使用Python进行计算流体动力学模拟的框架。用于运行流体动力学模拟,包括纳维-斯托克斯方程(2D/3D)、浅水方程、分层流动,或分析湍流、涡旋动力学或地球物理流动。提供伪谱方法(FFT)、HPC支持和全面的输出分析。
FluidSim
概述
FluidSim 是一个面向对象的 Python 框架,用于高性能计算流体动力学(CFD)模拟。它为周期性域方程提供基于 FFT 的伪谱方法求解器,在保持 Python 易用性的同时,性能可与 Fortran/C++ 相媲美。
核心优势:
- 多种求解器:2D/3D Navier-Stokes、浅水方程、分层流
- 高性能:Pythran/Transonic 编译、MPI 并行化
- 完整工作流:参数配置、模拟执行、输出分析
- 交互式分析:基于 Python 的后处理和可视化
核心能力
1. 安装与配置
使用 uv 安装 fluidsim,并添加适当的功能标志:
# 基础安装
uv pip install fluidsim
# 包含 FFT 支持(大多数求解器必需)
uv pip install "fluidsim[fft]"
# 包含 MPI 以支持并行计算
uv pip install "fluidsim[fft,mpi]"设置输出目录的环境变量(可选):
export FLUIDSIM_PATH=/path/to/simulation/outputs
export FLUIDDYN_PATH_SCRATCH=/path/to/working/directory无需 API 密钥或身份验证。
详见 references/installation.md 获取完整的安装说明和环境配置。
2. 运行模拟
标准工作流包含五个步骤:
步骤 1:导入求解器
from fluidsim.solvers.ns2d.solver import Simul步骤 2:创建并配置参数
params = Simul.create_default_params()
params.oper.nx = params.oper.ny = 256
params.oper.Lx = params.oper.Ly = 2 * 3.14159
params.nu_2 = 1e-3
params.time_stepping.t_end = 10.0
params.init_fields.type = "noise"步骤 3:实例化模拟
sim = Simul(params)步骤 4:执行
sim.time_stepping.start()步骤 5:分析结果
sim.output.phys_fields.plot("vorticity")
sim.output.spatial_means.plot()详见 references/simulation_workflow.md 获取完整示例、重启模拟和集群部署说明。
3. 可用求解器
根据物理问题选择求解器:
2D Navier-Stokes (ns2d):2D 湍流、涡动力学
from fluidsim.solvers.ns2d.solver import Simul3D Navier-Stokes (ns3d):3D 湍流、真实流动
from fluidsim.solvers.ns3d.solver import Simul分层流 (ns2d.strat, ns3d.strat):海洋/大气流动
from fluidsim.solvers.ns2d.strat.solver import Simul
params.N = 1.0 # Brunt-Väisälä 频率浅水方程 (sw1l):地球物理流、旋转系统
from fluidsim.solvers.sw1l.solver import Simul
params.f = 1.0 # 科里奥利参数详见 references/solvers.md 获取完整求解器列表和选择指南。
4. 参数配置
参数按层次组织,通过点号表示法访问:
域和分辨率:
params.oper.nx = 256 # 网格点数
params.oper.Lx = 2 * pi # 域大小物理参数:
params.nu_2 = 1e-3 # 粘性系数
params.nu_4 = 0 # 超粘性(可选)时间步进:
params.time_stepping.t_end = 10.0
params.time_stepping.USE_CFL = True # 自适应时间步长
params.time_stepping.CFL = 0.5初始条件:
params.init_fields.type = "noise" # 或 "dipole", "vortex", "from_file", "in_script"输出设置:
params.output.periods_save.phys_fields = 1.0 # 每 1.0 时间单位保存一次
params.output.periods_save.spectra = 0.5
params.output.periods_save.spatial_means = 0.1Parameters 对象会对拼写错误抛出 AttributeError,防止配置错误被静默忽略。
详见 references/parameters.md 获取全面的参数文档。
5. 输出与分析
FluidSim 在模拟过程中自动产生多种输出类型:
物理场:HDF5 格式的速度、涡量
sim.output.phys_fields.plot("vorticity")
sim.output.phys_fields.plot("vx")空间平均值:体积平均量的时间序列
sim.output.spatial_means.plot()能谱:能量和涡度能谱
sim.output.spectra.plot1d()
sim.output.spectra.plot2d()加载先前模拟:
from fluidsim import load_sim_for_plot
sim = load_sim_for_plot("simulation_dir")
sim.output.phys_fields.plot()高级可视化:在 ParaView 或 VisIt 中打开 .h5 文件进行 3D 可视化。
详见 references/output_analysis.md 获取详细分析工作流、参数化研究分析和数据导出。
6. 高级特性
自定义强迫:维持湍流或驱动特定动力学
params.forcing.enable = True
params.forcing.type = "tcrandom" # 时间相关随机强迫
params.forcing.forcing_rate = 1.0自定义初始条件:在脚本中定义场
params.init_fields.type = "in_script"
sim = Simul(params)
X, Y = sim.oper.get_XY_loc()
vx = sim.state.state_phys.get_var("vx")
vx[:] = sin(X) * cos(Y)
sim.time_stepping.start()MPI 并行化:在多处理器上运行
