# Attractor-MoE ROM 数据集构建 — 技术路线文档 > **目标读者**: Codex / 继续此工作的 AI / 复现者 > **日期**: 2026-07-08 > **OpenFOAM**: v13 Foundation (`/opt/openfoam13/etc/bashrc`) > **硬件**: 16 核 CPU, 14 GB RAM, Linux --- ## 目录 1. [物理问题与目标](#1-物理问题与目标) 2. [三阶段流态：Steady / Hopf / Periodic](#2-三阶段流态) 3. [数据收集策略（核心）](#3-数据收集策略核心) 4. [项目文件结构](#4-项目文件结构) 5. [网格设计](#5-网格设计) 6. [求解器与数值配置](#6-求解器与数值配置) 7. [运行与后处理流程](#7-运行与后处理流程) 8. [流态分类算法](#8-流态分类算法) 9. [当前结果与问题诊断](#9-当前结果与问题诊断) 10. [Codex 后续任务清单](#10-codex-后续任务清单) 11. [已知坑点速查](#11-已知坑点速查) 12. [快速命令参考](#12-快速命令参考) --- ## 1. 物理问题与目标 ### 几何 ``` ┌──────────────────────────────────────┐ y=4 (topWall) │ │ │ ← Parabolic inflow │ │ u(y)=Um·4y(H-y)/H² │ │ Um=1, H=4 │ │ │ │ ┌───┐ │ │ y=2.5 │ │ D×D obstacle │ │ │ │ center: y∈[1.5,2.5] │ │ y=1.5 └───┘ │ │ x=5 x=6 │ │ │ └──────────────────────────────────────┘ y=0 (bottomWall) x=0 x=31 ``` | 参数 | 值 | |------|-----| | 槽道长度 L | 31D | | 槽道高度 H | 4D | | 障碍物位置 | x∈[5,6], y∈[1.5,2.5]（中心放置） | | 障碍物尺寸 | D×D = 1×1 | | 堵塞比 β | D/H = 0.25 | | 入口速度 | 抛物线 Poiseuille: u(y)=Um·4y(H−y)/H², Um=1 | | 雷诺数 | Re = Um·D/ν = 1/ν | ### 目标 构建 **Attractor-MoE ROM** 的三阶段训练数据集，覆盖中心放置方柱（经典 benchmark）： - **Steady**: fixed point attractor（Re < Recr） - **Hopf near-onset**: 临界点附近的慢增长/衰减（Re ≈ Recr） - **Periodic**: limit cycle attractor（Re > Recr） **文献参考**: 中心方柱 β=0.25 的 Hopf 分岔 Recr ≈ 58（Madhavan et al. 2014; Verma, Saha & Behera 2017）。 --- ## 2. 三阶段流态 ### 2.1 Steady 区（Re < Recr, 固定点吸引子） **物理特征**: - 尾迹对称，无涡脱落 - 所有探针速度收敛到常数 - 残差单调下降 - 相邻快照差 ||U(t+Δt)−U(t)|| → 0 **数据收集**: - ✗ 丢弃 t=0 到稳态建立前的启动瞬态 - ✓ 从"尾迹已经不动了"开始收集 snapshots - ✓ 不需要很长的时间序列（≡ fixed point） - ✓ 真正需要的是**多个不同 Re 的稳定解** **判断稳态的方法**: 1. Wake probe Ux 在长时间窗口内变化 < 1e-6 2. 速度场相邻快照相对差 < 1e-8 3. 残差已降至 1e-6 以下且趋于平稳 ### 2.2 Hopf 区（Re ≈ Recr, 临界点附近） **物理特征**: - 最小阻尼的模态增长率接近零 - 扰动增长或衰减非常缓慢 - 吸引子结构从 fixed point → limit cycle 转变 **数据收集（最关键、最敏感）**: - ✗ 不要只用最后一小段（容易误判为 steady） - ✗ 不要把入口启动效应当成 Hopf 增长 - ✓ **诊断序列从 t=0 开始记录**（probe, CL, 能量振幅） - ✓ **训练 snapshots 从启动瞬态结束后开始**，覆盖小振幅增长→饱和过程 - ✓ 用相邻 Re 的稳定解作为初值（减少启动瞬态） - ✓ 加入微小扰动（如果增长率太慢） **判断 Hopf 的方法**: 1. 探针速度出现可检测的周期性波动（FFT 峰值 > 5σ 噪声） 2. 扰动振幅在长时间内增长（segment STD 逐段增大） 3. 