首页/文章/ 详情

Fluent软件中可用的六种液体破碎模型

8天前浏览847

在许多工业应用中,注入的液滴不会保持恒定的形状,由于体力和水力不稳定性,会发生变形。因此,破碎会将父液滴分解成更小的子液滴。最著名的应用是在喷雾和雾化中。


初级和次级破碎

雾化机制可以分为四个主要机制。Rayleigh机制,第一和第二风诱导,被称为初级破碎Primary breakup(喷射破碎)。它发生在喷射表面的波不稳定性。雾化机制被归类为次级破碎secondary breakup(液滴破碎)。它由水力不稳定性和体力引起。    


韦伯数

流体力学中有一个无量纲数称为韦伯数(We),它被描述为变形惯性力与稳定内聚力之间的比率:

因此,较高的韦伯数意味着低表面张力或高空气动力学力,导致更多的破碎,反之亦然。


Fluent软件破碎模型

为了进入ANSYS Fluent破碎模型,应从离散相模型对话框中激活破碎。请注意,非稳态粒子跟踪将自动激活。

DPM => Physical Models => Breakup    

然后,破碎模型将在注入设置中可用:

Injection => Physical Models => Breakup Model    

ANSYS Fluent提供了六种破碎模型:

  1. TAB
  2. Wave
  3. KHRT
  4. SSD
  5. Madabhushi
  6. Schmehi


 

1) TAB破碎模型

TAB,Taylor Analogy Breakup,根据这个模型,破碎基于变形液滴到弹簧-质量系统的泰勒类比。它适用于许多工程应用。它考虑了液滴振荡和变形的影响。此外,它适用于低韦伯数注入(低速喷雾(We<100))。

当液滴尺寸达到临界值时,父液滴分解成几个子液滴。发生破碎所需的条件如下定义。    

其中x是液滴从球形状态的水平变形,Cb是常数值等于0.5,y是液滴变形,r是球形液滴半径。y参数作为时间的函数在求解方程时输入,并通过对应用不同力来影响它;最重要的是阻力。

在这个过程中,通过改变液滴的形状,阻力系数的球形状态也会改变,在这种情况下,使用动态阻力模型dynamic drag model。

通过改变液滴形状,Ansys Fluent可以使用动态阻力模型,以在喷雾建模中获得准确的解决方案。这个模型也与其他破碎模式兼容。其他阻力模型假设域中的液滴形状保持球形。对于球形液滴的动态阻力模型,阻力系数从以下方程获得:

随着韦伯数的增加,液滴的形状将从球形变为盘状,因此随着形状的变化,阻力将增加,使用球形模型将不令人满意。使用这个模型,液滴变形的影响与以下关系从球形到盘的1.54变化线性:    

y是液滴变形,然后在破碎模型中进行检查。

在ANSYS Fluent中,必须在下图中的输入两个参数,并在红色框中输入。y0的值表示粒子在计算域中注入时的初始变形,较大值表示破碎操作的加速。此外,这个数字的范围在零和一之间变化。

破碎颗粒的值还表示破碎后父液滴和子液滴的总和。例如,如果破碎颗粒等于6,那么在分裂后将有一个父液滴和5个子液滴—另一个例子在下图中解释:

   


 

2) Wave破碎模型

在这种方法中,注入液体的破碎过程与液相和气相之间的相对速度有关,适用于具有高韦伯数(We>100)的流动。该模型暗示破碎周期和随后的液滴尺寸与Kelvin-Helmholtz不稳定性有关。此外,它产生的液滴更多,与TAB模型相比,导致计算成本更高。

Kelvin-Helmholtz不稳定性是一种流体不稳定性,当单一连续流体中存在速度剪切或流体界面上的速度差异时会发生。

破碎液滴的颗粒半径(子)从以下方程获得:

该模型的值是常数,等于0.61。

父液滴半径的变化率如下:

