首页 > 其他分享 >3.平均流方程

3.平均流方程

时间:2024-04-10 13:24:06浏览次数:12  
标签:方程 langle partial frac right rangle 平均 left

迎来QQ群吹逼,群号:538254037

3.1总览

使用雷诺分解,速度可以写为系综平均和脉动量相加的形式:

\[\underbrace{\mathbf{U}(\mathbf{x}, t)}_{\text {Instantaneous Velocity }}=\underbrace{\langle\mathbf{U}(\mathbf{x}, t)\rangle}_{\text {Mean Velocity }}+\underbrace{\mathbf{u}(\mathbf{x}, t)}_{\text {Fluctuating Velocity }} \]

首先是连续方程:

\[\nabla \cdot\mathbf{U}(\mathbf{x}, t)=0 \]

对上式整体取平均,然后根据上一篇博客中的随机场理论,梯度的平均等于平均值的梯度可得:

\[\langle \nabla \cdot\mathbf{U}(\mathbf{x}, t)\rangle = \nabla \cdot\langle\mathbf{U}(\mathbf{x}, t)\rangle=0 \]

然后可得:

\[\begin{align} \nabla \cdot\langle\mathbf{U}(\mathbf{x}, t)\rangle&=0 \\ \nabla \cdot \mathbf{u}(\mathbf{x}, t)&=0 \end{align} \]

根据物质导数或随流导数的定义可得:

\[\begin{align} \underbrace{\frac{D U_{j}}{D t}}_{\text {Material Derivative }}&=\underbrace{\frac{\partial U_{j}}{\partial t}}_{\text {Storage }}+\underbrace{\frac{\partial}{\partial x_{i}}\left(U_{i} U_{j}\right)}_{\text {Advection }} \\ \left\langle\frac{D U_{j}}{D t}\right\rangle&=\frac{\partial\left\langle U_{j}\right\rangle}{\partial t}+\frac{\partial}{\partial x_{i}}\left\langle U_{i} U_{j}\right\rangle . \end{align} \]

但是 \(\left\langle U_{i} U_{j}\right\rangle\left[\mathrm{m}^{2} \mathrm{~s}^{-2}\right]\) 这一项未知,需要为这一项寻找表达式,展开上式后可得:

\[\begin{aligned} \left\langle U_{i} U_{j}\right\rangle & =\left\langle\left(\left\langle U_{i}\right\rangle+u_{i}\right)\left(\left\langle U_{j}\right\rangle+u_{j}\right)\right\rangle \\ & =\left\langle\left\langle U_{i}\right\rangle\left\langle U_{j}\right\rangle+u_{i}\left\langle U_{j}\right\rangle+u_{j}\left\langle U_{i}\right\rangle+u_{i} u_{j}\right\rangle \\ & =\left\langle U_{i}\right\rangle\left\langle U_{j}\right\rangle+\left\langle u_{i} u_{j}\right\rangle \end{aligned} \]

在上式中,由于 \(u_{i}\) 和 \(u_{j}\) 的 PDF 均值为0,所以 \(u_{i}\left\langle U_{j}\right\rangle\) 和 \(u_{j}\left\langle U_{i}\right\rangle\) 也为 \(0\)。即:脉动量为正值或者负值的几率相当。

将展开后的带入物质导数,可得:

\[\begin{align} \left\langle\frac{D U_{j}}{D t}\right\rangle & =\frac{\partial\left\langle U_{j}\right\rangle}{\partial t}+\frac{\partial}{\partial x_{i}}\left(\left\langle U_{i}\right\rangle\left\langle U_{j}\right\rangle+\left\langle u_{i} u_{j}\right\rangle\right) \\ & =\frac{\partial\left\langle U_{j}\right\rangle}{\partial t}+\left\langle U_{i}\right\rangle \frac{\partial}{\partial x_{i}}\left\langle U_{j}\right\rangle+\frac{\partial}{\partial x_{i}}\left\langle u_{i} u_{j}\right\rangle \end{align} \]

上式的第二个等号后面使用了 \(\partial\left\langle U_{i}\right\rangle / \partial x_{i}=0\) 条件。

使用

\[\frac{\bar{D}}{\bar{D} t} \equiv \frac{\partial}{\partial t}+\langle\mathbf{U}\rangle \cdot \nabla \]

可以进一步简化上式。简化后的速度场的物质导数为:

\[\underbrace{\left\langle\frac{D U_{j}}{D t}\right\rangle}_{\text {Mean of Material Derivative }}=\underbrace{\frac{\bar{D}}{\bar{D} t}\left\langle U_{j}\right\rangle}_{\text {Mean Substantial Derivative of Mean }}+\underbrace{\frac{\partial}{\partial x_{i}}\left\langle u_{i} u_{j}\right\rangle}_{\text {Reynolds Stresses }} \]

