数据处理——从FLUENT导出数据到PINNs可用数据

数据处理是将FLUENT模拟结果转化为物理信息神经网络（PINNs）所需格式的关键步骤。首先，我们从FLUENT导出流场数据，然后进行数据清洗和格式转换，最终将数据整理为适合PINNs训练和Python处理的数据集。这一过程确保了数据的规范化和准确性，为流体力学问题的高效求解提供了支持。

代码可分享，如需代码请私信

CFD-Post里选Volume导出CSV，变量列表里只有Element Values没有Node Values，导出来的坐标是单元中心的，PINNs要的是节点坐标和节点上的物理量，对不上。回去在Fluent里先插值到节点再导，或者CFD-Post的Export对话框里把Location改成Volume，变量选Velocity、Pressure、Temperature，输出格式选CSV，勾上Node Values，坐标列自动带X、Y、Z，路径D:\Fluent_work\export\，文件名带时间步编号。

具体步骤记一下，Fluent算完保存case和data，打开CFD-Post，File→Load Results选dat文件，Variables里勾上需要的量，Location里选Volume，选整个流体域，File→Export→ASCII，格式CSV，分隔符逗号，变量选Velocity、Pressure、Temperature、Turbulence Kinetic Energy，勾Node Values，导出。瞬态的话在Timestep Selector里选一个时间步导一个，或者Export里选All Timesteps，但文件会大得离谱，变量名里的空格在CSV列名里变成Velocity u，Python里用df['Velocity u']读。

Fluent TUI也能导，命令/file/export/ascii，按提示选变量、选面或体、选Node或Cell Center，可以写journal批量跑，服务器上没图形界面就用这个。参数顺序记不清了，大概是这样：/file/export/ascii，文件名，变量列表，位置，节点或单元，然后yes/no。TUI导出节点值需要先在Fluent里把变量插值到节点，默认导出的是单元中心，不设置的话PINNs用不了。

数据量是个问题，整个体导出来几十万到几百万节点，CSV几个GB，PINNs训练用不了这么多。CFD-Post里用Sampling创建Point Cloud或者Plane，在尾流、边界层这些感兴趣的区域采样，或者导出后用Python pandas随机采样10%，按空间均匀采样更好，保留坐标和变量写成新的CSV，采样要覆盖边界和内部，PINNs的损失函数需要内部残差和边界条件。

瞬态数据每个时间步导一个CSV，命名按时间步编号，Python循环读取，给每个文件加一列time，然后concat成大数组，时间列从CFD-Post的Timestep Selector里读，或者从Fluent的dat里读，注意时间步长和物理时间，Fluent里时间步长是秒，CFD-Post里显示的是时间值。导出时选All Timesteps会生成一个文件，每行一个节点一个时间步，数据量爆炸，不如分步导。

单位与归一化，Fluent默认SI，坐标m，速度m/s，压力Pa，温度K，PINNs训练前把坐标和变量归一化到[-1,1]或[0,1]，用MinMaxScaler，压力注意表压还是绝压，CFD-Post里Pressure是表压，操作压力不是0的话绝压=表压+操作压力，温度如果是K，归一化时注意范围，密度等变量如果也要，同样导出，归一化参数保存，推理时反归一化。

并行分区，并行计算时Fluent每个分区一个dat，CFD-Post读入自动合并，导出没问题，如果用Fluent直接导出，每个分区一个文件，需要合并，用CFD-Post更省事，TUI的话在Fluent里先切换到串行不现实，还是CFD-Post。导出CSV时变量名有逗号，用制表符分隔，坐标有科学计数法，Python读取没问题，数据缺失某些节点没有值，用NaN，PINNs需要处理，导出时选择Node Values而不是Element Values。

如果CFD-Post没有Node Values选项，在Fluent里用File→Export→Solution Data→ASCII，选择Node，选变量，导出，路径D:\Fluent_work\export\node_data\，那个瞬态导出的Python脚本改成按时间步循环，变量列表从CFD-Post的CSV里自动读取，脚本里时间列是……

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删