首页/文章/ 详情

分享来自英国顶尖学府格拉斯哥大学关于PANS湍流模型的ppt

8小时前浏览87
   

   

1-PANS湍流模型


   
Partially-Averaged Navier Stokes (PANS) 模型是一种介于雷诺平均纳维-斯托克斯(RANS)和直接数值模拟(DNS)之间的湍流模型。PANS模型的目标是在合理的计算成本下解析大尺度结构。PANS模型的特点是它可以处理从RANS到DNS的各种模型到解析尺度的比率。PANS模型通过两个参数来量化模型到解析尺度的比率或物理分辨率:动能的未解析到总比率(fk)和耗散(fε)的比率。
PANS模型的核心思想是通过Boussinesq近似来模拟未解析尺度的应力,并为未解析动能和耗散解决模型输运方程。在PANS模型中,当滤波覆盖所有运动尺度时,滤波速度成为平均速度,亚滤波尺度应力(SFS应力)减少到雷诺应力。PANS模型的统计数据与其RANS对应物之间的关系可以根据Germano的公式来描述。
PANS模型的一个关键特点是它的分解是基于动能含量而不是截止波数。这意味着PANS可以被视为具有隐式滤波器的LES,并且具有两个方程的亚滤波闭合。PANS模型的另一个特点是参数fk和fε可以在整个计算域中是常数(某种形式的分数RANS),或者作为空间和时间的函数变化(DES的精神)。
PANS模型的实施涉及确定给定网格可以支持的最低fk和fε值。通常,PANS参数的值越低,计算的准确性就越高,因为解析了更多的尺度。在实施过程中,通常首先生成网格,然后执行RANS计算,这可以快速完成。然后使用RANS数据来确定Taylor尺度分布,接着找到可能的最低fk分布,最后在PANS闭合中修改模型系数以执行完整计算。
PANS模型已经在多种流动问题中得到了应用,包括通道流、衰减网格湍流、过山丘流、背步流和边界层流等。此外,PANS模型也被用作区域LES-RANS模型,靠近壁面时使用RANS模式,远离壁面时使用LES模式,即在湍流解析模式中。
总的来说,PANS模型提供了一种从RANS到LES的无缝过渡方法,能够在不同的物理分辨率下平滑地变化,同时保持较高的计算效率和准确性。

   

   

2-University of Glasgow


   
格拉斯哥大学(University of Glasgow)是位于英国苏格兰格拉斯哥市的一所世界百强名校,也是英国顶尖学府之一。它始建于1451年,是英语世界国家第四古老的大学,同时也是全球最古老的十所大学之一。格拉斯哥大学是英国罗素大学集团和Universitas 21的创始成员,以其高质量的教学和研究而闻名。
格拉斯哥大学在多个领域都有卓越的表现,包括精准医学与慢性病、文化创意经济、未来生活等领域的科研。学校拥有丰富的学术资源,包括一个主图书馆和三个专业图书馆,以及大量的学术期刊和馆藏资源。此外,格拉斯哥大学还以其哥特复兴式建筑而著称,其中吉尔伯特·斯科特大楼是校园的地标性建筑。
格拉斯哥大学提供广泛的本科和研究生课程,拥有多个学院和学术研究中心,涵盖了从工程、医学、法律到艺术和人文科学的多个学科。学校的教学和研究成果在国际上享有很高的声誉,与全球多所大学和研究机构有着紧密的合作关系。



   

   

3-分享的资料


   

分享的文档共50页,下面展示部分截图,完整的领取方式见最后一部分。



   

   

4-领取方式


   
1、点开下方的本公众 号名片,点击【关注,然后点击【发消息】(注意不是这篇文章的留言),发送“PANS湍流模型”,立即获取。
2、提醒,是在下图红色箭头所指地方,点开然后发送“PANS湍流模型”。


来源:CFD饭圈
湍流建筑
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:2024-09-28
最近编辑:8小时前
CFD饭圈
硕士 分享CFD文章,感谢关注
获赞 12粉丝 8文章 353课程 0
点赞
收藏
作者推荐

