首页/文章/ 详情

45个流体力学的常识,好些是没想到的,你知道几个

1月前浏览1752

45个流体力学的常识,你知道几个?

          

1. 临界雷诺数管道流动的上临界雷诺数对设计师来说没有实际意义。

2. 流速分布:在管道截面中心,流体颗粒的速度最大。

3. 密度与粘度:密度可以定义为动力粘度与运动粘度的比值。

4. 雷诺数:管道流动的雷诺数定义为VDρ/𝜇。

5. 粘度单位:粘度的国际单位制(SI)单位是帕秒(Pa·s),是泊(Poise)的10倍。

6. 运动粘度:运动粘度不是无量纲参数。

7. 体积模量:在1 MN/m²的压力下,1升液体的体积为995立方厘米,体积模量为200 MPa。

8. 水银柱高度:在不同高度的地方,水银柱的高度变化先是缓慢的,然后变得陡峭。

9. 粘附:流体体积因阻力而变化的性质称为粘附。

10. 内聚力:流体分子之间相互吸引的性质称为内聚力。

11. 压力各向异性:如果流体是粘性的并且处于运动状态,那么在流体中的某一点,压力在所有方向上都不会相同。

12. 皮托管:皮托管可以用来测量直径为3000毫米的管道中的水流速度。

13. 理想流体:理想流体是没有摩擦且不可压缩的流体。

14. 均匀流动:在任何给定瞬间,如果每个点的速度向量在大小和方向上都是相同的,则发生均匀流动。

15. 连续性方程:理想流体流动的连续性方程表明流体中的能量在任何地方都是恒定的。

16. 弗劳德数:忽略惯性力、重力和摩擦阻力,可以通过比较弗劳德数来设计渠道。

17. 湍流摩擦因子:对于光滑湍流,摩擦因子的变化与雷诺数的1/4次方成正比。    

18. 避免汽化:为了避免管道中的汽化,管道在山脊上方铺设时,其高度不超过水力梯度的6.4米。

19. 连续性方程:连续性方程适用于质量守恒。

20. 毛细管现象:在毛细管中,液体上升或下降的高度由 4σ/wd给出,其中d是毛细管直径,σ是表面张力,w是液体的比重。

21. 迈克罗伊德气压计:迈克罗伊德气压计用于低压测量,其原理基于波义耳定律。

22. 液体质量密度:液体的质量密度由ρ = kg sec2/m4给出。

23. 佩尔顿轮的逃逸速度:当调速器机制失效时,佩尔顿轮的逃逸速度等于无负载速度。

24. 卡普兰涡轮:卡普兰涡轮是一种低水头轴流涡轮。

25. 相对速度:两个速度的矢量差是相对速度。

26. 动态相似性:对于一个100米长的船体以10米/秒的速度行驶,为了动态相似性,在2米/秒的速度下,一个1:25的模型应该在水中拖曳。

27. 浮体稳定平衡:为了保持浮体的稳定平衡,其重心应位于浮心之上。

28. 压力中心:在倾斜面上的压力中心位于质心下方。

29. 浮力作用线:浮力的作用线总是通过流体所排开体积的质心。

30. 等势线:等势线是没有切向速度分量的线。

31. 水力跳跃:水力跳跃用于降低流动的能量。

32. 死水区:从储水盆地最低部分开始,水不再被抽取的部分称为死水区。

33. 皮托管:皮托管是一种用于测量速度的装置。

34. 比重计:比重计用于测量液体的比重。

35. 马赫数:在超音速情况下,如弹丸和喷气推进,马赫数具有重要意义。

36. 纳维-斯托克斯方程:在纳维-斯托克斯方程中考虑的流体力包括重力、压力和粘度。    

37. 层状岩石:具有过度内部应力并产生剥落的岩石称为层状岩石。

38. 混凝土隧道允许流速:混凝土隧道中水流的允许速度通常为4-5米/秒。

39. 保证功率:在最不利的水力条件下,水电站可获得的最大连续功率称为保证功率。

40. 利用率:最大负荷与额定电厂容量的比率称为利用率。

41. 孔口:孔口是指具有调节装置的液压结构中的开口。

42. 孔口流量系数:与速度系数相比,孔口流量系数的值较小。

43. 堰:堰是指具有部分充满流动的开口。

44. 压力:在25米/秒的速度下,汽车15厘米直径的前照灯上的压力为6.8牛顿。

45. 管道传输功率:当由于摩擦而损失的总头的三分之一时,通过管道传输的功率最大。

             

来源:CFD饭圈
FluentCFX燃烧湍流汽车PolyflowParaViewParticleWorks管道
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:1月前
CFD饭圈
硕士 分享CFD文章,感谢关注
获赞 27粉丝 27文章 378课程 0
点赞
收藏
作者推荐

【研究前沿】利用机器学习库Neural Networks求解结构化网格上的多相流方程

这篇文章是2024年发表在《Computer Methods in Applied Mechanics and Engineering》。 提出了一种新的方法,利用机器学习库中的工具和方法来求解离散化的多相流方程。这种方法的灵感来源于卷积层可以被用来表达离散化过程,即作为神经网络的权重由数值方法决定,而非通过训练得到。因此,这种方法被称为神经网络求解偏微分方程(NN4PDEs)。提出的基于NN4PDEs的方法成功扩展到多相流问题,展示了求解离散化PDEs的新途径。1. 研究背景 研究背景强调了多相流数值模拟在环境、能源和食品等多个领域的重要性,并指出了传统CFD模型在多相流问题上的分辨率依赖性和高计算成本。为了克服这些挑战,作者开发了一种能够在最新GPU和AI处理器上运行的模拟方法,该方法通过将数值离散化表达为神经网络,不仅简化了代码实现,还提高了计算效率,使得多相流模拟更加高效和可访问。 2. 研究方法 神经网络求解PDEs(NN4PDEs):提出一种新颖的方法,将数值离散化表示为神经网络。多网格求解器:通过具有U-Net架构的卷积神经网络实现多网格求解器。压缩算术体积分数方法:引入一种新的压缩算术体积分数方法,基于残差公式,使用Petrov-Galerkin方法提高准确性,并为NN4PDEs设计。高阶有限元方案:选择高阶有限元方案来模拟坍塌的水柱和上升的气泡。3. 研究结果 数值模拟:结果与实验数据和其他文献中的数值结果相比较,显示出良好的一致性。多相流模型:证明了有限元离散化的多相流可以首次使用基于(未训练的)卷积神经网络的方法求解。代码兼容性:表达数值离散化作为神经网络的一个好处是,代码可以在CPU、GPU或专门为运行AI代码设计的加速器上运行,而无需修改。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