首页 / 专利库 / 物理 / 空气动力学 / 一种湍流区域识别方法

一种湍流区域识别方法

阅读:841发布:2020-05-08

专利汇可以提供一种湍流区域识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种 湍流 区域识别方法,涉及计算 流体 动 力 学领域,包括以下步骤:步骤1:获取需要进行流动分析的流场;步骤2:计算所述流场的湍流区域识别值σ;步骤3:判断所述湍流区域识别值σ是否为0,若是则该流场为湍流区域,若否则不是;所述湍流区域识别值σ基于局部 雷诺数 与涡拉伸函数得到,本发明提供了一种不依赖涡粘性系数的湍流区域识别方法,使得湍流区域识别的方法具有更广泛的适用范围。,下面是一种湍流区域识别方法专利的具体信息内容。

1.一种湍流区域识别方法,其特征在于:包括以下步骤,
步骤1:获取需要进行流动分析的流场;
步骤2:计算所述流场的湍流区域识别值σ;
步骤3:判断所述湍流区域识别值σ是否为0,若是则该流场为湍流区域,若否则不是;
所述湍流区域识别值σ基于局部雷诺数与涡拉伸函数得到。
2.根据权利要求1所述的湍流区域识别方法,其特征在于:所述湍流区域识别值σ具体基于涡拉伸函数 构造的局部速度差及局部速度差雷诺数得到,其公式包括,其中, 为涡量矢量,S为变形率张量,Δ为当地网格尺度,v为流体分子运动学粘性系数。
3.根据权利要求1所述的湍流区域识别方法,其特征在于:在低速流场,Ma<1时,计算所述湍流区域识别值σ的公式为
其中,C1=0.1,C2=3.0, 为局部速度差雷诺数。
4.根据权利要求1所述的湍流区域识别方法,其特征在于:在高速流场,Ma>1时,计算所述湍流区域识别值σ的公式为
其中,C1=0.1,C2=3.0, 为局部速度差雷诺数,为激波检测因子。

说明书全文

一种湍流区域识别方法

技术领域

[0001] 本发明涉及计算流体学领域,尤其涉及一种湍流区域识别方法。

背景技术

[0002] 计算流体力学(CFD)是流体力学、计算数学、计算机的交叉学科,采用计算机对流体动力学方程进行模拟,获得流体运动的力、热、频率等信息,从而为相关工业设计提供数据支持。随着计算机技术的发展,计算流体力学在航空航天、交通运输、化工、机械、能源等领域正发挥着越来越重要的作用。
[0003] 流体流动分为层流和湍流两种状态。实际的流动基本都是湍流,或至少包含部分湍流。准确预测流体运动的关键是湍流模拟技术。当前的湍流模拟技术包括:雷诺平均方程(RANS)方法,大涡模拟(LES)方法和直接数值模拟(DNS)方法。其中,雷诺平均方法对计算资源需求较少,但准度较低。直接数值模拟方法准度最高,但计算开销极大,目前主要局限于简单的学术问题。大涡模拟方法,以及部分区域采用雷诺平均的LES/RANS混合方法,能够以目前的计算能力大大提升复杂湍流的模拟准度,正在迅速渗透到各个设计部,解决了许多之前难以处理的复杂湍流问题。
[0004] 湍流大涡模拟方法和直接数值模拟方法在实际应用的过程中,往往需要在计算过程中识别出流场中湍流存在的区域。一方面,湍流大涡模拟仍然是非常“贵”的算法,如果能够准确识别湍流区域,就可以将计算资源尽可能向湍流区域集中,从而提高计算资源利用效率;另一方面,在准确识别湍流区域的前提下,可以针对性地在湍流区域采用相应的算法(大涡模拟需要的算法与传统方法是很不一样的),从而提高数值预测的准确度和稳健性。
[0005] 目前已有的湍流区域识别算法,是基于流场中任意位置(采用大涡模拟或雷诺平均方法求得的)涡粘性系数的量值来判别该区域是否为湍流。如图1所示为需要识别的湍流区域图;如图2所示为现有技术湍流区域识别函数的识别结果,这一方法的缺点在于:只有采用特定的算法时,涡粘性系数量值才能够表征该区域是否为湍流;而很多算法中,或者根本没有涡粘性系数(例如隐式大涡模拟方法,以及采用非涡粘性模型的大涡模拟方法等),或者涡粘性系数可以在正值、负值和零值之间变化(如动态涡粘性模型)。因此,现有的湍流区域识别方法应用范围是相当有限的。

