抽出渦構造

乱流渦構造を研究するために、我々は、この図のような物品に共通のチャートよりも渦構造を抽出するためにいくつかの方法を持っている必要があります。
渦構造

OpenFOAMの中で渦構造を抽出する方法をご紹介。

歴史的に以下の通りです渦構造を抽出するために使用されて:

  1. ローカル最小圧力
    渦が形成され、通常は最低圧力を伴います。例えば:

    この方法の欠点は、客観的圧力閾値の欠如は渦が実際に必ずしも存在しない場合に発生渦構造のすべて、および圧力両極端をキャプチャすることです。

  2. ラインを流れる
    渦の構造は、フローラインを閉じる一般的な方法で表示する、などの

    基準フレームに対して、表示することができる場合は、この方法が最も明らかな欠点を有している、満足ガリレオ不変フローライン、即ち、ではありません「渦構造は、」完全に異なっています。さらに、この方法は、2つの渦を閉じる区別するためにも非常に困難です。

  3. 渦度型
    スクロール構造を表示するための金型渦とは、一般的に使用される方法であり、これは同様である

    。この方法の流れの壁面に結合した、しかし、自由せん断流に非常に有効である背景フローため、適用できません渦度は、せん断弾性率は、それが困難な背景の流れから渦構造を分離することを可能にする渦構造における渦の大きさ、約ダイで達成することができるもたらします。渦のコアは明らか壁面に表示されていない間、さらに、渦の弾性率の最大値は、多くの場合、壁面に起こります。したがって、この方法は、境界層近傍の渦構造を抽出するには適していません。

    QとLambda2:OpenFOAMのは、渦構造を抽出するための2つのメソッドを提供します。

渦構造が存在するとして定着Q> 0 $を$することができます。
OpenFOAMのでは、$ Q $を計算するために使用されるプロセスがある、名前が呼ばれていますQ流れ場の計算が完了した後、実行Qし、その後あるParaViewの中に表示Q等値面に0より大きい値は、渦の構造を示します。のみ、$ Q $のOpenFOAMのは、別の方法を使用して計算されます。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

volTensorField gradU(fvc::grad(U));

volScalarField Q
(
IOobject
(
"Q",
runTime.timeName(),
mesh,
IOobject::NO_READ,
IOobject::NO_WRITE
),
0.5*(sqr(tr(gradU)) - tr(((gradU)&(gradU))))
);

代码里注释说这是另一种计算 $Q$ 的方法,与上面公式的计算方法差别很小。

  • 张量 $mathbf{W} cdot mathbf{W} + mathbf{S} cdot mathbf{S}$ 的第二大特征值

另一种判据是 $mathbf{W} cdot mathbf{W} + mathbf{S} cdot mathbf{S}$ 的第二大特征值 $lambda _ 2 < 0$。
在 OpenFOAM 中有一个进程用来计算 $lambda _ 2$ :Lambda2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

const volTensorField gradU(fvc::grad(U));

volTensorField SSplusWW
(
(symm(gradU) & symm(gradU)) + (skew(gradU) & skew(gradU))
);

volScalarField Lambda2
(
IOobject
(
"Lambda2",
runTime.timeName(),
mesh,
IOobject::NO_READ,
IOobject::NO_WRITE
),
-eigenValues(SSplusWW)().component(vector::Y)
);


情報<< "ライティング-Lambda2" <<てendl;
Lambda2 .WRITE()。

、計算になるように、ラムダ_ 2 $ - 、OpenFOAMのは$を返すことに注意してくださいLambda2、必要性Lambda2等値面の表示構造をスクロールするには0よりも大きくなります。Benpian最初の画像を開始すると、円筒流示すLambda2 = 500輪郭面を。

参考
ユージン・ド・ヴィリエ、ウォール有界フロー、博士論文、科学のインペリアル・カレッジ、2005年モデルのためのラージエディシミュレーションの可能性。

オリジナル:大列  の渦構造抽出


おすすめ

転載: www.cnblogs.com/petewell/p/11422158.html