尾迹对称性破缺（上下剪切层 Ux 差值的 std 增加） ### 2.3 Periodic 区（Re > Recr, 极限环吸引子） **物理特征**: - 成熟的 Kármán 涡街（交替涡脱落） - 振幅和频率饱和到定值 - 上下剪切层不对称振荡 **数据收集**: - ✗ 丢弃前 3-5 个 shedding periods（极限环建立过程） - ✓ 从振幅/频率稳定后开始收集 - ✓ 每个 Re 至少 10-20 个完整周期 - ✓ rollout 评估需要足够的周期来验证频率/振幅/相位保持 **判断极限环建立的方法**: 1. 探针速度的峰峰值稳定（相邻周期振幅变化 < 1%） 2. FFT 主频稳定（频率漂移 < 1%） 3. 相位图（Ux vs Uy）形成闭合环 --- ## 3. 数据收集策略（核心） ### 3.1 两个"开始"的区别 ``` 时刻轴: t=0 ───────────── t_transient ──────────────── t_attractor ───→ t_end │ │ │ │ 启动瞬态区 │ 吸引子发展区 │ 稳定吸引子区 │ (丢掉) │ (Hopf: 保留诊断) │ (保存训练 snapshots) │ │ (Steady/Periodic: 丢掉) │ │ │ │ │ 入口突然启动 │ Hopf: 扰动增长/衰减 │ Steady: 固定点 │ 压力场调整 │ Periodic: 极限环建立 │ Hopf: 小振幅增长/饱和 │ 尾迹建立 │ │ Periodic: 成熟涡街 ``` ### 3.2 诊断 vs 训练数据 | | 诊断数据 | 训练 Snapshots | |---|---|---| | **记录开始** | t=0（从一开始） | t_attractor（吸引子建立后） | | **内容** | probe U/p, residuals | 全场 U, p | | **频率** | 每 10 步（probe），每步（residual） | 每 200-500 步 | | **用途** | 判断瞬态结束、流态分类 | ROM 训练 | | **保存位置** | `postProcessing/` | `VTK/`（时间目录） | ### 3.3 瞬态检测方法 ```python # 方法1: 滑动窗口 STD 收敛 def detect_steady_onset(ux_series, window=500, threshold=1e-8): for i in range(len(ux_series) - window): seg_std = np.std(ux_series[i:i+window]) if seg_std < threshold: return i # 瞬态结束的时间索引 # 方法2: 相邻快照差收敛 def detect_by_field_diff(U_snapshots, threshold=1e-8): for i in range(1, len(U_snapshots)): rel_diff = np.linalg.norm(U[i] - U[i-1]) / np.linalg.norm(U[i-1]) if rel_diff < threshold: return i # 方法3: 残差监控 # 读取 postProcessing/residuals/ 中的 U 残差 # 当 Initial residual < 1e-6 且不再明显下降 → 已收敛 ``` ### 3.4 各流态的训练数据保存策略 ``` Steady (Re < Recr): 快照范围: [t_steady_onset, t_end] 快照数量: 10-20 张即可（固定点不需要多） 关键: 多个不同 Re 的稳定解（Re=10,20,30,40,50） Hopf near-onset (Re ≈ Recr): 诊断范围: [0, t_end] 全程记录 probe 快照范围: [t_transient_end, t_end] 快照数量: 50-100 张（覆盖小振幅增长到饱和） 关键: 保留振幅增长阶段（这是 Hopf 特征！） Periodic (Re > Recr): 诊断范围: [0, t_end] 全程记录 probe 快照范围: [t_limit_cycle_start, t_end] 快照数量: 每个周期 20-30 张 × 10-20 周期 = 200-600 张 关键: 至少 10 个完整 shedding periods ``` --- ## 4. 