lettuce_paddle

目录

• 1. 简介
• 2. 复现精度
• 3. 准备环境
• 4. 开始使用
• 5. LICENSE
• 6. 参考链接与文献

1. 简介

本项目为使用paddle复现lettuce项目,lettuce是一个基于LBM的计算流体动力学框架,具有gpu加速计算、二维和三维快速成型等优点。

论文: Lettuce: PyTorch-based Lattice Boltzmann Framework

参考repo: https://github.com/lettucecfd/lettuce

快速使用可参考AIStudio

感谢百度飞桨提供的算力支持

2. 复现精度

图1 三维Taylor-Green旋涡Q准则等值面，雷诺数和网格分辨率分别为1600和256

原代码生成的vtr文件在paraview显示结果（从左到右分别为t=5000,t=7000,t=10000)：

采用相同参数（着色有一点区别，便于区分）本项目代码生成的vtr文件在paraview显示结果：

可以从BaiduYun处下载本项目t=5000,t=7000,t=10000生成的vtr文件

图2 能量耗散率

使用原代码计算−dk/dt得到的结果：

使用本项目代码计算−dk/dt得到的结果：

可以从BaiduYun处下载本项目生成的6个TGV3DoutRes256E.npy文件

obstacle测试结果

三维obstacle，雷诺数和网格分辨率分别为1600和256

生成的vtr文件在paraview显示结果（从左到右分别为t=5000,t=7000,t=10000)：

Q准则等值面如下：

生成的Ek的结果如下：

计算−dk/dt如下：

3. 准备环境

• 下载代码

git clone https://github.com/simonsLiang/lettuce_paddle

• 安装paddlepaddle

# 需要安装2.2及以上版本的Paddle
# 安装GPU版本的Paddle
pip install paddlepaddle-gpu==2.2.0

更多安装方法可以参考：[Paddle安装指南](https://www.paddlepaddle.org.cn/)。

* 安装requirements
```bash
pip install -r requirements.txt

4. 开始使用

下面代码将在GPU上运行一个三维Taylor-Green旋涡

import lettuce as lt
import paddle
import numpy as np
import matplotlib.pyplot as plt
device = 'gpu'  
lattice = lt.Lattice(lt.D3Q27, device=device, dtype=paddle.float32) 
resolution = 80
flow = lt.TaylorGreenVortex3D(resolution, 1600, 0.05, lattice)
collision = lt.BGKCollision(lattice, tau=flow.units.relaxation_parameter_lu)
streaming = lt.StandardStreaming(lattice)
simulation = lt.Simulation(flow, lattice, collision, streaming)
print("MLUPS: ", simulation.step(100))

运行

python run.py --resolution 256 --reynolds 1600

将会每隔1000步生成网格数为255x256x256,雷诺数位1600的vtr文件，可在第三方软件比如paraview进行仿真，同时得到动能变化数值，保存于TGV3DoutRes256E.npy中，如下：

运行

python plotE.py --filename TGV3DoutRes256E.npy --savename ./dissipation.png

将会在根据TGV3DoutRes256E.npy绘制能量耗散曲线，保存于./dissipation.png中，如下：

运行Obstacle3D

python Obstacle3D.py

测试其他所有模型

python test_all.py

输出：

Obstacle2D Performance in MLUPS: Tensor(shape=[1], dtype=float32, place=CUDAPlace(0), stop_gradient=True,
       [4.36028433])
CouetteFlow2D Performance in MLUPS: Tensor(shape=[1], dtype=float32, place=CUDAPlace(0), stop_gradient=True,
       [8.17923832])
DecayingTurbulence Performance in MLUPS: Tensor(shape=[1], dtype=float32, place=CUDAPlace(0), stop_gradient=True,
       [12.97373295])
PoiseuilleFlow2D Performance in MLUPS: Tensor(shape=[1], dtype=float32, place=CUDAPlace(0), stop_gradient=True,
       [11.67977905])

5. LICENSE

Apache License 2.0

6. 参考链接与文献

Lettuce: PyTorch-based Lattice Boltzmann Framework