发明内容

[0006] 本发明所要解决的技术问题是:提供一种不依赖涡粘性系数的湍流区域识别方法,使得湍流区域识别的方法具有更广泛的适用范围。
[0007] 本发明提供的一种湍流区域识别方法,包括以下步骤,
[0008] 步骤1:获取需要进行流动分析的流场;
[0009] 步骤2:计算所述流场的湍流区域识别值σ;
[0010] 步骤3:判断所述湍流区域识别值σ是否为0,若是则该流场为湍流区域,若否则不是;
[0011] 所述湍流区域识别值σ基于局部雷诺数与涡拉伸函数得到,具体基于涡拉伸函数构造局部速度差,并由此构造局部速度差雷诺数:
[0012]
[0013]
[0014] 其中, 为涡量矢量,S为变形率张量,Δ为当地网格尺度,v为流体分子运动学粘性系数。
[0015] 更进一步的,所述流场通过湍流大涡模拟或LES/RANS混合算法模拟获取。
[0016] 更进一步的,在低速流场,Ma<1时,计算所述湍流区域识别值σ的公式为[0017]
[0018] 其中,C1=0.1,C2=3.0, 为局部速度差雷诺数。
[0019] 更进一步的,在高速流场,Ma>1时,计算所述湍流区域识别值σ的公式为[0020]
[0021] 其中,C1=0.1,C2=3.0, 为局部速度差雷诺数,为激波检测因子。通过考虑高速流动中激波存在的因素,使得该方法能够有效应用于超声速流场。
[0022] 通过采用以上的技术方案,本发明的有益效果是:基于局部雷诺数与涡拉伸函数提出了一种湍流区域识别值σ,该值的计算不依赖于涡粘性系数,因此大大拓展了本方法的适用范围,使得本方法能够应用于各种大涡模拟方法或LES/RANS混合方法,并且不管采用的具体方法是否包含亚格子模型,或者采用何种亚格子模型,均可应用本发明。同时,由于本发明中的涡拉伸函数能够在层流区域自动退化为零,因而在远场区域不需要再作修正,所以本发明相对于现有的方法简化了计算过程。附图说明
[0023] 本发明将通过例子并参照附图的方式说明,其中:
[0024] 图1为需要识别的湍流区域图;
[0025] 图2为现有技术湍流区域识别函数的识别结果图;
[0026] 图3为本发明实施例1的湍流区域识别函数的识别结果图;
[0027] 图4为本发明实施例2在超声速射流大涡模拟中的应用示意图;
[0028] 图5为本发明实施例2在高超声速边界层转捩模拟中的应用示意图。

具体实施方式

[0029] 为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例,对本发明进行进一步详细的说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0030] 本发明提出了一种基于局部速度差雷诺数和涡拉伸函数的湍流区域识别方法,该方法基于湍流运动的基本物理特征(局部雷诺数与基于涡拉伸的能量级串特征)来识别湍流区域,不依赖于涡粘性系数,该方法包括以下步骤,
[0031] 步骤1:通过湍流大涡模拟或LES/RANS混合算法模拟获取需要进行流动分析的流场。
[0032] 步骤2:计算所述流场的湍流区域识别值σ;所述湍流区域识别值σ基于局部雷诺数与涡拉伸的能量级串特征得出。
[0033] 具体为,构造湍流区域识别函数,由于,任意区域为湍流的前提是局部速度差雷诺数:
[0034]
[0035] 这里,
[0036] Δ为局部网格单元的尺度,
[0037] δu为该处流动在距离Δ上的速度差的典型值
[0038] ν为运动学粘性系数。
[0039] 这一原则的依据是,当 时,网格单元内部的分子粘性不足以支持流动速度在单元内部维持稳定的线性分布,只有通过产生小尺度湍流脉动才能维持相应尺度的(统计平均意义上的)速度梯度。
[0040] 然后,采用涡拉伸函数 作为估计典型速度差值δu的依据,基于量纲分析易知:
[0041]
[0042] 这里, 为应变率张量, 为涡量矢量。这一方案的原理是,涡拉伸是湍流区域能量级串得以产生和维持的关键物理机制,并且在非湍流区域涡拉伸函数取值趋近于零。
[0043] 最后,通过上述两个函数,构造出如下湍流区域识别函数:
[0044]
[0045]
[0046] C1=0.1,C2=3.0
[0047] 其中
[0048]
[0049] 为双曲正切函数。在层流区域,局部速度差雷诺数较小,(i)式给出σ=1;而在湍流区域,(i)式给出σ=0。
[0050] 步骤3:判断所述湍流区域识别值σ是否为0,若是则该流场为湍流区域,若否则不是。
[0051] 本发明所提出的湍流识别函数式(i)不依赖于涡粘性系数,大大拓展了方法的适用范围。本发明能够应用于采用各种模型的大涡模拟方法以及LES/RANS混合方法。不管所采用的具体方法是否包含亚格子模型,或者采用何种亚格子模型,均可应用本发明。相对于现有的方法简化了计算过程。这是因为本发明所基于的涡拉伸函数式(b)能够在层流区域自动退化为零,因而在远场区域不需要再作修正。
[0052] 如图3所示,为实施例1的湍流区域识别函数的识别结果,图中算例为绕圆柱的低速流动,图1为需要识别的湍流区域图,图2和3分别为采用已有方法和采用本发明方法(i)式的识别结果。其中,流场预测采用大涡模拟方法(基于动态Smagorinsky模型)。该图说明本发明的方法在动态亚格子模型的情形(涡粘性系数可以为负值和零)时,可以给出更为准确的结果。
[0053] 实施例2
[0054] 在实施例1的基础上对包含激波的超声速流场,加入激波检测因子φ(该激波检测因子来自公开文献),从而将湍流区域识别函数修正为:
[0055]
[0056]
[0057]
[0058]
[0059] C1=0.1,C2=3.0,C3=4.0,C4=3.0,C5=2.0,ε=10-20
[0060] 这里,
[0061] 为流场速度矢量,
[0062] ω为涡量绝对值。
[0063] 通过考虑高速流动中激波存在的因素,本发明所提出的湍流识别函数式(ii),使得该方法能够有效应用于超声速流场。
[0064] 如图4所示,为本发明(ii)式在超声速(赫数Ma=1.8)射流大涡模拟(采用动态Smagorinsky模型)中的应用。由图4可以看出,本发明在超声速情形同样可以给出准确的湍流区域识别。
[0065] 如图5所示,为本发明(ii)式在高超声速(马赫数Ma=6)边界层转捩模拟中的应用。采用的模拟方法为隐私大涡模拟。可以看出,本发明在高超声速流动中同样适用。同时说明本发明可以适用于不包含亚格子模型的隐式大涡模拟方法。
[0066] 上述说明示出并描述了本发明的一个优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