119 lines
5.3 KiB
Markdown
119 lines
5.3 KiB
Markdown
# PhysicsAiFluentAnalysis
|
||
|
||
> 物理世界流场实时仿真 —— 用 AI 神经算子把高保真 CFD 压缩到毫秒级推理。
|
||
|
||
[]()
|
||
[]()
|
||
[]()
|
||
|
||
---
|
||
|
||
## 一句话定义
|
||
|
||
以 **Ansys Fluent 高保真仿真为真值**，训练 **物理约束的 AI 代理模型（神经算子）**，在保持物理一致性的前提下，把小时级的流场计算压缩到 **毫秒级实时推理**，支撑数字孪生、工程设计优化与沉浸式可视化。
|
||
|
||
## 为什么这件事"炸裂"又"难"
|
||
|
||
| 维度 | 现状 | 目标 |
|
||
| --- | --- | --- |
|
||
| 单次 CFD 仿真 | 小时 ~ 天级 | 毫秒级（>1000x 加速） |
|
||
| 参数扫描 | 一次一个工况 | 全参数空间连续可微 |
|
||
| 交互性 | 离线出报告 | 实时拖拽参数、流场即时响应 |
|
||
| 物理可信度 | 求解器保证 | 物理约束 + 守恒律 + 不确定性量化 |
|
||
|
||
**难在哪：** Navier-Stokes 方程的非线性与多尺度特性、湍流闭合问题、AI 长时推演的误差累积与发散、复杂几何的泛化、3D 大网格的实时推理算力瓶颈。这不是"套一个模型"能解决的，需要 **数据流水线 + 物理约束 + 工程加速 + 严格验证** 四线并进。
|
||
|
||
## 已落地 Demo：FFU 洁净室流场实时仿真
|
||
|
||
FFU（风机过滤单元）下方洁净区的流场、温湿度、压力与尘埃粒子输运 —— 同场景提供 **高保真真值** 与 **快速代理** 两条路径。
|
||
|
||
|
||
|
||
| | 高保真真值 | 快速代理 |
|
||
| --- | --- | --- |
|
||
| 网格 / 步数 | 360×270 / 14000 步 | 120×90 / 5000 步（同源求解器） |
|
||
| 端到端耗时 | **76 s** | **7.3 s（16-27x 加速）** |
|
||
| 趋势一致性 | 基准 | 速度 **r=0.95** · 粒子 r=0.83 · 温度 r=0.68 |
|
||
|
||
|
||
|
||
**主要趋势**：单向下扫排污染 → 绕障/缝隙加速（局部 ~1.5 m/s）→ 背风侧死角堆积滞留 → 送风正压/回风负压（< 2 Pa）。
|
||
|
||
详见 [docs/07-ffu-demo.md](docs/07-ffu-demo.md)。
|
||
|
||
## 系统总览
|
||
|
||
|
||
|
||
## 技术路线（一图流）
|
||
|
||
|
||
|
||
## 里程碑路线图
|
||
|
||
|
||
|
||
## 文档导航
|
||
|
||
| 文档 | 内容 |
|
||
| --- | --- |
|
||
| [docs/01-vision.md](docs/01-vision.md) | 愿景、痛点、目标与非目标、成功标准（KPI） |
|
||
| [docs/02-architecture.md](docs/02-architecture.md) | 分层架构、数据流、技术选型与对比 |
|
||
| [docs/03-roadmap.md](docs/03-roadmap.md) | 7 个阶段的目标、交付物与验收标准 |
|
||
| [docs/04-data-and-ai.md](docs/04-data-and-ai.md) | Fluent 数据工厂、模型选型、训练与评估方案 |
|
||
| [docs/05-risks.md](docs/05-risks.md) | 技术风险、缓解策略与开放问题 |
|
||
| [docs/06-references.md](docs/06-references.md) | 论文、开源工具与数据集索引 |
|
||
| [docs/07-ffu-demo.md](docs/07-ffu-demo.md) | FFU 洁净室 Demo：物理设置、趋势验证、复现命令 |
|
||
|
||
## 仓库结构
|
||
|
||
```
|
||
PhysicsAiFluentAnalysis/
|
||
├── README.md # 项目总览（本文件）
|
||
├── package.json # 图件工具依赖 (SVG -> PNG)
|
||
├── docs/ # 规划文档 + 演示图
|
||
│ ├── 01-vision.md ~ 07-ffu-demo.md
|
||
│ └── assets/ # PNG / SVG 演示图
|
||
│ ├── architecture.* 系统架构图
|
||
│ ├── pipeline.* 数据与训练流水线
|
||
│ ├── roadmap.* 里程碑路线图
|
||
│ ├── ffu-flow-field.* FFU 流场（高保真 LBM）
|
||
│ ├── ffu-scalar-fields.png 温湿度/压力/粒子（高保真）
|
||
│ ├── ffu-particle-tracks.png 粒子轨迹与滞留时间
|
||
│ ├── ffu-flow-field-fast.png 快速代理流场（7 s）
|
||
│ ├── ffu-scalar-fields-fast.png 快速代理标量场
|
||
│ └── ffu-validation.png 趋势验证对比图
|
||
└── tools/ # 可复现的生成脚本
|
||
├── ffu_simulation.py # 高保真 D2Q9 LBM + 标量输运（76 s）
|
||
├── ffu_surrogate.py # 快速代理（7 s）+ 趋势验证
|
||
├── gen_diagrams.py # 架构/流水线/路线图 SVG 生成
|
||
└── svg2png.js # SVG -> PNG 批量转换
|
||
```
|
||
|
||
## 快速开始
|
||
|
||
```bash
|
||
# 依赖: Python 3.11+ (numpy / numba / matplotlib), Node 18+ (仅图件转换需要)
|
||
|
||
# 1) 快速代理出图（约 7 秒，含趋势验证对比图）
|
||
python tools/ffu_surrogate.py
|
||
|
||
# 2) 高保真真值（约 76 秒，输出 3 张图 + npz 场数据）
|
||
python tools/ffu_simulation.py
|
||
|
||
# 3) 规划图（架构 / 流水线 / 路线图）
|
||
python tools/gen_diagrams.py
|
||
|
||
# 4) SVG -> PNG
|
||
npm install && node tools/svg2png.js
|
||
```
|
||
|
||
## 当前状态
|
||
|
||
**P0 规划期**：愿景、架构、路线图、风险分析完成；FFU 洁净室 Demo 已可运行（高保真 + 快速代理双路径 + 趋势验证）。
|
||
**下一步**：进入 P1，完成 2D 圆柱绕流 POC（Fluent 数据 → FNO 基线 → 误差评估）。
|
||
|
||
---
|
||
|
||
*本项目处于早期规划阶段，欢迎讨论与共建。*
|