从7个方面理解CFD模拟中CFL条件的重要性

在运行CFD模拟时,我们希望确保我们的模拟准确。这对于交付高保真度水平的结果非常重要,例如在决定最终设计或为深度学习提供模拟数据时。无论您是在应用数学中心进行模拟工作,还是作为工业界的CFD用户,这里将介绍一个将空间和时间分辨率联系起来的核心概念。高保真CFD的一个关键因素是稳定性条件。这个条件被称为Courant-Friedrichs-Lewy比率,或简称为CFL。这个基本概念植根于高级应用数学。事实上,CFL管理着诸如时间步长、网格间距和入口处的速度等参数。在实践中,确保解决方案的更新与流动的物理约束同步,CFL条件允许CFD仿真人员为各种工程应用提供可靠的模拟。本文将探索CFL对CFD的意义,而不会过多地涉及数学细节。 1-CFL核心概念 Courant-Friedrichs-Lewy条件的核心是线性对流方程,它描述了流体流动中标量量的传输。这个方程是CFD模拟的基石。该方程突出了流动的特征速度在确定数值方法稳定性中的重要作用。CFL条件定义如下:时间步长 δt 必须选择便于信息以因果方式传播,一个时间步长内传播的距离小于或等于网格间距 δx。(“The time step size δt must be chosen such that the information propagates causally, with the distance traveled in one time step being less than or equal to the grid spacing δx.”)作为一个稳定性准则,CFL确保解决方案保持有界,并避免非物理的振荡或不稳定性。这个条件防止解决方案“跳过”网格点,与整个模拟问题的域保持一致。违反CFL条件可能导致结果不准确或不正确,以及数值不稳定,使模拟不可靠。这个条件最初由Richard Courant、Kurt Friedrichs和Hans Lewy在1928年描述;他们的重要论文的1967年英文版可用(这篇论文在数学上非常复杂,涉及诸如双曲型偏微分方程等主题)。 2-CFL的数学(简单版) 在本文中,我们将尽量少用数学。在CFD模拟中,我们有一个物理域,即模拟的对象,比如一个带有汽车的风洞。该域被离散化为一个网格,网格间距用δx表示。δx的值越小,我们说的是模拟的空间分辨率更细。现在,许多物理情况是静态的,但实际上,大多数情况应该是时变的,即除了三个维度xyz(合并成一个向量x),我们还必须考虑时间变量“t”。因此,时间依赖性域也被离散化为时间步长δt,它表示连续时间水平之间的持续时间。δt的值越小,时间增量越小,解决方案的时间积分越准确。CFL条件来源于这样一个要求,即信息的传播不应超过模拟中物理波速。我们定义库朗数Courant number(Cou)为“C δt / δx”,其中C是波速,δt是时间步长,δx是空间网格间距因此,"C δt"项的物理意义是流体元素在单个时间步长δt内相对于网格间距δx可以传播的距离。数学上,CFL条件表示为:Cou = C × δt / δx ≤ CFL_max其中CFL_max是允许的最大库朗数。CFL_max的值取决于用于计算模拟中的数值方案和偏微分方程的稳定性准则。Cou > CFL_max会发生什么?如果库朗数超过允许的最大值(即,CFL > CFL_max),模拟可能会变得不稳定,导致数值振荡或解决方案的爆炸性增长。Cou < CFL_max会发生什么?另一方面,如果库朗数保持在允许的最大值以下(即,库朗数 ≤ CFL_max),模拟保持稳定,解决方案保持准确。总结 - δx和δt之间的关系是什么?Courant Friedrichs Lewy条件中δx和δt之间的关系意味着减小网格间距(即,较小的δx)需要更小的时间步长(即,较小的δt)以保持稳定性。这是因为较小的网格间距允许在更短的距离内传播更多的信息,需要更小的时间步长以确保信息不会传播得比物理波速更快。因此,CFL条件对δx和δt的选择施加了约束,这两个参数是相互关联的。总之,CFL条件建立了网格间距(δx)和时间步长(δt)之间的关系,并对其值施加了限制,以限制和防止信息传播得比物理波速更快。 3-实际示例 我们已经看到,空间网格间距,表示为δx,是CFD分析中的一个关键参数,因为它直接影响解决方案的准 确性和效率。现在,让我们探索一些实际示例,了解空间网格间距δx如何影响CFD模拟中的CFL条件。示例1:不可压缩流模拟考虑使用有限差分方法对平板上的不可压缩流进行CFD模拟。选择大的网格间距δx,导致粗网格。在这种情况下,CFL条件要求小的时间步长δt以保持稳定性,因为信息需要在大距离上传播,由于粗网格。这可能会显著增加模拟的计算成本,因为可能需要小的时间步长以保持稳定性,导致更长的模拟时间。示例2:可压缩流模拟在模拟可压缩流,例如超声速流过翼型时,通常需要更细的网格间距δx以准确捕获复杂的激波和其他流动特征。