Fluent中的用户自定义函数（user defined function）UDF功能是非常强大灵活的技术，它可以帮助流体工程师实现很多标准界面之外的功能；而且，用户还可以依托UDF技术对Fluent中的算例进行不同程度的二次开发，从而有效提升实际仿真的工作效率。

图1 UDF技术可以应用在Fluent仿真的各个环节之中

一位流体仿真的前辈曾经说过：“无论你在哪个行业、哪种产品上使用Fluent进行仿真分析，几乎都离不开UDF。因为标准界面中的内容限制过多，无法满足真实产品设计过程中的多样化需求。

如果一个Fluent工程师无法熟练应用UDF技术，那么就好比是一个长不大的小孩子一样，只能按照大人给的规则进行思考和生活；只有掌握了UDF技术，才能有自己的主见，把独立的想法体现在仿真之中；这样，才能真正的成为一名成熟的流体工程师。”

图2 Fluent工程师的成长过程与UDF

当然，我们可能无法找到这段话的真实出处，也不敢完全赞同其中的观点，但它说明的道理却是显而易见的，也从一个侧面说明了UDF的重要性。在实际的工作中，UDF技术广泛应用在复杂的Fluent真实案例中，通常包括以下几个方面的内容：

l 定制边界条件，源项，反应速率，材料属性等

l 定制自定义的物理模型，或直接描述用户提供的模型方程

l 定于求解过程中的调整函数

l 根据不同的需求执行相应的函数

l 自定义在初始化过程中的个性化设置

举一个简单的例子，很多流体仿真中的材料属性是相对复杂的，比如材料的粘性，它和温度、压力、速度等变量都有相对复杂的函数关系。对于这一类情况，通常的Fluent标准界面可能就无法准确描述这种复杂的关系，此时，就必须要请出UDF来帮忙才能完成我们的需求。

1、并行UDF代码和串行有区别

由于Fluent的求解进程在并行与串行的架构下有较大区别，因此UDF在执行的过程中也会表现出完全不一样的状态。通常我们学习UDF的课程都是基于串行代码展开的，但是大多数内容对于并行UDF都是不可用的。实际上，并行UDF的代码在相当一部分问题中需要额外的规则才能顺利、准确的执行下去。

图3 使用4核并行仿真的求解架构

2、计算机硬件技术发展迅猛

随着全世界经济的飞速发展，计算机硬件的更新换代也得到了明显的提升。对于Fluent仿真来讲，最为重要的就是CPU的性能，因为它关系着求解计算的速度快慢。

目前顶级的英特尔至强处理器（E5-26xx）单个CPU就可以具备6核12线程（3.4G）或者18核36线程（2.3G）的能力，运算的速度对比5年前已有了数倍甚至数十倍的提高。而且，这些强大的多核CPU已经逐渐的配备到了各类移动工作站（笔记本）中，使得我们的仿真工作更加灵活，更加高效。