项目文件结构 ``` ~/Desktop/centeredSquare/ │ ├── TECHNICAL_ROADMAP.md ← 本文档 │ ├── system/ ← 主模板（所有 case 共用） │ ├── blockMeshDict # 8 块结构化网格, 9,400 cells │ ├── controlDict # 时间控制 + 6 探针 + residuals 监控 │ ├── fvSchemes # backward + linearUpwind │ ├── fvSolution # GAMG(p) + PBiCGStab(U) │ └── decomposeParDict # 3 子域, scotch 分解 │ ├── constant/ │ └── polyMesh/ # blockMesh 生成的网格 │ ├── 0.org/ ← 初始场模板 │ ├── U # codedFixedValue 抛物线入口 │ └── p # uniform 0, outlet fixedValue 0 │ ├── Re40/ Re55/ Re60/ ← 各 Re 工况目录 ├── Re70/ Re100/ │ └── (每个 Re 目录内) Re100/ ├── system/ # 从 ../system/ 复制 ├── constant/ │ ├── polyMesh/ # 从 ../constant/polyMesh 复制 │ └── physicalProperties # nu = 1/Re ├── 0/ # 从 ../0.org/ 复制 ├── processor0/1/2/ # decomposePar 生成 ├── run.log # icoFoam 完整输出 ├── [0-9]* # 时间目录（125 writeIntervals） ├── postProcessing/ │ ├── wakeProbes/0/U # 6 探针速度（每 10 步）, 2,500 时间点 │ └── residuals/0/ # U, p 残差（每 10 步） └── VTK/ # foamToVTK 输出, ~131 文件, ~140 MB ``` --- ## 5. 网格设计 ### blockMeshDict (`system/blockMeshDict`) **总网格数: 9,400**（全六面体, z 方向挤 0.1） | Block | 区域 | x 范围 | y 范围 | 网格 (x×y×z) | Grading | 用途 | |-------|------|--------|--------|-------------|---------|------| | 0 | inletLower | 0→5 | 0→1.5 | 35×20×1=700 | (1 1 1) | 入口下方 | | 1 | inletMid | 0→5 | 1.5→2.5 | 35×16×1=560 | (1 1 1) | 入口中层（障碍物来流） | | 2 | inletUpper | 0→5 | 2.5→4 | 35×20×1=700 | (1 1 1) | 入口上方 | | 3 | belowObs | 5→6 | 0→1.5 | 12×20×1=240 | (1 1 1) | 障碍物下方 | | 4 | aboveObs | 5→6 | 2.5→4 | 12×20×1=240 | (1 1 1) | 障碍物上方 | | 5 | outletLower | 6→31 | 0→1.5 | 120×20×1=2400 | (1 1 1) | 出口下方 | | 6 | outletMid | 6→31 | 1.5→2.5 | 120×18×1=2160 | (1 1 1) | **尾迹** | | 7 | outletUpper | 6→31 | 2.5→4 | 120×20×1=2400 | (1 1 1) | 出口上方 | **网格质量**: - 最大纵横比: 3.75 - 最大非正交: 0（完美正交） - 最大偏斜: ~0 **当前问题**: 无 grading → 障碍物角部和剪切层附近的分辨率可能不足以捕捉不稳定性。 ### 改进建议（Codex 优先处理） 增加 mesh grading 以提高剪切层分辨率: ``` Block 0: grading (0.3 1 1) # x 向障碍物加密 Block 1: grading (0.3 1 1) # x 向障碍物加密 Block 2: grading (0.3 3 1) # x 向障碍物 + y 向 y=2.5 加密 Block 3: grading (0.3 3 1) # y 向 y=1.5 加密 Block 4: grading (0.3 3 1) # y 向 y=2.5 加密 Block 5: grading (5 1 1) # 尾迹近障碍物加密 Block 6: grading (5 1 1) # 尾迹近障碍物加密 Block 7: grading (5 3 1) # 尾迹近障碍物 + y 加密 ``` > ⚠️ **重要**: 相邻 block 在共享面的 grading 必须匹配！详见 §11 坑点 8。 --- ## 6. 