Λ和Ω是最大增长率和波长。在上述关系中,定义了两个无量纲参数如下:

在上述方程中,索引1代表液相,索引2代表气相。

父液滴在破碎时间被压缩,直到失去的质量等于原始父液滴质量的5%。此时形成了一个具有一定半径的新颗粒液滴。新的颗粒在位置、温度、材料等方面与父颗粒相似,但它们的速度和半径将不同。新颗粒中的速度分量与父颗粒的速度向量垂直,在随机方向上,但两个的大小相同。    



 

3) KHRT破碎模型

KHR-RT(Kelvin-Helmholtz Rayleigh-Taylor破碎模型)模型考虑了由于液滴加速引起的空气动力学破碎和不稳定性之间的相互作用。此模型适用于高韦伯数,不推荐用于低压喷雾。

KHRT模型,像上面提到的波模型一样,旨在处理核心液体喷射的第一次破碎。Rayleigh机制表现出与上面讨论的波模型相同的行为。

两种方法(Kelvin-Helmholtz和Rayleigh-Taylor)通过测量液滴表面的波发展来模拟液滴破碎,破碎是由局部情况下最快增长的不稳定性引起的。KHRT模型的核心长度代表近喷嘴区域的液体核心,使由于Kelvin-Helmholtz波产生的破碎成为可能。    

KHRT模型假设在喷嘴输出流中心有大的相互连接的液滴,它们逐渐在流向流出方向移动时分裂成更小的液滴,导致突然加速。这是Rayleigh Taylor不稳定性在进入自由流流时起作用的地方。流体核心区域的长度从Levitch关系获得:

C0是Levitch常数。较大值表示更长的破碎长度,d0是喷嘴的参考直径。d0根据注入类型取不同的值。对于雾化器注入,此值直接输入到软件中。对于固体锥形注入,应用锥体的内径。对于其他类型的锥形注入,插入最小液滴直径。在表面注入中,使用等效的水力直径的表面积来获得d0。当使用Rosin-Rammler分布进行非雾化器注入时,Rosin-Rammler近似中定义的最大直径被视为参考直径。

这种类型的破碎通过注入部分中插入的平均直径确定。最好从以下方程计算并输入平均直径。

这里Ca收缩系数是。此外,要停用液体核心近似,CL输入值为0。    

这里Cτ是Rayleigh-Taylor破碎时间常数,默认值为0.5。

当Rayleigh-Taylor波增长的时间超过破碎时间τRT时,破碎就会发生。

较小的子液滴半径使用以下计算:

   

其中CRT是破碎半径常数。CRT较小将使RT破碎更快并产生较小的液滴,默认值为0.1。

KH和RT效应都在液体核心外估算,并考虑破碎。当液滴加速度高时,RT不稳定性上升得更快,在高韦伯数喷雾中占主导地位。只有在累积脱落颗粒质量超过 5% 的起始颗粒质量时,才会在任何情况下形成新的颗粒。


 

4) SSD破碎模型

TAB和WAVE破碎模型通过单一直径尺度确定破碎,而SSD(Stochastic Secondary Droplet ,随机次级液滴)模型考虑了一个随机直径分布。在SSD模型中,破碎的可能性与父液滴的大小无关,次级液滴的大小是通过概率分布的Fokker-Planck方程的解析解来选择的。

破碎模型预测破碎时间以及新滴的数量和特性。具有临界半径或以上的液滴容易破碎:    

在这个关系中输入了临界韦伯数的值,默认值为6。

破碎时间定义为:

其中B是用户提供的破碎常数,默认值为1.73。


 

5) Madabhushi破碎模型

简而言之,Madabhushi是WAVE模型和Plich和Erdman的破碎理论的结合。液滴以恒定直径注入,与喷射直径相同。在形成液柱后,柱破碎时间(tcb)发生初级破碎。C0是柱破碎时间常数,ug是横流的气体速度,rhol和rhog分别是液体和气体的密度。

