多种精度的WENO（3阶，5阶，7阶，9阶）来求解EULER方程。每个精度都有双马赫反射和黎曼问题的算例，可直接运行。结果很好

本研究采用离散元法(DEM)与计算流体力学(CFD)耦合模型，对新型旋转流化床(RFB)膜涂覆过程进行了数值模拟。在三维圆柱坐标下，模拟了离心力场中颗粒运动和流体运动，并将该模型应用于薄膜涂覆过程。采用一个简化的假设，即只有颗粒存在于喷涂区时才进行涂层，对RFB中的涂层过程进行了数值分析。通过对涂层颗粒色差的研究，对喷涂材料的均匀性进行了评价。数值模拟结果可以很好地模拟气泡的三维运动和颗粒环流。此外，在RFB中，喷涂材料在单个颗粒上的质量可以通过我们提出的模型来可视化。分析了喷涂材料分布与喷涂时间的关系。计算得到的喷射材料的质量分布可以用正态分布函数表示，与前人的研究在定性上有很好的一致性。采用数值和实验相结合的方法，研究了气速和离心加速度等操作参数对喷射材料均匀性的影响。采用数值模拟方法对流化床与常规流化床的涂覆过程进行了比较。结果表明，由于循环时间大大缩短，喷涂材料的均匀性大大提高。

其中有详细的cfd仿真分析案例与分析，在家电产品方面的应用比较现进。。。。。大家可以自行下载。。。。。。。。。。

vensim系统动力学模拟课程11讲 包含：一阶正反馈、负反馈、二阶系统流程图模型、人口模型分析、传染病模型、新冠肺炎疫情传播模型、函数和逻辑函数等高清课程

水流冲击平板——VOF 模型的应用。水流冲击竖直放置的平板，已知水流的流量和水管的直径，求平板所受到的冲击力。

百度网盘永久链接-李新亮老师的计算流体力学的课件和录像

这篇文章主要讲了机器学习在CFD（计算流体力学）领域的跨学科应用，研究方法和角度值得学习，具体内容：基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法.该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近.

遵循Navier-Stokes的12个步骤：用Python构建CFD解算器。 此回购包含我在教授创建的交互式模块的交互式模块中用Python构建简单的CFD求解器所做的工作。 我在自己的网站上写了一篇简短的文章，介绍了该项目的背景知识，并展示了我在此过程中掌握的一些技能，您可以在。 该项目的主要目标是在Python中构建一个Navier-Stokes求解器，它将作为我今后所有CFD努力的基础。 在此过程中，我学到了很多东西，甚至着手不仅要完成本课程，而且要自己动手做。 考虑到这一点，我开始对我们在课程中构建的所有图进行动画处理，以便您可以更好地了解模拟的时间历史演变。 模拟展示 以下是一些我最喜欢的动画： 内容 此回购包括每节课的Jupyter笔记本，其结构与Barba教授的模块“ 12步骤到Navier Stokes”的结构相同。 您可以在Lessons文件夹中找到这些课程的我自己的版

基于非结构混合网格的N-S方程求解器和结构柔度影响系数法,发展了一种考虑气动、结构非线性的基于RBF插值技术CFD/CSD耦合分析方法,适用于解决现代大展弦比飞机的非线性静气动弹性问题。该方法采用时间相关法(即求解非定常方程组,用长时间的渐近解趋于定常状态)求解静气弹分析时的定常流动。考虑大展弦比飞机结构变形问题为大变形小应力问题,在利用柔度系数法求解结构方程时,假设每次求解结构方程时应力与应变为线性关系,整体静气弹分析过程为非线性关系,因此每次求解结构方程时要更新柔度影响系数矩阵。在非定常N-S方程每求

机器学习应用于cfd 大纲 贡献者 介绍 该存储库包含有关如何在计算流体动力学（CFD）领域中使用机器学习（ML）算法的示例。 在基于CFD的研究过程中，可以将ML算法应用于不同的步骤： 预处理，例如，用于几何或网格生成 运行时，例如，作为动态边界条件或作为子网格规模模型 后处理，例如，创建替代模型或分析结果 另一种可能的分类是区分机器学习算法的类型，例如 监督学习：算法在给定的特征和标签之间创建映射，例如在卡车的形状和作用在卡车上的拖曳力之间 无监督学习：算法在数据中查找标签，例如，如果两个粒子p1和p2由其表面上的某些点表示（只有点列表，但不知道它们属于哪个粒子），则该算法将为每个点弄清楚它是属于p1还是p2 强化学习：在环境中活动的代理试图最大化（累积）奖励，例如，设置模拟解决方案控制的代理尝试尽快完成模拟，从而学习找到给定集合的优化解决方案控制-up（代理：某些程序修改求解器