求解器与数值配置 ### 求解器: icoFoam（瞬态不可压层流） ### controlDict ```cpp endTime 500; // 25,000 步 deltaT 0.02; // 固定时间步, Co≈0.44 writeInterval 200; // 每 4.0 时间单位写一次 (125 帧) writeFormat ascii; // 必须 ascii, foamToVTK 不支持原生 vtk ``` ### 探针配置（6 个位置） ```cpp ( 7.0 2.0 0.05 ) // Probe 0: 尾迹中心线, 障碍物后 1D ( 8.0 2.0 0.05 ) // Probe 1: 尾迹中心线, 障碍物后 2D ★主分类探针 (10.0 2.0 0.05 ) // Probe 2: 尾迹中心线, 中段 (12.0 2.0 0.05 ) // Probe 3: 远尾迹 ( 7.0 1.5 0.05 ) // Probe 4: 下剪切层 (障碍物下缘) ( 7.0 2.5 0.05 ) // Probe 5: 上剪切层 (障碍物上缘) ``` ### fvSchemes ```cpp ddtSchemes { default backward; } // ★ 2阶隐式 (稳定, 但有耗散) gradSchemes { default Gauss linear; } divSchemes { div(phi,U) Gauss linearUpwind grad(U); } ``` **关键问题**: `backward` 格式有显著的数值耗散，可能**抑制了弱不稳定性**。 **改进方案**: 改用 `CrankNicolson 0.9`: ```cpp ddtSchemes { default CrankNicolson 0.9; // 混合 Crank-Nicolson, 耗散更小 } ``` CN 0.9 表示 90% CN + 10% Euler implicit，既保持稳定性又显著减少耗散。 ### fvSolution ```cpp p { solver GAMG; tolerance 1e-6; relTol 0.05; smoother GaussSeidel; } pFinal { solver GAMG; tolerance 1e-6; relTol 0; smoother GaussSeidel; } U { solver PBiCGStab; preconditioner DILU; tolerance 1e-6; relTol 0.0; } PISO { nCorrectors 1; nNonOrthogonalCorrectors 1; } ``` ### 并行 ```cpp numberOfSubdomains 3; // 每 case 3 核 method scotch; ``` 16 核机器可同时跑 5 个 case（15 核）。单 case ~74 步/秒, 5 并行 ~15 步/秒/case。 --- ## 7. 运行与后处理流程 ### 7.1 创建新 Re 工况 ```bash source /opt/openfoam13/etc/bashrc BASE="$HOME/Desktop/centeredSquare" Re=80 # 目标 Re nu=$(python3 -c "print(1.0/$Re)") # ν = 1/Re dir="$BASE/Re${Re}" rm -rf "$dir" mkdir -p "$dir"/{system,constant,0} # 复制模板 cp "$BASE/system/"{controlDict,fvSchemes,fvSolution,decomposeParDict} "$dir/system/" cp -r "$BASE/constant/polyMesh" "$dir/constant/" cp "$BASE/0.org/U" "$dir/0/U" cp "$BASE/0.org/p" "$dir/0/p" # 设置粘度 cat > "$dir/constant/physicalProperties" << EOF FoamFile { version 2.0; format ascii; class dictionary; location "constant"; object physicalProperties; } transportModel Newtonian; nu $nu; EOF # 分解并运行 cd "$dir" decomposePar mpirun -np 3 icoFoam -parallel > run.log 2>&1 ``` ### 7.2 并行批量运行 ```bash for Re in 80 90 110 120 150; do (cd "$BASE/Re${Re}" && mpirun -np 3 icoFoam -parallel > run.log 2>&1) & done wait ``` ### 7.3 后处理 ```bash # 合并并行结果 cd "$BASE/Re80" reconstructPar # 转 VTK (ParaView 可视化) mkdir -p VTK foamToVTK -time '0:500' -fields '(U p)' # 打开 ParaView paraview VTK/Re80_.vtk ``` ### 