在初级阶段破碎中,模型遵循波模型。在阶段期间,子液滴被脱落。随后,子液滴经历基于Plich & Erdman理论的后续破碎(次级破碎)。您需要指定B0,B1,C0,ligament factor韧带因子,jet diameter喷射直径和column drag柱阻力。此外,韧带因子调整从柱破碎产生的子液滴的直径。  


 

6) Schmehl破碎模型

 Schmehl的破碎模型是一个考虑了三种不同破碎机制的新复杂模型。它为每个机制都有一个特定的控制方程。此外,区分标准是文章前面描述的局部韦伯数。    


来源:CFD饭圈
ACTFluentUGUM理论化机材料科普控制ANSYS
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-09-08
最近编辑:8天前
CFD饭圈
硕士 分享CFD文章,感谢关注
获赞 9粉丝 4文章 345课程 0
点赞
收藏
作者推荐

都知道CFD计算是慢的,回顾从80年代到现在的应对方法

各位平时仿真一次CFD工况,需要多长时间?一小时、半天、一天还是一周?对于CFD计算速度这事儿,各位的终极期待是不是:实时仿真计算?CFD模拟结果要是出得太慢,会有什么后果?(大家多少身有体会,不在这里废话了。)现在CFD在商业上越来越吃香,项目/工程周期却越来越短(卷天卷地卷CFD),所以这事儿的风险也就越来越大了。这里尝试回顾过去几十年CFD计算对速度的需求,并看看机器学习是如何在最近几年“及时”出现的。如有不对之处,请各位帮忙指出纠正。 80年代和90年代 在80年代初,CFD工程师需要花费数周时间调整他们的模型。在90年代初,CFD结果的缓慢交付,意味着CFD诊断和分析对于项目的推进讨论中来得太晚,无法提供帮助。为了应对这一挑战,CFD软件公司试图采用更直接的方法-将CAD与CFD耦合,试图克服由CFD网格构建所代表的显著瓶颈。另一个问题是求解器的计算缓慢,计算耗时。最后一个问题是计算结果的可视化展示。这个二十年产生了至少三个主要的创新:1)自动网格化软件(“网格器”)被独立生产和分发,或在现有的商业求解器包中提供。2)求解器在多个CPU上的并行性能,随着多核CPU的逐渐出现。3)更真实的可视化使最终用户能够理解流体模拟和实体对象的“阴影”几何形状。 00年代(200x年) 在00年代初,流体工程问题的日益复杂和对更快周转时间的需求导致了CFD行业的转变。这个年代里,期望CFD工程师在几天甚至几小时内交付结果,而不是几周,这意味着他们需要开发新策略来加速纳维-斯托克斯方程和其他相关偏微分方程的解决方案。这段时间最重大的挑战之一是涉及的几何形状的尺寸和复杂性的增加,这使得问题难以有效解决。为了应对这一挑战,CFD工程师比以往任何时候都更加依赖并行处理,这使他们能够将一个大问题分成更小、更易管理的部分,并同时解决它们。更强大的计算硬件的可用性和新算法及求解器的发展也有助于更快的模拟。这个时代见证了商业CFD软件的明确巩固,这些软件变得越来越复杂和用户友好,使工程师更容易使用。图:示意图,公司内部HPC资源或云计算 10年代 (201x年) 在10年代初,CFD工程师面临与对模拟准确性和可靠性需求增加相关的新挑战。随着工程问题的日益复杂,对高保真度模拟的需求增加,这意味着模拟必须以更高的分辨率和更多的细节运行。这对CFD工程师来说是一个重大挑战,因为更高分辨率的模拟需要更多的计算能力和更长的模拟时间。方法一,CFD工程师转向了新的模拟方法,如自适应网格细化(AMR),以克服这一挑战。