die Richtung und Größe des Transports von flächenzentrierten Geschwindigkeiten und normalen Vektoren ab.

Die Zellgröße beeinflusst die Auflösung. Gesichtsbereich beeinflusst die Menge des Flusses. Das Zellvolumen beeinflusst die Akkumulation und die Quellbegriffe. Der Abstand zwischen benachbarten Zellzentren beeinflusst die Gradientennäherung.

Dadurch ist das Netz nicht nur ein visueller Container. Seine Geometrie tritt direkt in die numerischen Gleichungen ein.

Strukturierte und unstrukturierte Netze

Ein strukturiertes Netz ordnet Zellen in einem vorhersehbaren Muster an. Rechteckige Gitter sind das häufigste Beispiel. Zellen bilden Zeilen, Spalten und Schichten, und ihre Nachbarn können systematisch identifiziert werden.

Strukturierte Gitter sind einfach zu erstellen und in der Regel effizient zu verarbeiten. Sie eignen sich für rechteckige Domänen, Schichtsysteme, Kanäle und Probleme mit einfachen Grenzen.

Ein unstrukturiertes Netz folgt nicht einer regelmäßigen Reihen-und-Säulen-Anordnung. Es kann Dreiecke, Tetraeder oder unregelmäßige Polygone enthalten. Unstrukturierte Netze können gebogene Grenzen, Löcher, schmale Merkmale und komplexe technische Geometrien genauer anpassen.

Die Flexibilität eines unstrukturierten Netzes ist mit zusätzlichen Kosten verbunden. Die Erzeugung von Netzen, Qualitätskontrollen, Grenzauswahl und numerische Verarbeitung wird komplizierter.

Erstellen eines eindimensionalen Rasters

Das einfachste FIPY-Mesh ist Grid1D . Es unterteilt eine Linie in eine bestimmte Anzahl von Zellen.

from fipy import Grid1D

mesh = Grid1D(nx=100, dx=0.01)

Der Parameter nx definiert die Anzahl der Zellen. Der Parameter dx definiert die Breite jeder Zelle. In diesem Beispiel beträgt die Gesamtlänge der Domäne eine Einheit.

Eindimensionale Gitter sind nützlich für die geschichtete Diffusion, die Wärmeübertragung durch eine Wand, Konzentrationsänderungen entlang eines Kanals und Systeme mit starker Symmetrie. Ein 1D-Modell ist oft viel schneller als eine 2D- oder 3D-Simulation und kann ausreichend sein, wenn Variationen in andere Richtungen ignoriert werden können.

Erstellen eines zweidimensionalen Rasters

Mit Grid2D kann eine rechteckige zweidimensionale Domäne erstellt werden.

from fipy import Grid2D

mesh = Grid2D(
    nx=50,
    ny=30,
    dx=0.02,
    dy=0.02
)

Das Netz enthält 50 Zellen entlang der x-Achse und 30 Zellen entlang der Y-Achse. Jede Zelle ist 0,02 Einheiten breit und 0,02 Einheiten hoch.

Diese Struktur eignet sich für planare Wärmeübertragung, Materialmikrostrukturen, Diffusion über Oberflächen, elektrostatische Probleme und viele Phasenfeldbeispiele.

Ein rechteckiges Gitter ist normalerweise der beste Ausgangspunkt, wenn die physikalische Domäne einfach ist. Es ist einfach zu visualisieren, zu verfeinern und auf die Netzunabhängigkeit zu testen.

Erstellen eines dreidimensionalen Rasters

FIPY stellt Grid3D für volumetrische Domänen bereit.

from fipy import Grid3D

mesh = Grid3D(
    nx=40,
    ny=30,
    nz=20,
    dx=0.01,
    dy=0.01,
    dz=0.01
)

Dreidimensionale Simulationen können die vollständige räumliche Geometrie darstellen, erfordern jedoch viel mehr Speicher und Verarbeitungszeit. Die Verdoppelung der Zellenzahl in jede Richtung kann die Gesamtzahl der Zellen um den Faktor acht erhöhen.

Vor der Verwendung eines 3D-Gitters ist es sinnvoll zu prüfen, ob Symmetrie oder Maßreduktion ein adäquates Ergebnis liefern kann. Ein zylindrisches oder eindimensionales Radialmodell kann manchmal eine viel teurere 3D-Simulation ersetzen.