在这种情况下,CFL条件可能允许比不可压缩流案例更大的时间步长δt,因为更细的网格允许信息在更短的距离上传播。这可以导致更有效率的模拟,计算时间更短。示例3:高速流模拟对于涉及高速流的模拟,如高超声速流,CFL条件可能会对空间网格间距δx施加更严格的约束。高速流中的激波和其他流动特征可能有非常陡的梯度,需要非常细的网格以准确捕获流动物理。这可能导致显著更小的δx,进而可能需要更小的δt以满足CFL条件,导致计算成本增加。示例4:瞬态模拟通常,在瞬态模拟中,流动随时间变化,CFL条件需要在每个时间步长上满足以保持数值稳定性。如果选择的网格间距δx太大,可能导致CFL条件被违反,导致数值不稳定和不准确的结果。另一方面,更细的网格间距δx可能允许更大的时间步长δt,从而实现更有效率的模拟。 4-数值方案和CFL 由于其简单性和易于实施,显式方案在CFD模拟中被广泛使用。在显式方案中,下一个时间步长的解决方案明确地从当前时间步长的解决方案计算得出。通常根据CFL条件选择时间步长δt以确保数值稳定性。显式方法(限制性更强)显式方案在计算上是高效的,因为它们允许更大的时间步长,但它们可能受到CFL条件的限制,后者对可以用来解决它们的最大时间步长施加了约束。如果选择的时间步长太大,解决方案可能变得不稳定并产生不准确的结果。隐式方法(限制性较小)另一方面,隐式方案以其稳定性和处理刚性或高度瞬态问题的能力而闻名。在隐式方案中,下一个时间步长的解决方案是通过求解一组方程得到的,其中系数基于当前和/或下一个时间步长的解决方案隐式计算。隐式方案对时间步长没有严格的约束,因为它们不完全依赖于CFL条件来保持稳定性。然而,隐式方法在计算上比显式方案更昂贵,因为它们通常需要求解大型方程组,这可能会增加计算成本。当涉及到库朗数的CFL准则时,隐式方案比显式方案的限制性要小。隐式方案的CFL条件取决于数值方案的特征和正在解决的问题。在某些情况下,隐式方案可能允许与显式方案相比更大的时间步长,从而实现更有效率的模拟。 5-CFL的实际意义 为了说明CFL条件的实际意义,考虑一个一维波现象的CFD模拟。CFL条件决定了适当的时间步长大小,以准确捕获波的传播,确保解决方案与波动方程的物理行为一致。这对于涉及快速变化流动特征的模拟尤其重要,其中流动的特征速度可以显著影响结果的稳定性和准确性。CFL条件还涉及到初始条件和入口速度。数值方法的稳定性取决于初始条件和流动入口速度之间的一致性。如果速度过高,库朗数上的CFL准则可能要求更小的时间步长,以确保信息因果传播且数值解保持稳定。同样,如果初始条件没有得到适当考虑,可能需要调整CFL条件以确保准确结果。CFL条件常被误认为是线性稳定性条件或非线性稳定性条件。然而,必须强调的是,CFL条件并不足以确定数值方案的稳定性。实际上,其他稳定性条件通常比CFL条件更为严格。必须理解,CFL条件是某些数值方法稳定性的必要条件,特别是那些基于显式时间积分的方法。这个条件决定了可以使用的最大允许时间步长,以确保数值解的稳定性。另一方面,线性和非线性稳定性条件是更一般的稳定性准则,可以应用于包括基于隐式时间积分的方法在内的广泛数值方法。这些条件对时间步长、空间分辨率和数值参数施加了额外的约束,必须满足这些约束以保证解决方案的稳定性和准确性。因此,虽然CFL条件是确定显式时间积分方法中时间步长的重要工具,但它不应被视为唯一的稳定性条件。其他稳定性准则,如线性和非线性稳定性条件,同样重要,必须在设计和分析解决偏微分方程的数值方案时予以考虑。 6-在AI的可能作用 CFL条件的含义不仅限于CFD模拟中数值方法的稳定性和准确性。近年来,利用人工智能(AI)在CFD模拟中以增强模拟的预测能力和效率的兴趣日益增长。这已经在帮助多个组织加速设计周期。CFL条件可以在指导CFD模拟的AI算法开发中发挥非常重要的作用,通过影响训练数据和预测步骤中使用的时间步长和网格间距的选择。训练后的AI预测器将受到高保真CFD的启发,并可供设计师使用。通过将CFL条件隐式集成到基于AI的CFD模拟中,可能可以提高AI预测的准确性和效率。 7-工程应用 在工程应用中,CFL条件对选择适当的空间和时间分辨率至关重要。例如,在汽车设计、航空航天、能源生产和环境工程等领域,CFD模拟被广泛用于优化设计和预测性能。在这些应用中,CFL条件确保了模拟的稳定性和准确性,这对于实现工程目标至关重要。 总结 CFL条件是CFD模拟中一个基本但至关重要的概念。它确保了解决方案的稳定性,防止了数值振荡和不稳定性,从而保证了模拟结果的可靠性。通过理解CFL条件,CFD专家可以为各种工程应用提供准确的模拟,从而为设计优化和性能预测提供支持。CFL条件对于确保CFD模拟的准确性和可靠性至关重要。通过适当选择时间步长和网格间距,可以确保模拟结果的稳定性和准确性,从而为工程应用提供支持。--- END ---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