7.4 流态分类分析 ```bash python3 << 'PYEOF' import numpy as np # 读取探针数据 probe_file = "Re80/postProcessing/wakeProbes/0/U" data = [] with open(probe_file) as f: for line in f: if not line.strip() or line.startswith('#'): continue parts = line.split('(') t = float(parts[0].strip()) ux = [] for p in parts[1:]: vals = p.rstrip(')').strip().split() if vals: ux.append(float(vals[0])) if len(ux) == 6: data.append([t] + ux) data = np.array(data) t_vals = data[:, 0] half = len(t_vals) // 2 # 尾迹探针 (Probe 1) ux = data[half:, 2] t_half = t_vals[half:] # 去趋势 coeffs = np.polyfit(t_half, ux, 1) detrended = ux - np.polyval(coeffs, t_half) detrend_std = np.std(detrended) # FFT dt = t_vals[1] - t_vals[0] fft = np.abs(np.fft.rfft(detrended)) freqs = np.fft.rfftfreq(len(detrended), dt) # 涡脱落频带 St=0.05-0.3 band = (freqs >= 0.05) & (freqs <= 0.3) if np.any(band): idx = np.argmax(fft[band]) peak_amp = fft[band][idx] / len(detrended) peak_St = freqs[band][idx] band_mean = np.mean(fft[band]) / len(detrended) sig = peak_amp / band_mean if band_mean > 0 else 0 # 分段趋势（4 段, 判断增长/衰减） seg_n = 4; seg_size = len(ux) // seg_n seg_stds = [] for s in range(seg_n): seg = ux[s*seg_size:(s+1)*seg_size] st = t_half[s*seg_size:(s+1)*seg_size] c = np.polyfit(st, seg, 1) seg_stds.append(np.std(seg - np.polyval(c, st))) # 分类 if detrend_std < 1e-6: regime = "STEADY" elif peak_amp > 1e-3 and sig > 10: regime = f"PERIODIC (St={peak_St:.3f})" elif peak_amp > 1e-4 and sig > 5: regime = f"HOPF NEAR-ONSET (St={peak_St:.3f})" elif seg_stds[-1] > seg_stds[0] * 1.5: regime = f"GROWING INSTABILITY (may be Hopf)" else: regime = "STEADY/TRANSITIONAL" print(f"Re: σ_det={detrend_std:.2e}, St={peak_St:.3f}, sig={sig:.1f}x, regime={regime}") PYEOF ``` --- ## 8. 流态分类算法 ### 判定流程图 ``` 探针 Ux 时间序列 (t_half..t_end) │ ▼ ┌─ 去趋势: σ_det ─┐ │ │ ▼ ▼ σ_det < 1e-6? σ_det > 1e-6? │ │ ▼ ▼ STEADY FFT 分析 │ ┌──────┼──────┐ ▼ ▼ ▼ sig>10? sig>5? sig<5? │ │ │ ▼ ▼ ▼ PERIODIC HOPF 分段趋势 │ ┌──────┼──────┐ ▼ ▼ ▼ ↑增长? →稳定? ↓衰减? │ │ │ ▼ ▼ ▼ HOPF TRANS STEADY ``` ### FFT 频带说明 - **St < 0.02**: 慢漂移（非物理涡脱落） - **St = 0.05–0.1**: 可能为弱涡脱落或低频调制 - **St = 0.10–0.20**: 典型方柱涡脱落频率（最关注此范围） - **St > 0.30**: 高频数值噪声 --- ## 9. 