Einheitlicher und ungleichmäßiger Abstand

Ein einheitliches Gitter verwendet Zellen gleicher Größe entlang einer bestimmten Achse. Dies ist praktisch, wenn sich die Lösung im gesamten Bereich allmählich ändert.

Einige Probleme enthalten scharfe Gradienten in der Nähe einer Grenze, Schnittstelle oder Quelle. Überall ein feines Gitter zu verwenden, kann verschwenderisch sein. FIPY kann durch Empfangen einer Sequenz von Zellbreiten einen ungleichmäßigen Abstand erzeugen.

from fipy import Grid1D

mesh = Grid1D(
    dx=(0.01, 0.01, 0.02, 0.04, 0.08)
)

Die Zellen werden immer breiter. Kleinere Zellen können in der Nähe einer wichtigen Grenze platziert werden, während größere Zellen Bereiche abdecken, in denen sich die Lösung langsam ändert.

Ungleichmäßige Gitter reduzieren die Rechenkosten, aber abrupte Änderungen der Zellgröße können die numerische Qualität verringern. Zelldimensionen sollten sich normalerweise allmählich ändern, anstatt zwischen extrem unterschiedlichen Werten zu springen.

Zugriff auf Zellzentren

FIPY stellt Zellkoordinaten durch mesh.cellCenters frei. Diese Koordinaten werden häufig verwendet, um Anfangsbedingungen, Quellen, räumliche Koeffizienten und interessierende Regionen zu definieren.

x, y = mesh.cellCenters

Ein Benutzer kann einen kreisförmigen Anfangsbereich erstellen, indem er eine logische Bedingung auf die Koordinaten anwendet:

initial_region = (
    (x - 0.5) ** 2 + (y - 0.5) ** 2
) < 0.1 ** 2

Die resultierende Boolesche Maske identifiziert Zellen, deren Zentren in den Kreis fallen.

Cell-Center-Koordinaten sind besonders nützlich, da die meisten FIPY-Lösungsvariablen als CellVariable -Objekte gespeichert werden.

Zellvariablen und Netzzuordnung

A CellVariable speichert einen Wert für jede Zelle im Netz.

from fipy import CellVariable

temperature = CellVariable(
    name="temperature",
    mesh=mesh,
    value=300.0
)

Die Variable erhält automatisch die gleiche Anzahl von Werten wie das Netz Zellen. Es erhält auch Zugriff auf netzbasierte Operationen wie Gradienten, Gesichtsinterpolation und Einschränkungen.

Werte können nur in ausgewählten Zellen geändert werden:

temperature.setValue(
    500.0,
    where=initial_region
)

Diese Beziehung zwischen Variablen und Netzen ermöglicht FIPY, geometrieabhängige Vorgänge zu verwalten, ohne dass Benutzer jede Matrix manuell zusammenstellen müssen.

Gesichtszentren und Gesichtsvariablen

Gesichter sind wichtig, weil Flüsse durch sie hindurchgehen. Ihre Koordinaten sind über mesh.faceCenters verfügbar.

x_face, y_face = mesh.faceCenters

Gesichtskoordinaten können verwendet werden, um Grenzen zu identifizieren oder eine Bedingung nur auf einen Teil einer Kante anzuwenden.

FIPY unterstützt auch Objekte FaceVariable. Diese sind nützlich für Mengen, die sich natürlich auf Flächen befinden, wie Strömungsgeschwindigkeit oder extern angegebener Fluss.

Eine zellzentrierte Variable kann häufig durch Eigenschaften wie faceValue zu Flächen interpoliert werden. Der Verlauf an den Flächen kann über faceGrad abgerufen werden.

Es ist wichtig, den richtigen Speicherort für eine Variable zu wählen. Temperaturen und Konzentrationen sind häufig zellzentriert, während Flussmittel und Transportgeschwindigkeiten häufig frontzentriert sind.

Zellvolumina, Gesichtsbereiche und Normale

FIPY berechnet geometrische Eigenschaften automatisch. Zellvolumina sind über mesh.cellVolumes verfügbar. In 2D repräsentieren diese Werte Zellbereiche unter den dimensionalen Annahmen des Modells.

Gesichtsbereiche beeinflussen die Gesamtmenge an Material, Wärme oder Impuls durch eine Grenze. Gesichtsnormalen identifizieren die Richtung senkrecht zu jeder Fläche.

