コンテンツにスキップ

rheoMesh — AMR の文献調査(2026-10-28)

英語 | 日本語

« rheoMesh

開発の経過にある 2026-10-28 の次の作業 (c) と (d) のための調査。

(c) と (d) のために、AMR に関する論文、学位論文、公開されている手法の説明を調べた。ほかのコードのソースは読んでいない(クリーンルーム)。文献はすべて DOI か出版社の記録で確かめた。主な文献は下の「文献」に挙げる。

文献からわかること

  1. 目標値の要らない指標は成熟している。 例:
  2. h|ω|/U(Popinet 2003、Kamkar ら 2011)
  3. 解像されたエネルギーの割合による LES の品質指標(Pope 2004 の M、Celik ら 2005 の IQ)
  4. 予備計算の統計から求める小さい渦のエネルギーの割合(Naddei ら 2019、Antepara ら 2015)
  5. 時間平均場の散逸(Daviller ら 2017)

LBM では、分布関数の平衡からのずれ(Thorimbert ら 2022)が、渦度や Q より良いと報告されている。FV 側では、残差推定(Jasak & Gosman 2001、2003)が最もよく較正されている。 2. 今野らの その 2・その 3 は、後の文献と整合する。 規格化した閾値は、Dörfler(1996)の bulk marking と、Löhner(1987)の正規化した指標と細分・粗化のヒステリシスに対応する。NUAMR の上流の流管は、Spalart(2001)の DES の focus region(「粒子が物体のすぐ近くに戻りうる点の集合」)と同じ考え方である。 3. LBM の AMR の標準は、2:1 バランスの八分木の森(ブロック構造)である。 例として p4est(Burstedde ら 2011)、Schornbaum & Rüde(2018)、GPU での Jaber ら(2025)がある。レベル間での分布関数の受け渡しは確立している(Rohde ら 2006、Chen ら 2006)。一方、渦がレベルの境界を横切るときに出る雑音が課題として残る(Gendre ら 2017、Astoul ら 2020)。 4. 統計的に定常な鈍い物体の後流では、準静的な AMR が標準である。 短い予備計算の統計から細分し、その後は格子を固定する(Naddei ら 2019、Daviller ら 2017、Wackers ら 2017)。毎ステップ細分し直すのは、自由表面のように特徴が動く場合に限られる。 5. 止める基準。 文献では次の基準で止めている。 - セル数の予算 - 格子が変わらなくなる不動点(Alauzet & Loseille 2016) - 少数の観測量の格子収束と不確かさ(Roache 1994、Eça & Hoekstra 2014)

これらは、その 2 が今後の課題とした「推定誤差から AMR の反復を打ち切る」ことへの答えになる。 6. LBM で決めた細分を FV の RANS 格子に使う先行研究は見つからなかった。 近いのは、RANS の予備解から LES の格子幅を決める研究(Addad ら 2008)である。DrivAer で解適合格子を使った研究は Irigaray ら(2024)があり、外部の基準としては AutoCFD 2 の DrivAer のまとめ(Hupertz ら 2022)がある。

rheoMesh への推奨

内容 主な根拠
R1 一様格子から始める LBM の各回で、統計を取る区間の平均から、h|ω|/U、小さい渦のエネルギーの割合(または Pope の M)、LBM の非平衡のセンサーを求める。それぞれを平均と標準偏差で規格化し、閾値 ε = 1 で印を付け、どれかが超えれば細分する その 2、Popinet、Kamkar ら、Naddei ら、Pope、Thorimbert ら
R2 平滑化と緩衝帯は NUAMR の流管の中だけに置く。後流の下流側の打ち切りは Spalart の focus/departure の区分で決める その 3、Spalart、Berger & Colella
R3 規格化した閾値を下限とし、Dörfler の bulk marking(θ = 0.5)と組み合わせる。細分と粗化には 2 つの閾値でヒステリシスをかける。指標は体積あたりの形で使う Dörfler、Löhner、Jasak & Gosman
R4 解像されたエネルギーの割合が 0.8 を超えたブロックは、それ以上細分しない(壁から離れた所だけ) Pope、Celik ら
R5 準静的に 2〜3 回繰り返して格子を固定する。指標と格子が変わらなくなり、Cd・逆流域の長さ・スペクトルの変化が後流のばらつきより小さくなったら止める Naddei ら、Wackers ら、Alauzet & Loseille、Roache、Eça & Hoekstra
R6 層は、第 1 層を y+ の帯から、層数を膨張率 1.25 以下と対数則の範囲から、全厚さを境界層厚さの見積もりから決める。そのうえで面ごとの EREE で修正する その 2、Spalart、Chapman、Choi & Moin、Jasak & Gosman
R7 固定した LBM の格子では、レベルの境界を強いせん断のブロックから 1 リング外へずらす Gendre ら、Astoul ら
R8 方向性(異方性)AMR は、今は入れない。入れるなら、葉ではなくブロックに方向ごとのレベルを持たせる Ham ら、Keats & Lien、Wackers ら
R9 LBM から FV への受け渡しを、FV 側の残差推定と、受け渡し後の粗化 1 回で確かめる その 1、Addad ら