由上式可以看出,平均速度的平均物质导数与物质导数的平均是不一样的。由此可得平均动量方程:

\[\underbrace{\frac{\bar{D}\left\langle U_{j}\right\rangle}{\bar{D} t}}_{\text {Mean Substantial Derivative of Mean }}=\underbrace{\nu \nabla^{2}\left\langle U_{j}\right\rangle}_{\text {Surface Forces }}-\underbrace{\frac{\partial\left\langle u_{i} u_{j}\right\rangle}{\partial x_{i}}}_{\text {Reynolds Stresses }}-\underbrace{\frac{1}{\rho} \frac{\partial\langle p\rangle}{\partial x_{j}}}_{\text {Normal and Body Forces }} \]

很多湍流模型是为了解决上式中的雷诺应力项,这一项也是湍流的封闭问题(closure problem)。

3.2 张量的性质

雷诺应力项 \(\left\langle u_{i} u_{j}\right\rangle\) 是一个二阶张量,具有对称性,即:\(\left\langle u_{i} u_{j}\right\rangle = \left\langle u_{j} u_{i}\right\rangle\)。这一张量的对角线(diagonal)元素 \(\left\langle u_{i} u_{i}\right\rangle\) 被称为正应力,而非对角线的元素被称为切应力(shear stress)。雷诺应力可被写为张量形式:

\[\left[\begin{array}{ccc} \left\langle u_{1}^{2}\right\rangle & \left\langle u_{1} u_{2}\right\rangle & \left\langle u_{1} u_{3}\right\rangle \\ \left\langle u_{2} u_{1}\right\rangle & \left\langle u_{2}^{2}\right\rangle & \left\langle u_{2} u_{3}\right\rangle \\ \left\langle u_{3} u_{1}\right\rangle & \left\langle u_{3} u_{2}\right\rangle & \left\langle u_{3}^{2}\right\rangle \end{array}\right] \]

湍动能(turbulence kinetic energy):上述矩阵的迹(trace)

\[k \equiv \frac{1}{2}\langle\mathbf{u} \cdot \mathbf{u}\rangle=\frac{1}{2}\left\langle u_{i} u_{i}\right\rangle \]

3.3 各向异性 (Anisotropy)

切应力和正应力之间的不同取决于坐标系的选择。比如,当坐标系旋转后,雷诺应力张量中的成分可能会发生变化。因此,有必要将雷诺应力写成各向同性 (Isotropic) 项和各项异性 (Anisotropy) 项。

\[\left\langle u_{i} u_{j}\right\rangle=\underbrace{\left\langle u_{i} u_{j}\right\rangle-\frac{2}{3} k \delta_{i j}}_{\text {Anisotropic Part }}+\underbrace{\frac{2}{3} k \delta_{i j}}_{\text {Isotropic Part }} \]

各项异性项可被写为:\(a_{i j} \equiv\left\langle u_{i} u_{j}\right\rangle-\frac{2}{3} k \delta_{i j}\left[\mathrm{~m}^{2} \mathrm{~s}^{-2}\right]\)。一个重要的概念是:只有各项异性的项在湍流的输运中有效。因此可以将雷诺应力中的各项异性项和压力项写在一起:

\[\rho \frac{\partial\left\langle u_{i} u_{j}\right\rangle}{\partial x_{i}}+\frac{\partial\langle p\rangle}{\partial x_{j}}=\rho \frac{\partial a_{i j}}{\partial x_{i}}+\frac{\partial}{\partial x_{j}}\left(\langle p\rangle+\frac{2}{3} \rho k\right) \]

各项同性项 \(\frac{2}{3} \rho k\left[\mathrm{kgm}^{-1} \mathrm{~s}^{-2}\right]\) 可以被压力项吸收。

3.4 平均剪切方程 (Mean Scalar Equation)

对被动标量 \(\phi(\mathbf{x},t)\) 使用雷诺分解:

\[\underbrace{\phi(\mathbf{x}, t)}_{\text {Instantaneous Scalar }}=\underbrace{\langle\phi(\mathbf{x}, t)\rangle}_{\text {Mean Scalar }}+\underbrace{\phi^{\prime}(\mathbf{x}, t)}_{\text {Fluctuating Scalar }} \]

一个瞬时被动标量场 (instantaneous passive scalar field) 的控制方程为:

\[\underbrace{\frac{\partial \phi}{\partial t}}_{\text {Storage }}+\underbrace{\nabla \cdot(\mathbf{U} \phi)}_{\text {Advection }}=\underbrace{\Gamma \nabla^{2} \phi}_{\text {Diffusion }} \]