Die Ausrichtung einer Normalen ist bei der Berechnung der Flüsse nach außen und nach innen wichtig. Ein positiver Fluss in einer Richtung kann einen negativen Fluss relativ zu einer benachbarten Zelle darstellen.

Diese Eigenschaften ermöglichen es FIPY, die Erhaltungsgesetze konsistent über verschiedene Gitterformen und Koordinatensysteme anzuwenden.

Außen- und Innenseiten

Fipy trennt Gesichter in Außen- und Innengruppen. Außenflächen bilden die äußere Begrenzung der Domäne. Innenflächen verbinden benachbarte Zellen.

Die entsprechenden Masken sind verfügbar als:

mesh.exteriorFaces
mesh.interiorFaces

Außenflächen werden häufig für Randbedingungen verwendet. Innenflächen nehmen am gewöhnlichen Transport zwischen Zellen teil.

Regelmäßige kartesische Gitter bieten auch praktische Richtungsmasken wie facesLeft, facesRight, facesTop und facesBottom.

temperature.constrain(
    350.0,
    where=mesh.facesLeft
)

temperature.constrain(
    300.0,
    where=mesh.facesRight
)

Dies wendet feste Werte an den linken und rechten Grenzen an.

Benutzerdefinierte Begrenzungsmasken erstellen

Eine physische Verfassung kann nur für einen Teil einer Grenze gelten. Benutzerdefinierte Masken können Standard-Gesichtssätze mit Koordinatenbedingungen kombinieren.

x_face, y_face = mesh.faceCenters

heated_section = (
    mesh.facesTop
    & (x_face > 0.4)
    & (x_face < 0.6)
)

temperature.constrain(
    400.0,
    where=heated_section
)

Dieses Beispiel beschränkt nur den zentralen Teil der oberen Grenze.

Benutzerdefinierte Masken können auch kreisförmige Grenzen, Schnittstellen, Einlässe, Ausgänge oder Flächen in der Nähe einer bestimmten Koordinate auswählen. Es ist wichtig, Masken aus Gesichtskoordinaten zu erstellen, wenn flächenbasierte Randbedingungen angewendet werden. Eine Zellmaske und eine Gesichtsmaske haben unterschiedliche Längen und Zwecke.

Periodische Gitterstrukturen

Periodische Netze verbinden gegenüberliegende Seiten einer Domäne. Ein Wert, der eine Seite verlässt, tritt effektiv durch die andere wieder ein.

FIPY bietet periodische Gitterklassen für ein, zwei und drei Dimensionen. Einige Varianten wenden die Periodizität nur entlang ausgewählter Achsen an.

Periodische Gitter sind nützlich für wiederholte Mikrostrukturen, Kristallmuster, repräsentative Materialvolumina, wellenähnliche Systeme und Phasenfeldsimulationen, bei denen künstliche äußere Grenzen die Lösung verzerren würden.

Benutzer sollten sich daran erinnern, dass sich eine periodische Richtung nicht wie eine gewöhnliche Außengrenze verhält. Das Anwenden von widersprüchlichen Randbeschränkungen auf die verbundenen Flächen kann ein falsches Modell erzeugen.

Zylindrische und sphärische Gitter

Kartesische Gitter sind nicht immer die effizienteste Wahl. FIPY bietet zylindrische und sphärische Netzklassen für Systeme mit radialer Symmetrie.

Ein zylindrisches Gitter kann Wärmeübertragung durch eine Rohrwand, radiale Diffusion oder einen achsensymmetrischen Reaktor darstellen. Zellvolumina und Flächenbereiche ändern sich mit Radius, und FIPY berücksichtigt diese Geometrie automatisch.

Ein sphärisches eindimensionales Gitter kann die Diffusion in ein Partikel, eine Wärmeübertragung innerhalb einer Kugel oder einen radialen chemischen Transport modellieren.

Diese koordinatenspezifischen Netze können teure mehrdimensionale Berechnungen ersetzen, wenn die Lösung symmetrisch ist. Sie sollten jedoch nicht verwendet werden, wenn wichtige Winkelvariationen vorhanden sind.

Dreieckige und verzerrte Maschen

FIPY umfasst dreieckige Strukturen wie Tri2D . Dreieckige Zellen können eine unterschiedliche Diskretisierung eines zweidimensionalen Bereichs bereitstellen und können zum Testen des numerischen Verhaltens nützlich sein.