決めたこと(2026-10-28)

推奨の設定値をすべて採用した。

  • 統計を取る区間は、1・2 回目が 1.5 s、最後が 3 s。
  • θ = 0.5、ε = 1.0。
  • 流管の対象は、車体と、その後方の車高 1 つ分までの後流。
  • 解像されたエネルギーの割合による上限は 0.8(壁から 2 ブロック以上離れた所だけ)。
  • 粗化は 2 回目から許す。最も細かいレベルは L3。
  • 止める判断に使う観測量は Cd、逆流域の長さ、プローブのスペクトル。ばらつきの下限は一様格子の最初の計算で測る。
  • 層数は毎回の LBM の y+ で決め、FV の本計算では EREE で直す。
  • LBM から受け渡した FV 格子は、残差推定で 1 回粗くする。
  • 外部の基準には、実験値 0.243〜0.252 と AutoCFD 2 の Cd の幅を使う。

AMR は、FVM だけの AMR と、LBM を併用する AMR の両方を進める。FVM だけの方では、定常解から始める短い URANS で非定常性を求め、LBM の u'rms と比べる。SIMPLE の緩和係数を大きくしたときの反復ごとのばらつきも、目印として比べる。この反復ごとのばらつきは物理的な時間の変動ではなく、品質の悪いセルでも出るので、あくまで補助の指標とする。

文献

  • 今野雅、鎌田元康、坂本雄三: 風環境の CFD 解析に対する直交格子自動生成 — 有限体積法 CFD 解析における誤差推定法の比較(その 1)、日本建築学会環境系論文集 72 (612)、51–57、2007。J-STAGE
  • 今野雅、大西直紀、鎌田元康、坂本雄三: 風環境の CFD 解析に対する直交格子自動生成 — 解適合格子を用いた計算効率の良い格子の自動生成(その 2)、日本建築学会環境系論文集 72 (617)、31–38、2007。J-STAGE
  • 今野雅、大西直紀、鎌田元康、坂本雄三: 風環境の CFD 解析に対する直交格子自動生成 — 非一様型解適合格子生成法の開発(その 3)、日本建築学会環境系論文集 73 (624)、207–214、2008。doi:10.3130/aije.73.207

  • M. Berger, P. Colella: Local adaptive mesh refinement for shock hydrodynamics, J. Comput. Phys. 82, 64–84, 1989. doi:10.1016/0021-9991(89)90035-1

