3.平均流方程

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:

U(x,t)Instantaneous Velocity =U(x,t)Mean Velocity +u(x,t)Fluctuating Velocity 

首先是连续方程:

U(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:

U(x,t)=U(x,t)=0

然后可得:

(1)U(x,t)=0(2)u(x,t)=0

根据物质导数或随流导数的定义可得:

(3)DUjDtMaterial Derivative =UjtStorage +xi(UiUj)Advection (4)DUjDt=Ujt+xiUiUj.

但是 UiUj[m2 s2] 这一项未知,需要为这一项寻找表达式,展开上式后可得:

UiUj=(Ui+ui)(Uj+uj)=UiUj+uiUj+ujUi+uiuj=UiUj+uiuj

在上式中,由于 uiuj 的 PDF 均值为0,所以 uiUjujUi 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:

(5)DUjDt=Ujt+xi(UiUj+uiuj)(6)=Ujt+UixiUj+xiuiuj

上式的第二个等号后面使用了 Ui/xi=0 条件。

使用

D¯D¯tt+U

可以进一步简化上式。简化后的速度场的物质导数为:

DUjDtMean of Material Derivative =D¯D¯tUjMean Substantial Derivative of Mean +xiuiujReynolds 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:

D¯UjD¯tMean Substantial Derivative of Mean =ν2UjSurface Forces uiujxiReynolds Stresses 1ρpxjNormal 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 uiuj 是一个二阶张量,具有对称性,即:uiuj=ujui。这一张量的对角线(diagonal)元素 uiui 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:

[u12u1u2u1u3u2u1u22u2u3u3u1u3u2u32]

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

k12uu=12uiui

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。

uiuj=uiuj23kδijAnisotropic Part +23kδijIsotropic Part 

各项异性项可被写为:aijuiuj23kδij[ m2 s2]。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:

ρuiujxi+pxj=ρaijxi+xj(p+23ρk)

各项同性项 23ρk[kgm1 s2] 可以被压力项吸收。

3.4 平均剪切方程 (Mean Scalar Equation)

对被动标量 ϕ(x,t) 使用雷诺分解:

ϕ(x,t)Instantaneous Scalar =ϕ(x,t)Mean Scalar +ϕ(x,t)Fluctuating Scalar 

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

ϕtStorage +(Uϕ)Advection =Γ2ϕDiffusion 

唯一的非线性项 Uϕ 可写为:

Uϕ=(U+u)(ϕ+ϕ)=Uϕ+uϕ.

速度标量协方差 (velocity-scalar covariance) uϕ 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:

(7)ϕt+(Uϕ+uϕ)=Γ2ϕ,(8)D¯ϕD¯t=(Γϕuϕ).

这个公式也会带来新的封闭性问题,uϕ 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:ΓT(x,t)[m2 s1]:

uϕ=ΓTϕ

下标 T 代表湍流,ΓT 为湍流扩散率,不要和分子扩散率 Γ 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):

Γeff (x,t)Effective Diffusivity =ΓMolecular Diffusivity +ΓT(x,t)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:

D¯ϕD¯tMean Substantial Derivative of Mean =(Γeffϕ)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:

(9)uiuj23kδij=vT(Uixj+Ujxi)(10)=2vTS¯ij

νT: turbulent viscosity or eddy viscosity
此时方程可写为:

D¯D¯tUjMean Substantial Derivative of Mean =xi[veff (Uixj+Ujxi)]Surface Forces and Revnolds Stress 1ρxj(p+23ρk)Modified Pressure 

其中:

νeff (x,t)Effective Viscosity =νMolecular Viscosity +νT(x,t)Turbulent Viscosity 

为有效粘性。
p+23ρk: 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:

PrT=vTΓT

Turbulent Schmidt number:

ScT=νTΓT

posted @   xubonan  阅读(139)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· 没有Manus邀请码?试试免邀请码的MGX或者开源的OpenManus吧
· 【自荐】一款简洁、开源的在线白板工具 Drawnix
· 园子的第一款AI主题卫衣上架——"HELLO! HOW CAN I ASSIST YOU TODAY
· Docker 太简单,K8s 太复杂?w7panel 让容器管理更轻松!
点击右上角即可分享
微信分享提示