mpirun -np 8 python simulation_script.py参数化研究:使用不同参数运行多个模拟
for nu in [1e-3, 5e-4, 1e-4]:
params = Simul.create_default_params()
params.nu_2 = nu
params.output.sub_directory = f"nu{nu}"
sim = Simul(params)
sim.time_stepping.start()详见 references/advanced_features.md 获取强迫类型、自定义求解器、集群提交和性能优化。
常见用例
2D 湍流研究
from fluidsim.solvers.ns2d.solver import Simul
from math import pi
params = Simul.create_default_params()
params.oper.nx = params.oper.ny = 512
params.oper.Lx = params.oper.Ly = 2 * pi
params.nu_2 = 1e-4
params.time_stepping.t_end = 50.0
params.time_stepping.USE_CFL = True
params.init_fields.type = "noise"
params.output.periods_save.phys_fields = 5.0
params.output.periods_save.spectra = 1.0
sim = Simul(params)
sim.time_stepping.start()
# 分析能量级串
sim.output.spectra.plot1d(tmin=30.0, tmax=50.0)分层流模拟
from fluidsim.solvers.ns2d.strat.solver import Simul
params = Simul.create_default_params()
params.oper.nx = params.oper.ny = 256
params.N = 2.0 # 分层强度
params.nu_2 = 5e-4
params.time_stepping.t_end = 20.0
# 用密集层初始化
params.init_fields.type = "in_script"
sim = Simul(params)
X, Y = sim.oper.get_XY_loc()
b = sim.state.state_phys.get_var("b")
b[:] = exp(-((X - 3.14)**2 + (Y - 3.14)**2) / 0.5)
sim.state.statephys_from_statespect()
sim.time_stepping.start()
sim.output.phys_fields.plot("b")高分辨率 3D 模拟(使用 MPI)
from fluidsim.solvers.ns3d.solver import Simul
params = Simul.create_default_params()
params.oper.nx = params.oper.ny = params.oper.nz = 512
params.nu_2 = 1e-5
params.time_stepping.t_end = 10.0
params.init_fields.type = "noise"
sim = Simul(params)
sim.time_stepping.start()运行方式:
mpirun -np 64 python script.pyTaylor-Green 涡验证
from fluidsim.solvers.ns2d.solver import Simul
import numpy as np
from math import pi
params = Simul.create_default_params()
params.oper.nx = params.oper.ny = 128
params.oper.Lx = params.oper.Ly = 2 * pi
params.nu_2 = 1e-3
params.time_stepping.t_end = 10.0
params.init_fields.type = "in_script"
sim = Simul(params)
X, Y = sim.oper.get_XY_loc()
vx = sim.state.state_phys.get_var("vx")
vy = sim.state.state_phys.get_var("vy")
vx[:] = np.sin(X) * np.cos(Y)
vy[:] = -np.cos(X) * np.sin(Y)
sim.state.statephys_from_statespect()
sim.time_stepping.start()
# 验证能量衰减
df = sim.output.spatial_means.load()
# 与解析解比较快速参考
导入求解器:from fluidsim.solvers.ns2d.solver import Simul
创建参数:params = Simul.create_default_params()
设置分辨率:params.oper.nx = params.oper.ny = 256
设置粘性:params.nu_2 = 1e-3
设置结束时间:params.time_stepping.t_end = 10.0
运行模拟:sim = Simul(params); sim.time_stepping.start()
绘制结果:sim.output.phys_fields.plot("vorticity")
加载模拟:sim = load_sim_for_plot("path/to/sim")
资源
文档:https://fluidsim.readthedocs.io/
参考文件:
references/installation.md:完整安装说明references/solvers.md:可用求解器和选择指南references/simulation_workflow.md:详细工作流示例references/parameters.md:全面参数文档references/output_analysis.md:输出类型和分析方法references/advanced_features.md:强迫、MPI、参数化研究、自定义求解器
兼容工具
站内相关工具
数据来源:claude-scientific-skills(MIT 许可) | 查看上游来源
上游项目:K-Dense-AI/scientific-agent-skills / claude-scientific-skills | 收录时间:2026-08-18 | 更新:2026-08-18
本页面内容基于上游开源许可项目整理,仅供学习参考。AI铺子不对第三方内容承担责任, 详情请参阅免责声明。