  • R. Löhner: An adaptive finite element scheme for transient problems in CFD, Comput. Methods Appl. Mech. Engrg. 61, 323–338, 1987. doi:10.1016/0045-7825(87)90098-3
  • W. Dörfler: A convergent adaptive algorithm for Poisson's equation, SIAM J. Numer. Anal. 33, 1106–1124, 1996. doi:10.1137/0733054
  • H. Jasak, A. D. Gosman: Residual error estimate for the finite-volume method, Numer. Heat Transfer B 39, 1–19, 2001. doi:10.1080/104077901460650
  • S. Popinet: Gerris: a tree-based adaptive solver for the incompressible Euler equations in complex geometries, J. Comput. Phys. 190, 572–600, 2003.
  • S. J. Kamkar, A. M. Wissink, V. Sankaran, A. Jameson: Feature-driven Cartesian adaptive mesh refinement for vortex-dominated flows, J. Comput. Phys. 230, 6271–6298, 2011. doi:10.1016/j.jcp.2011.04.024
  • S. B. Pope: Ten questions concerning the large-eddy simulation of turbulent flows, New J. Phys. 6, 35, 2004. doi:10.1088/1367-2630/6/1/035
  • I. B. Celik, Z. N. Cehreli, I. Yavuz: Index of resolution quality for large eddy simulations, J. Fluids Eng. 127, 949–958, 2005. doi:10.1115/1.1990201
  • O. Antepara, O. Lehmkuhl, R. Borrell, J. Chiva, A. Oliva: Parallel adaptive mesh refinement for large-eddy simulations of turbulent flows, Comput. Fluids 110, 48–61, 2015. doi:10.1016/j.compfluid.2014.09.050
  • F. Naddei, M. de la Llave Plata, V. Couaillier, F. Coquel: A comparison of refinement indicators for p-adaptive simulations of steady and unsteady flows using discontinuous Galerkin methods, J. Comput. Phys. 376, 508–533, 2019.
  • G. Daviller, M. Brebion, P. Xavier, G. Staffelbach, J.-D. Müller, T. Poinsot: A mesh adaptation strategy to predict pressure losses in LES of swirled flows, Flow Turbul. Combust. 99, 93–118, 2017. doi:10.1007/s10494-017-9808-z
  • J. Wackers ほか: Can adaptive grid refinement produce grid-independent solutions for incompressible flows?, J. Comput. Phys. 344, 364–380, 2017. doi:10.1016/j.jcp.2017.04.077
  • F. Alauzet, A. Loseille: A decade of progress on anisotropic mesh adaptation for computational fluid dynamics, Computer-Aided Design 72, 13–39, 2016. doi:10.1016/j.cad.2015.09.005
  • P. J. Roache: Perspective: a method for uniform reporting of grid refinement studies, J. Fluids Eng. 116, 405–413, 1994. doi:10.1115/1.2910291
  • L. Eça, M. Hoekstra: A procedure for the estimation of the numerical uncertainty of CFD calculations based on grid refinement studies, J. Comput. Phys. 262, 104–130, 2014. doi:10.1016/j.jcp.2014.01.006
  • P. R. Spalart: Young-person's guide to detached-eddy simulation grids, NASA/CR-2001-211032, 2001.
  • C. Burstedde, L. C. Wilcox, O. Ghattas: p4est: scalable algorithms for parallel adaptive mesh refinement on forests of octrees, SIAM J. Sci. Comput. 33, 1103–1133, 2011. doi:10.1137/100791634
  • F. Schornbaum, U. Rüde: Extreme-scale block-structured adaptive mesh refinement, SIAM J. Sci. Comput. 40, C358–C387, 2018. doi:10.1137/17M1128411
  • K. Jaber, E. E. Essel, P. E. Sullivan: GPU-native adaptive mesh refinement with application to lattice Boltzmann simulations, Comput. Phys. Commun. 311, 109543, 2025. doi:10.1016/j.cpc.2025.109543
  • M. Rohde, D. Kandhai, J. J. Derksen, H. E. A. van den Akker: A generic, mass conservative local grid refinement technique for lattice-Boltzmann schemes, Int. J. Numer. Meth. Fluids 51, 439–468, 2006. doi:10.1002/fld.1140
  • H. Chen ほか: Grid refinement in lattice Boltzmann methods based on volumetric formulation, Physica A 362, 158–167, 2006. doi:10.1016/j.physa.2005.09.036
  • F. Gendre, D. Ricot, G. Fritz, P. Sagaut: Grid refinement for aeroacoustics in the lattice Boltzmann method: a directional splitting approach, Phys. Rev. E 96, 023311, 2017. doi:10.1103/PhysRevE.96.023311
  • T. Astoul, G. Wissocq, J.-F. Boussuge, A. Sengissen, P. Sagaut: Analysis and reduction of spurious noise generated at grid refinement interfaces with the lattice Boltzmann method, J. Comput. Phys. 418, 109645, 2020.
  • Y. Thorimbert ほか: Local mesh refinement sensor for the lattice Boltzmann method, J. Comput. Sci. 64, 101864, 2022. doi:10.1016/j.jocs.2022.101864
  • Y. Addad, U. Gaitonde, D. Laurence, S. Rolfo: Optimal unstructured meshing for large eddy simulations, Quality and Reliability of Large-Eddy Simulations, ERCOFTAC Series 12, Springer, 2008.
  • O. Irigaray ほか: Adaptive mesh refinement (AMR) criteria comparison for the DrivAer model, Heliyon 10, e31966, 2024. doi:10.1016/j.heliyon.2024.e31966
  • B. Hupertz, N. Lewington, C. Mockett, N. Ashton, B. Duncan: Towards a standardized assessment of automotive aerodynamic CFD prediction capability — AutoCFD 2: Ford DrivAer test case summary, SAE Technical Paper 2022-01-0886, 2022. doi:10.4271/2022-01-0886