Verzerrte Gitter bewegen die Eckpunkte absichtlich von einer orthogonalen Anordnung weg. Sie können demonstrieren, wie ein Solver auf nicht-orthogonale Geometrie reagiert.

Starke Schiefe kann die Genauigkeit der Gradienten verringern und den numerischen Fehler erhöhen. Ein Netz mit vielen Zellen von schlechter Qualität kann schlechter abschneiden als ein gröberes, aber gut geformtes Gitter.

Die Netzqualität sollte daher getrennt von der Netzauflösung bewertet werden. Das Hinzufügen von verzerrten Zellen verbessert nicht unbedingt die Lösung.

Modellierung komplexer Geometrie mit GMSH

Regelmäßige Gitter sind begrenzt, wenn die Domäne Kurven, Löcher, unregelmäßige Grenzen oder detaillierte dreidimensionale Merkmale enthält. FIPY kann GMSH verwenden, um komplexere Netze zu generieren oder zu importieren.

Aus den GMSH-Befehlen kann ein grundlegendes zweidimensionales Netz erstellt werden:

from fipy import Gmsh2D

mesh = Gmsh2D("""
    cellSize = 0.05;

    Point(1) = {0, 0, 0, cellSize};
    Point(2) = {1, 0, 0, cellSize};
    Point(3) = {1, 1, 0, cellSize};
    Point(4) = {0, 1, 0, cellSize};

    Line(1) = {1, 2};
    Line(2) = {2, 3};
    Line(3) = {3, 4};
    Line(4) = {4, 1};

    Curve Loop(1) = {1, 2, 3, 4};
    Plane Surface(1) = {1};
""")

GMSH kann auch Geometrie aus einer .geo-Datei laden oder eine generierte .msh-Datei importieren. Wenn Sie komplexe Geometrien in einer separaten Datei aufbewahren, ist das Python-Modell häufiger pflegeleicht.

Lokale Verfeinerung

Komplexe Probleme benötigen oft nur in ausgewählten Bereichen kleine Zellen. Die lokale Verfeinerung kann die Auflösung nahe Schnittstellen, Ecken, Grenzen, Quellen, engen Kanälen oder steilen Gradienten verbessern.

GMSH bietet flexible Steuerelemente zum Einstellen lokaler Elementgrößen. Eine feine Region kann um ein wichtiges Merkmal herum angeordnet werden, während der Rest der Domäne größere Zellen verwendet.

Dieser Ansatz ist in der Regel effizienter als die Verfeinerung des gesamten Gitters. Übergänge zwischen feinen und groben Regionen sollten jedoch allmählich erfolgen. Plötzliche Größenänderungen können die numerische Qualität beeinträchtigen oder schlecht geformte Zellen erzeugen.

Netzkonvergenztest

Ein Simulationsergebnis sollte nicht stark von einer beliebigen Maschengröße abhängen. Die Netzkonvergenzprüfung prüft, ob die Lösung stabil wird, wenn das Gitter verfeinert wird.

Ein praktischer Test verwendet mindestens zwei oder drei Auflösungen. Der Benutzer vergleicht eine wichtige Größe wie Maximaltemperatur, Durchschnittskonzentration, Schnittstellenposition oder Gesamtfluss.

Wenn sich das Ergebnis nach der Verfeinerung erheblich ändert, war das ursprüngliche Netz wahrscheinlich zu grob. Wenn die Differenz klein wird, kann eine weitere Verfeinerung ihre Rechenkosten nicht rechtfertigen.

Die Konvergenz sollte auf den für die Studie wichtigen Output getestet werden. Ein Netz kann einen Durchschnittswert genau vorhersagen, während es dennoch kein lokales Maximum erfassen kann.

Netze in parallelen Simulationen

Große FIPY-Simulationen können ein Netz über mehrere Prozesse verteilen. Jeder Prozess arbeitet mit einem Teil der Domäne und tauscht Informationen mit benachbarten Teilen aus.

Parallele Netze können lokale Zellen, Überlappungszellen und global identifizierte Werte enthalten. Die Größe eines lokalen Numpy-Arrays kann daher von der Gesamtzahl der Zellen im vollständigen Netz abweichen.