唯一的非线性项 \(\mathbf{U}\phi\) 可写为:

\[\begin{aligned} \langle\mathbf{U} \phi\rangle & =\left\langle(\langle\mathbf{U}\rangle+\mathbf{u})\left(\langle\phi\rangle+\phi^{\prime}\right)\right\rangle \\ & =\langle\mathbf{U}\rangle\langle\phi\rangle+\left\langle\mathbf{u} \phi^{\prime}\right\rangle . \end{aligned} \]

速度标量协方差 (velocity-scalar covariance) \(\langle\mathbf{u} \phi^{\prime}\rangle\) 被称为标量通量 (scalar flux)。它表示速度场的脉动引起的标量的通量:

\[\begin{align} \frac{\partial\langle\phi\rangle}{\partial t}+\nabla \cdot\left(\langle\mathbf{U}\rangle\langle\phi\rangle+\left\langle\mathbf{u} \phi^{\prime}\right\rangle\right)=\Gamma \nabla^{2}\langle\phi\rangle, \\ \frac{\bar{D}\langle\phi\rangle}{\bar{D} t}=\nabla \cdot\left(\Gamma \nabla\langle\phi\rangle-\left\langle\mathbf{u} \phi^{\prime}\right\rangle\right) . \end{align} \]

这个公式也会带来新的封闭性问题,\(\langle\mathbf{u} \phi^{\prime}\rangle\) 这一项需要额外的建模或者参数化。

3.5 梯度扩散和湍流粘性假设

gradient-diffusion hypothesis or turbulent-viscosity hypothesis:
平均标量通量与平均标量梯度的负值成正比。

比例常数又被称为湍流扩散率 (turbulent diffusivity),其本身也是空间和时间的函数:\(\Gamma_{T}(\mathbf{x}, t)\left[\mathrm{m}^{2} \mathrm{~s}^{-1}\right]\):

\[\left\langle\mathbf{u} \phi^{\prime}\right\rangle=-\Gamma_{T} \nabla\langle\phi\rangle \]

下标 \(T\) 代表湍流,\(\Gamma_{T}\) 为湍流扩散率,不要和分子扩散率 \(\Gamma\) 混淆。

此时可以将分子扩散率和湍流扩散率结合为有效扩散率 (effective diffusivity):

\[\underbrace{\Gamma_{\text {eff }}(\mathbf{x}, t)}_{\text {Effective Diffusivity }}=\underbrace{\Gamma}_{\text {Molecular Diffusivity }}+\underbrace{\Gamma_{T}(\mathbf{x}, t)}_{\text {Turbulent Diffusivity }} \]

在这种模型下(注:这里是基于上述假设的建模,并不一定是真正的情况),公式可以用有效扩散率简化为:

\[\underbrace{\frac{\bar{D}\langle\phi\rangle}{\bar{D} t}}_{\text {Mean Substantial Derivative of Mean }}=\underbrace{\nabla \cdot\left(\Gamma_{\mathrm{eff}} \nabla\langle\phi\rangle\right)}_{\text {Diffusion of Mean }} \]

对于平均动量方程,梯度扩散假设 (gradient-diffusion hypothesis) 相对更为困难。此时更应该基于各向异性 (anisotropic) 部分建模,建模时可以根据平均拉伸率:

\[\begin{align} \left\langle u_{i} u_{j}\right\rangle-\frac{2}{3} k \delta_{i j} & =-v_{T}\left(\frac{\partial\left\langle U_{i}\right\rangle}{\partial x_{j}}+\frac{\partial\left\langle U_{j}\right\rangle}{\partial x_{i}}\right) \\ & =-2 v_{T} \bar{S}_{i j} \end{align} \]

\(\nu_{T}\): turbulent viscosity or eddy viscosity
此时方程可写为:

\[\underbrace{\frac{\bar{D}}{\bar{D} t}\left\langle U_{j}\right\rangle}_{\text {Mean Substantial Derivative of Mean }}=\underbrace{\frac{\partial}{\partial x_{i}}\left[v_{\text {eff }}\left(\frac{\partial\left\langle U_{i}\right\rangle}{\partial x_{j}}+\frac{\partial\left\langle U_{j}\right\rangle}{\partial x_{i}}\right)\right]}_{\text {Surface Forces and Revnolds Stress }}-\underbrace{\frac{1}{\rho } \frac{\partial}{\partial x_{j}}\left(\langle p\rangle+\frac{2}{3} \rho k\right)}_{\text {Modified Pressure }} \]

其中:

\[\underbrace{\nu_{\text {eff }}(\mathbf{x}, t)}_{\text {Effective Viscosity }}=\underbrace{\nu}_{\text {Molecular Viscosity }}+\underbrace{\nu_{T}(\mathbf{x}, t)}_{\text {Turbulent Viscosity }} \]

为有效粘性。
\(\langle p\rangle+\frac{2}{3} \rho k\): modified pressure.

