funlbm 1.2.86

funlbm

FunLBM

FunLBM 是一个基于格子玻尔兹曼方法（Lattice Boltzmann Method, LBM）的三维流体力学仿真库。该项目提供了完整的 LBM 仿真框架，包括流场分析、粒子追踪、数据可视化等功能。

✨ 主要特性

• 🔬 完整的 LBM 仿真框架：支持三维流体力学计算
• 📊 数据分析工具：内置流场分析和统计功能
• 🎨 可视化支持：集成 matplotlib 和 VTK 可视化
• 🌐 Web 界面：基于 NiceGUI 的交互式 Web 界面
• 🚀 高性能计算：支持 PyTorch 加速计算
• 📁 多格式支持：支持 HDF5、VTK 等多种数据格式

🚀 快速开始

安装

使用 pip 安装：

pip install funlbm

或者从源码安装：

git clone https://github.com/farfarfun/funlbm.git
cd funlbm
pip install -e .

基本使用

from funlbm.plot.job import plt_job
from nicegui import ui

# 绘制仿真作业结果
plt_job(job_id=13995570, home="/path/to/workbench/")

# 启动 Web 界面
ui.run()

命令行工具

安装后可以直接使用命令行工具：

funlbm --help

📁 项目结构

funlbm/
├── analyse/          # 流场分析工具
├── base/            # 基础类和工具
├── config/          # 配置管理
├── export/          # 数据导出功能
├── file/            # 文件处理工具
├── flow/            # 流场计算核心
├── lbm/             # LBM 算法实现
├── particle/        # 粒子追踪
├── plot/            # 可视化工具
├── server/          # Web 服务器
└── util/            # 通用工具

📖 示例

查看 example/ 目录获取更多使用示例：

• 00-plot/: 数据可视化示例
• config/: 配置文件示例

🔧 依赖项

主要依赖包括：

• 计算核心: torch, scipy, numpy
• 数据处理: pandas, h5py
• 可视化: matplotlib, funvtk, funtecplot
• Web界面: nicegui
• 工具库: funutil, funtable

完整依赖列表请查看 pyproject.toml。

🤝 贡献

欢迎贡献代码！请遵循以下步骤：

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

🔗 相关链接

• GitHub: https://github.com/farfarfun/funlbm
• Releases: https://github.com/farfarfun/funlbm/releases
• PyLBM: https://github.com/pylbm/pylbm - 相关的 LBM 实现

👥 维护者

• 牛哥 - [e-mail]
• farfarfun - [e-mail]

📞 联系我们

如有问题或建议，请通过以下方式联系：

• 提交 Issue
• 发送邮件至维护者邮箱
• 访问我们的 组织主页