udate.csv、vdate.csv、wdate.csv三个文件分别包含每个节点xyz坐标位置在每个时间步下的x、y、z向风速，编写一个合适的udf将三维风速时程数据赋给入流面的对应节点，且随FLUENT运行一个时间步，将入口风速更新一次

为了在Fluent中处理这个任务，我们可以创建一个用户定义函数(UDF)，该函数会读取`update.csv`、`vdate.csv`、`wdate.csv`三个文件中的风速数据，并将其按照时间顺序和节点位置映射到输入表面的相应节点。这里假设这三个文件都有相同的结构，即每一行对应一个时间点，列分别为节点ID、时间和XYZ方向的风速值。

from typing import List
import pandas as pd

def update_fluent_surface_speed(node_positions: List[Tuple[str, float, float, float]], 
                                node_ids: List[str], time_series_data: Dict[str, pd.DataFrame]) -> None:
    """
    UDF接收节点位置列表、节点ID列表和三个风速数据字典，根据时间步和节点位置更新输入表面风速。

    参数:
    - node_positions: 节点的位置元组列表，如 (node_id, x, y, z)
    - node_ids: 输入表面所有节点的ID列表
    - time_series_data: {'update': DataFrame, 'vdate': DataFrame, 'wdate': DataFrame}，其中DataFrame包含time, x, y, z风速信息

    返回:
    - None，直接更新FLUENT模型的数据

    示例：
    for i in range(len(time_steps)):
        current_time = time_series_data['update'].iloc[i]['time']
        update_speed = (time_series_data['update'].loc[time_series_data['update']['time'] == current_time],
                        time_series_data['vdate'].loc[time_series_data['vdate']['time'] == current_time],
                        time_series_data['wdate'].loc[time_series_data['wdate']['time'] == current_time])
        
        for node in zip(node_ids, node_positions):
            if node[0] in update_speed[0].index:
                node_speed = (update_speed[0][node[0]]['x'], update_speed[1][node[0]]['y'], update_speed[2][node[0]]['z'])
                # 在此处将 node_speed 更新到 FLUENT 的对应节点上