当前结果与问题诊断 ### 测试结果（5 个 Re） | Re | Ux@wake | σ_detrend | FFT St | sig | 分类 | |----|---------|-----------|--------|-----|------| | 40 | +0.1797 | 0.0 | — | — | ✅ STEADY | | 55 | +0.0593 | 3.6×10⁻⁹ | 0.228 | 3.8x | ✅ STEADY | | 60 | +0.0255 | 1.5×10⁻¹⁸ | — | — | ✅ STEADY | | 70 | −0.0352 | 3.4×10⁻¹⁸ | — | — | ✅ STEADY | | 100 | −0.1727 | 3.9×10⁻⁷ | 0.164 | **17.4x** | ⚠️ STEADY | **关键观察**: - Re=100 在 St=0.164 处有 17.4σ 的 FFT 峰值 → 这**暗示了弱周期信号** - 但振幅只有 ~10⁻⁷ 量级 → 即使存在涡脱落也被严重抑制 - 所有 Re 均为定常流 → **数值/网格问题** ### 根因分析 最可能的原因（按优先级）: 1. **`backward` 时间格式耗散过大** (最可能) - backward 是 2 阶全隐式，在瞬态层流中有显著的数值耗散 - 对于捕捉弱不稳定性（Hopf 分岔附近增长率 ≈ 0），耗散可能完全抑制物理振荡 2. **网格分辨率不足** - 9,400 uniform cells → 障碍物角部和剪切层附近可能不够密 - 文献中类似 benchmark 通常用 20K-50K cells 3. **无 mesh grading** - 障碍物附近 cell Δx ≈ 0.083, Δy ≈ 0.063 - 对于捕捉边界层和剪切层失稳可能不够 4. **模拟时间可能不够** - Hopf 附近的增长率非常小，t=500 可能不够让弱不稳定性发展起来 --- ## 10. Codex 后续任务清单 ### Priority 1: 数值格式修复 ⭐⭐⭐ ```bash # 修改 system/fvSchemes 中的 ddtSchemes: # 从: default backward; # 改: default CrankNicolson 0.9; sed -i 's/default.*backward;/default CrankNicolson 0.9;/' system/fvSchemes ``` 重新跑 Re=55, 60, 65, 70, 80, 100, 120： ```bash for Re in 55 60 65 70 80 100 120; do nu=$(python3 -c "print(1.0/$Re)") # ... 设置 case ... (cd "Re${Re}" && mpirun -np 3 icoFoam -parallel > run.log 2>&1) & done ``` 预期结果: Re>60 应出现明显周期性涡脱落 (St≈0.13-0.16)。 ### Priority 2: 加 mesh grading ⭐⭐ 参考 §5 改进建议。注意： - 共享面的 grading 必须匹配 - 建议先在一个 Re (如 Re=100) 上测试 grading 网格 - 确认 blockMesh + checkMesh 通过后再批量 ### Priority 3: 延长时间 ⭐⭐ 对于 Hopf 附近 (Re≈55-65): - 运行 t=1000-2000 - Hopf 临界增长率 → 0，需要更长时间才能看到振幅增长 - 可用相邻高 Re 的稳定周期解作为初值加速 ### Priority 4: 系统化数据收集 ⭐ 按照 §3 的策略，对每个流态执行差异化收集: ``` Steady (Re=20,30,40,50): - 确认稳定后保存 20 snapshots/Re - 每个 snapshot 间隔 Δt=2.0 Hopf (Re=55,58,60,62,65): - 从 t=0 记录 probe 诊断 - 瞬态结束后保存 100 snapshots - 覆盖振幅从小到大的全过程 Periodic (Re=70,80,100,120,150): - 丢弃前 5 个 shedding periods - 保存 15-20 个完整周期的 snapshots - 每周期 ~20 snapshots ``` ### Priority 5: 扩展 Re 范围 ⭐ ```bash # 完成 CrankNicolson + grading 后: Re_steady=(20 30 40 50) Re_hopf=(55 58 60 62 65) Re_periodic=(70 80 100 120 150) # 全部跑 t=500（Hopf case 可能需要 t=1000） ``` --- ## 11. 已知坑点速查 1. **physicalProperties vs transportProperties**: v13 用 `physicalProperties`。