同分子扩散率一样,湍流扩散率也可以被无量纲化。
Turbulent Prandtl number:

\[\operatorname{Pr}_{T}=\frac{v_{T}}{\Gamma_{T}} \]

Turbulent Schmidt number:

\[S c_{T}=\frac{\nu_{T}}{\Gamma_{T}} \]

标签:方程,langle,partial,frac,right,rangle,平均,left
From: https://www.cnblogs.com/xubonan/p/18125815

相关文章

  • 640. 求解方程(中)
    目录题目题解:模拟题目求解一个给定的方程,将x以字符串"x=#value"的形式返回。该方程仅包含'+','-'操作,变量x和其对应系数。如果方程没有解或存在的解不为整数,请返回"Nosolution"。如果方程有无限解,则返回“Infinitesolutions”。题目保证,如果方程中只有一个解,则......
  • EG25H4偏微分方程的解决方案
    EG25H4–CA2–偏微分方程的解决方案学生应独立准备解决指定问题的方案问题。提交的稿件,连同抄袭封面,应上传至2024年4月19日(星期五)下午5点(英国夏令时)前抵达MyAberdeen。请注意在截止日期后收到的未经授权的提交文件将受到逾期罚款,因为根据大学关于未经授权逾期提交的处罚政策课程。......
  • “最新趋势:R语言lavaan结构方程模型(SEM)的实践应用与技巧”
    结构方程模型(SructuralEquationModeling,SEM)是分析系统内变量间的相互关系的利器,可通过图形化方式清晰展示系统中多变量因果关系网,具有强大的数据分析功能和广泛的适用性,是近年来生态、进化、环境、地学、医学、社会、经济等众多领域应用十分广泛的统计方法。在R语言结构方程程......
  • 【智能算法】减法平均优化器(SABO)原理及实现
    目录1.背景2.算法原理2.1算法思想2.2算法过程3.结果展示4.参考文献1.背景2023年,PTrojovský等人受到数学计算启发,提出了减法平均优化器(Subtraction-Average-BasedOptimizer,SABO)。2.算法原理2.1算法思想SABO利用多个智能体的减法平均值来更新种群成员在搜索......
  • SQL窗口函数的移动求和/平均,及相应的Leecode题目
    原文链接:https://blog.csdn.net/weixin_45638528/article/details/130229603移动求和的窗口函数——连续n个数据求和sum(字段1)over(partitionby字段2orderby字段3rowsnpreceding)LEECODE1321餐馆营业额变化增长表:Customer+---------------+---------+|Colum......
  • 复数范围内解方程
    前言相关知识【初中总结】实数系数的一元二次方程\(ax^2+bx+c=0\quad(a\neq0)\),当\(\Delta\geqslant0\)时,在实数范围内有实数根,其求根公式为\(x=\cfrac{-b\pm\sqrt{b^2-4ac}}{2a}\);根与系数的关系为\(x_1+x_2=-\cfrac{b}{a}\),\(x_1\cdotx_2=\cfrac{c}{a}\);当\(\Delta......
  • 实验3-11 求一元二次方程的根
    本题目要求一元二次方程ax2+bx+c=0的根,结果保留2位小数。(注意:0.00会在gcc下被输出为-0.00,需要做特殊处理,输出正确的0.00。)输入格式:输入在一行中给出3个浮点系数a、b、c,中间用空格分开。输出格式:根据系数情况,输出不同结果:1)如果方程有两个不相等的实数根,则每行输出一个根,先......
  • 使用QR分解 求一元四次方程的根
            在求特征值的时候,通过QR迭代后就是一个拟上三角矩阵,但不一定是上三角矩阵。        在一定条件下,由QR算法生成的序列{Ak}收敛为Schur分块上三角形,对角块按特征值的模从大到小排列。但有特殊情况,当收敛结果为Schur分块上三角形时,序列{Ak}的对角块以上......
  • C语言经典例题(18) --- 判断字母、三角形判断、衡量人体胖瘦程度、翻转金字塔图案、平
    1.判断是不是字母题目描述:KK想判断输入的字符是不是字母,请帮他编程实现。输入描述:多组输入,每一行输入一个字符。输出描述:针对每组输入,输出单独占一行,判断输入字符是否为字母,输出内容详见输出样例。输入:A6输出:Aisanalphabet.6isnotanalphabet......
  • 操作系统综合题之“短进程优先调度算法(Shortest-Process-First,SPF)计算平均周转时间以
    一、问题:有4个进程A、B、C、D,他们的到达时间、预计运行时间以及优先级数值(优先级数值越小,表示优先级越高)如下表所示。(注:精确到小数点后2位) 1.请计算采用短进程优先调度算法的平均周转时间和平均带权周转时间2.请计算采用抢占式优先调度算法的平均周转时间和平均带权周转时间......