26、曲折通道中流体流动的格子气模型模拟

曲折通道中流体流动的格子气模型模拟

1. 引言

本文提出了一种模拟流体通过多孔介质流动的方法,该方法基于三个主要论点。一是完全离散表示模拟过程中使用的所有值,带来了计算精度和计算稳定性;二是希望将经典的元胞自动机(CA)流体动力学方法与用于多孔介质模型构建的CA方法相结合;三是对于模拟小样本也需要非常大的元胞自动机,因此并行实现不可避免,且在评估方法特性时需考虑其效率。此方法主要针对静态多孔介质,即其形态在研究过程中不发生变化。

2. 问题陈述

模拟流体通过多孔材料的流动旨在研究多孔材料的特性。在材料生产开发阶段,以及设计使用或阻止流体通过多孔膜的设备时,模拟方法和计算机工具都有需求。然而,多孔介质本身是一个复杂的计算机模拟对象,很难找到两个完全相同的多孔材料样本,其数学描述存在不确定性。当孔隙中充满流动液体时,过程表示更加不确定,所以模拟方法难以达到高精度,模拟结果多被视为定性结果,但也能获得一些定量特征。

模拟方法针对二维情况开发,通常二维版本被视为三维情况的近似。该模拟任务是两个元胞自动机的叠加,分别为“PoreCA”(多孔介质模型)和“FlowCA”(流动模型)。“PoreCA”可以是同步或异步的,“FlowCA”是同步的。它们有相同的命名集,但字母表和转移函数集不同。这种组合模型允许对“PoreCA”的初始条件进行微小更改后进行多次模拟,从而获得更可靠的多孔特性信息。

给定的参数分为两组:
- 多孔材料特性参数
1. 样本尺寸 :二维情况下需知道样本的长度和宽度。
2. 孔隙率系数

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值