湍流建模|02涡粘度模型-下
责任编辑:chjiegg     时间:2022-07-21     来源:转载于:技术邻——BB学长
责任编辑:chjiegg
时间:2022-07-21  来源:转载于:技术邻——BB学长
分类: 技术分享
浏览量: 415

导读:介绍涡粘模型-下。

k-w模型

通过输运方程求解湍流涡旋频率。由于只有两个独立变量,image.png与k和image.png相关:

image.png

有两种方式可以推导得到image.png方程:

  • image.png方程一样,通过与k方程相似类比;
  • 通过两者之间的关系,直接将k-image.png方程准确转换了k-image.png方程。

k-w方程(Wilcox)
k方程和image.png方程的形式为:
image.png

其中image.png为湍流生成项;image.png,为常数项。-k-image.png方程与k-image.png方程推导其实是相同的,需要注意的是只针对特定实验数据校准模型,因此不能保证适用于所有的应用场合。

对于Vilcox形式的k-image.png方程存在一个问题-方程求解的结果是基于剪切层外的值。

下图显示方程对混合层的预测:

  • 速度U和无量纲化尺度image.pngimage.png的取值具有强依赖性;
  • 湍动能的变化非常剧烈。当然这些是属于标准Wilcox模型的数学特征,这也是k-image.png模型相比于其的优势。
k-image.png模型的优势在于:

形式简单,鲁棒性好;

能够准确体现壁面行为

    • 与k-image.png模型相比,k-image.png模型在处理近壁面流动行为时,不会引入非线性项;
    • 兼容层流湍流过渡建模,更适合分离流中的逆向压力梯度。不足在于:

在原始Wilcox模型中,对自由流的边界设置非常敏感。
壁面积分

(作为补充说明)

  • 当湍流非常接近壁面时,湍流会被壁面削弱,在该区域image.png
  • 这个区域被称为粘性底层,近壁面的湍流模型需要有所调整。
  • 在推导湍流模型时,没有考虑分子粘度,而是将其认为完全湍流,但是近壁面情况并非如此,因此需要进行修正。
  • 这些修正被称为低雷诺数模型,但这里的雷诺数指的是湍流雷诺数image.png并非流动雷诺数。也称之为粘度子层模型
    • 在k-image.png模型中增加衰减函数(称为低雷诺数项);
    • 相比之下,k-image.png模型处理方式更加简单,直接通过image.png的边界条件。

低雷诺数k-e模型
image.png

观察上述方程,均含有低雷诺数项,用于近壁湍流添加阻尼,这里有三种不同的模型:

问题在于这三种模型对平板流是有效的,但对于更复杂的流动,求解将变得不稳定,导致很难求解,对时间步长,网格质量要求极高。正因如此低雷诺数模型一般没有在工业流动仿真中使用。

k-e模型-双层模型

在商业软件中使用的替代方案就是双层模型,它针对的是低雷诺数模型求解困难的问题。双层模型的含义是:在非常接近壁面的地方,就是蓝色区域,根据代数项做了一个关于image.png的假设,代数项与距离壁面的距离y有关:

image.png
通过这种方式处理,就可以得到近壁image.png方程:

image.png

image.png表示混合函数,在近壁地方将它们加入边界层中间,远离壁面的地方,又去除这些项,常见形式如下:

image.png
对湍流粘度,,采用同样的方式处理:
image.png
这种方式在FLuent中就是增强壁面处理(Enhanced Wall Treatment,EWT)。

但是这种方式有些复杂,如果自由流中的k值过低,就有可能造成混淆,比如在贴近壁面的地方,距离壁面的距离很小,image.png就有可能趋于0,模型最终就会切回近壁公式。

因此双层模型对于近壁处理是一个相当有问题的方案,其替代方案就是image.png方程。

k-w方程的近壁处理

  • 无需类似于 k-模型的复杂低雷诺数项;
  • 无需双层模型。
image.png
对方程添加了交叉扩散项,就可以积分到壁面。
image.png方程的边界条件能够实现湍流衰减:
image.png
w方程的积分平台
鉴于image.png方程的两个优势:可靠的壁面处理和逆向梯度流中更优异的行为,可以围绕image.png方程组合湍流建模方案。
总结
  • Boussinesq假设是工业湍流建模的关键元素之一;
  • 一旦知道两个独立的尺度,就可以计算湍流粘度,因此我们自然得到两个方程模型;
  • 文章展示了如何从Navier-Stokes方程出发,先推导k方程,再推导出k-image.png模型和k-image.png模型,然后为每一项建模;
  • k-image.png模型可能会是未来最有前途的模型

来源:转载于:技术邻——BB学长

回复:

Copyright © 2021 .长沙麦涛网络科技有限公司 All rights reserved. 湘ICP备20015126号-2
联系我们