Benutzer sollten vorsichtig sein, wenn sie Arrays direkt indizieren oder Werte während der parallelen Ausführung exportieren. Code, der davon ausgeht, dass jeder Prozess das vollständige Netz besitzt, kann im seriellen Modus gearbeitet werden, schlägt jedoch im parallelen Modus fehl.

Die parallele Ausführung kann die Laufzeit bei großen Problemen verkürzen, aber der Kommunikationsaufwand kann den Nutzen für kleine Netze einschränken.

Inspizieren und visualisieren eines Netzes

Ein Netz sollte vor dem Lösen einer komplexen Gleichung überprüft werden. Benutzer können Zellzahlen, Koordinatenbereiche, Volumina, Außenmasken und Begrenzungsauswahlen überprüfen.

FIPY-Viewer können eine Variable auf dem Netz anzeigen:

from fipy import Viewer

viewer = Viewer(vars=temperature)
viewer.plot()

Die Visualisierung kann falsche Domänendimensionen, unerwartete Zellenabstände, fehlende Regionen oder schlecht ausgewählte Grenzmasken aufdecken.

Bei GMSH-basierter Geometrie ist es sinnvoll, das generierte Netz in einem dedizierten Visualisierungstool zu überprüfen, bevor eine lange Simulation beginnt.

Häufige Anfängerfehler

Ein häufiger Fehler ist die Verwirrung der Zellzahl mit der physischen Größe. Ein Gitter mit 100 Zellen hat keine Länge von 100, es sei denn, jede Zelle ist eine Einheit breit.

Ein weiterer Fehler ist das Anwenden einer Grenzbedingung mit einer Zellmaske anstelle einer Gesichtsmaske. Randbedingungen wirken im Allgemeinen auf Außenflächen.

Benutzer können auch ein zu grobes Raster auswählen, um einen Farbverlauf zu erfassen, oder für ein einfaches Problem unnötig gut.

Andere häufige Probleme sind falsche Koordinatenannahmen, abrupter ungleichmäßiger Abstand, schlechte GMSH-Elementqualität, widersprüchliche periodische Bedingungen und Überspringen von Konvergenztests.

Auswahl des richtigen FIPY-Mesh

Ein praktischer Arbeitsablauf für die Netzauswahl

Beginnen Sie mit der Identifizierung der physischen Form der Domäne und der Dimensionen, in denen die Lösung variieren kann. Überprüfen Sie, ob Symmetrie ein 3D-Problem auf 2D oder 1D reduzieren kann.

Wählen Sie die einfachste geeignete Netzklasse. Schätzen Sie, wo starke Gradienten oder Grenzflächen auftreten können, und passen Sie die Zellgröße entsprechend an.

Überprüfen Sie Zellzentren, Domänendimensionen, Volumen und Grenzmasken. Visualisieren Sie das Netz und wenden Sie eine einfache Testvariable an, bevor Sie die vollständige Gleichung lösen.

Führen Sie die Simulation mit mehr als einer Auflösung aus und vergleichen Sie die Hauptergebnisse. Gehen Sie zu GMSH, lokaler Verfeinerung oder Parallelverarbeitung nur, wenn das Basisgitter die geometrischen oder numerischen Anforderungen nicht erfüllen kann.

Schlussfolgerung

FIPY-Meshes definieren die Geometrie, Konnektivität, Zellvolumen, Flächen und Koordinaten, die von der Finite Volume-Methode verwendet werden. Sie liefern die Struktur, auf der Variablen, Gleichungen, Flüsse und Randbedingungen wirken.

Regelmäßige Klassen wie Grid1D, Grid2D und Grid3D decken viele gemeinsame Probleme ab. Ungleichmäßige, periodische, zylindrische, sphärische, dreieckige und GMSH-basierte Netze unterstützen spezialisiertere Domänen.

Das detaillierteste Netz ist nicht automatisch das beste. Ein gutes Mesh erfasst das erforderliche physische Verhalten und hält die Rechenkosten überschaubar. Korrekte Grenzmasken, angemessene Zellqualität, geeignete Koordinatensysteme und Konvergenztests sind alle unerlässlich.

Durch die Auswahl des einfachsten ausreichenden Rasters und der Verfeinerung nur bei Bedarf können FIPY-Benutzer Simulationen erstellen, die leichter zu verstehen, schneller zu lösen und zuverlässiger sind.