fluent中RNG k-ε湍流模型介绍

本文摘要（由AI生成）：

RNG k-ε模型是一种基于重整化群理论的湍流模型，它改进了标准k-ε模型，提高了高速流动和旋涡流动的准确性。RNG模型提供了湍流普朗特数的解析公式，并考虑了低雷诺数的影响。RNG理论导出了湍流粘度的微分方程，允许模型更好地处理低雷诺数和近壁流。RNG模型还提供了涡流修正选项，以考虑平均流中旋转或涡流的影响。

RNG k-ε模型是使用一种称为重整化群理论的统计方法推导出来的。它是在形式上类似于standard k-ε模型,但包括以下改进:

• RNG模型在其ε方程中增加了一项，提高了高速流动的准确性。

• RNG模型考虑了涡流对湍流的影响，提高了旋涡流动的精度。

• RNG理论提供了湍流普朗特数的解析公式，而standard k-ε使用用户指定的常数值。

• 虽然标准k-ε模型是高雷诺数模型,RNG微分公式理论提供了一种从分析中获得有效的粘度,考虑低雷诺数的影响，然而，这个特性的有效使用取决于对近壁区域的适当处理。

01—RNG k-ε Model的输运方程

RNG k-ε湍流模型来源于瞬态n - s方程,用一种称为重整化群(RNG)的数学方法。模型中的常数分析推导结果不同于standard k-ε模型,在k和ε输运方程中增加了项。RNG k-ε模型形式上类似于standard k-ε模型:

• G_k表示平均速度梯度引起的湍流动能的产生；

• G_b是由浮力产生的湍流动能；

• Y_M表示可压缩湍流中波动膨胀对总耗散率的贡献；

• α_k和α_ε分别是k和ε有效普朗特数的倒数；

• S_k和S_ε是用户定义的源项。

RNG理论中的尺度消除过程导出了湍流粘度的微分方程:

将上述方程积分以获得有效湍流传输如何随有效雷诺数(或涡流标度)变化的准确描述，从而允许模型更好地处理低雷诺数和近壁流。

在高雷诺数极限下，

03—RNG漩涡修正

04—求有效普朗特数的倒数