AMR通过在解变化迅速的区域自动细化网格,同时在解相对平滑的区域保持网格粗糙,从而显著降低模拟的计算成本,使高保真度模拟能够更有效地运行。另一个重要且更广泛的改进是自动网格化,适用于非常任意的网格,远远超出了最初的四面体方法:1)多面体网格:这个年代,出现了多面体网格,CFD的终极有限体积形状!多面体网格化是一种技术,涉及使用多面体元素填充计算域的大部分。例如,STAR-CCM+ / Fluent等成熟商用CFD软件中的多面体网格化算法,使用各种技术生成高质量的网格,这些网格被证明可以显著降低CFD模拟的计算成本,同时保持高水平的准确性并控制内存占用。2)修剪单元网格:修剪单元网格化是一种技术,用于为复杂几何形状生成高质量网格,如汽车零部件或飞机部件。该技术涉及在几何的外部表面上生成高质量网格,然后修剪(切割)几何内部的单元以匹配边界条件。该技术已被证明可以减少网格化时间并提高模拟精度,特别是对于具有具有挑战性的内部特征的复杂几何形状。 修剪单元网格:示例,如上图,一个2X2X2的六面体组块(左)“遇到”CAD表面;在右边,六面体正在被交叉并生成一个新的由新的绿色边界定的多面体形状。请注意,在这种情况下,剩余的单元没有改变,即网格主要是六面体的,并且这个过程被优化以允许表示边界层的一层棱柱形单元。 多面体和修剪单元网格化都有助于CFD的演变和加速,使工程师能够模拟日益复杂的几何形状并降低模拟成本。然而,必须提到“网格化时间”和“网格化内存”(RAM)是显著的。像并行网格化这样的进步,即在多个计算节点上分发它,正在使其更快,但远非实时。 20年代 (202x年,现在) 时间来到了现在的202x年,在过去几年里面,对实时CFD模拟的需求显著增加。这对需要优化计算资源的工程师来说是一个挑战。GPU在CFD仿真中提供了显著的计算加速。与传统的CPU相比,GPU拥有更多的并行处理核心,这使得它们能够同时处理大量的数据和计算任务。GPU已成为CFD领域中不可或缺的加速工具,广泛应用于航空航天、汽车设计、环境科学等多个领域。如在2021年,Ansys Fluent进一步推出了原生的GPU求解器,在处理上亿网格的车辆外部空气动力学仿真时,使用GPU求解器可以提升求解效率达5倍,使用多个GPU时,这个效率可以提升至30倍。研究人员正在探索新的模拟技术,如降阶建模(ROM)或模型阶数降低,这允许通过降低问题的计算复杂性来实现实时模拟。模型降低通过构建一个降阶模型来工作,该模型捕获整个模拟的基本特征,同时消除非基本细节。这种方法显著降低了模拟的计算成本,使得在不那么强大的硬件上进行实时模拟成为可能。这对CFD工程师来说是一个重大进步,使他们能够对以前无法实时模拟的工程问题进行实时模拟。机器学习的最新进展,特别是几何深度学习,已经导致了超越模型减少并摆脱以前参数化约束的新模拟技术。几何深度学习是一种机器学习技术,可以学习几何结构的表示,例如基于工业3D CAD几何形状的CFD模拟中发现的结构。CAD被“学习”为对象的3D空间表示,无需手动参数化。这种新方法在模拟复杂的工程问题中显示出惊人的结果,为CFD中的实时模拟提供了更多机会。ss 小结一下 从上面各个年代的需求背景和技术成熟度来看,为了解决CFD计算效率这事儿,不同时代出现的相应技术:年代提高计算效率方法80-90年代1、网格生成器2、多核CPU并行3、可视化后处理00年代1、HPC大规模并行10年代1、自适应网格2、多面体网格3、修剪单元网格化20年代(现在)1、GPU加速计算2、降阶模型3、机器学习,特别是几何深度学习 来源:CFD饭圈

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