`transportProperties` → FATAL ERROR。 2. **codedFixedValue segfault**: 必须用 `const vectorField& cf = patch().Cf(); cf[i].y();` 不能用 `patch().Cf().component(vector::Y)`。 3. **forces function object**: v13 需要 momentumTransport model，laminar 不可用。 4. **writeFormat vtk**: Foundation v13 不支持。用 `ascii` + 后处理 `foamToVTK`。 5. **foamToVTK 无 -time 参数**: 只转最新时间步。必须 `foamToVTK -time '0:500'`。 6. **decomposePar 顺序**: 必须先 `mkdir -p 0; cp 0.org/* 0/` 再 `decomposePar`。 7. **reconstructPar 必须**: 并行结果在 processor* 里，VTK 前必须 reconstruct。 8. **blockMesh grading 兼容性**: 相邻 block 共享面方向的 grading 必须匹配！否则 "Inconsistent point locations" 错误。如果 grading 不匹配 → 全用 `(1 1 1)` 或确保相邻 block 同方向 grading 值相同。 9. **backward 格式耗散**: 在捕捉 Hopf 分岔时可能抑制弱不稳定性 → 改用 `CrankNicolson 0.9`。 10. **probe 数据格式**: OpenFOAM probes 输出括号包裹的向量 `(Ux Uy Uz)`，解析时需特殊处理: ```python parts = line.split('(') for p in parts[1:]: vals = p.rstrip(')').strip().split() ux = float(vals[0]) ``` --- ## 12. 快速命令参考 ```bash # === 环境 === source /opt/openfoam13/etc/bashrc BASE="$HOME/Desktop/centeredSquare" # === 网格 === cd "$BASE" && blockMesh && checkMesh # === 单 case === cd "$BASE/Re80" decomposePar && mpirun -np 3 icoFoam -parallel | tee run.log # === 监控 === grep "^Time = " run.log | tail -1 grep "ExecutionTime" run.log | tail -1 # === 批量检查 === for Re in 40 55 60 70 100; do t=$(grep '^Time = ' "$BASE/Re${Re}/run.log" | tail -1 | awk '{print $3}') echo "Re=$Re: $t" done # === 后处理 === reconstructPar foamToVTK -time '0:500' -fields '(U p)' # === 探针分析 === python3 -c " import numpy as np # 见 §7.4 完整分析脚本 " # === 进程检查 === ps aux | grep icoFoam | grep -v grep | wc -l ``` --- ## 附录 A: 两个项目的对应关系 | | `squareObstacle/` | `centeredSquare/` | |---|---|---| | 障碍物位置 | 底面安装 y∈[0,1] | 中心放置 y∈[1.5,2.5] | | 网格数 | 9,565 (5 blocks, graded) | 9,400 (8 blocks, uniform) | | 预期 Recr | >600 | ≈58 | | 已测 Re | 100-600 (all steady) | 40-100 (all steady*) | | 探针数 | 4 | 6 (含剪切层) | | 主要问题 | 底面安装太稳定 | backward 耗散抑制涡脱落 | ## 附录 B: 文件大小 - 每个 Re case: ~460 MB (含 VTK) - VTK only: ~140 MB/case - 探针数据: ~200 KB/case --- > **最后更新**: 2026-07-08 > **下次运行的第一个命令**: 改 `backward` → `CrankNicolson 0.9` + 加 mesh grading