CN115293070B - 基于一般时间根方尺度的四方程转捩模型的数值方法 - Google Patents

基于一般时间根方尺度的四方程转捩模型的数值方法 Download PDF

Info

Publication number
CN115293070B
CN115293070B CN202211186621.4A CN202211186621A CN115293070B CN 115293070 B CN115293070 B CN 115293070B CN 202211186621 A CN202211186621 A CN 202211186621A CN 115293070 B CN115293070 B CN 115293070B
Authority
CN
China
Prior art keywords
equation
scale
transition
turbulence
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211186621.4A
Other languages
English (en)
Other versions
CN115293070A (zh
Inventor
王圣业
符翔
陈彦君
刘伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202211186621.4A priority Critical patent/CN115293070B/zh
Publication of CN115293070A publication Critical patent/CN115293070A/zh
Application granted granted Critical
Publication of CN115293070B publication Critical patent/CN115293070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Fluid Mechanics (AREA)
  • Computational Mathematics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于一般时间根方尺度的四方程转捩模型的数值方法。所述方法包括：基于现有的转捩模型的比耗散率尺度方程，根据推导得到的时间根方尺度和比耗散率尺度的关系式，结合得到湍流时间尺度方程；将时间根方尺度方程和预知的湍动能方程、间歇因子方程和临界转捩雷诺数方程耦合，得到转捩模型，将预知雷诺平均方程组与转捩模型耦合，得到耦合方程组。在进行飞行器流场数值模拟时，根据待模拟的飞行器流场的网格数据对耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。本发明提出的转捩模型中，能够在采用高精度离散或复杂结构/非结构网格时实现数值稳定。

Description

基于一般时间根方尺度的四方程转捩模型的数值方法
技术领域
本申请涉及计算流体力学领域，特别是涉及一种基于一般时间根方尺度的四方程转捩模型的数值方法。
背景技术
自然界中的流动可分为层流和湍流两种形态，而两种形态之间的过渡过程被称为转捩。对转捩问题的研究可追溯到一百多年前，和湍流问题同时出现。最初科学家研究转捩，是以流动稳定性问题的形式出现的。到了20 世纪70 年代计算机技术的发展以及工程技术对转捩预测的迫切需求，基于经验关系的模式理论飞速发展。因此，转捩模式理论分为两大类：基于稳定性理论的模型与不基于稳定性理论的模型。
不基于稳定性理论的方法中，目前以间歇因子模型方法最为流行。1958年，Dhawan和Narasimha根据Emmons的“湍流斑”理论，提出用间歇因子来定量地描述湍流产生过程。1975年，Libby根据湍流场边界的间歇性特点，用间歇因子来动态控制湍流量输运方程的状态，奠定了间歇因子模型的框架。1990 年代，Cho和Chung在
Figure 860095DEST_PATH_IMAGE001
模型的基础上，又构建了间歇因子输运方程，形成了可以预测转捩的
Figure 10716DEST_PATH_IMAGE002
三方程湍流模型。其后，Suzen等在SST模型上增加了间歇因子的输运方程，并能同时准确计算一系列条件下的转捩位置和转捩区间的长度，如T3 系列平板边界层。然而，这一时期的转捩模型多少都需要用到全局化参数，限制了在并行计算及非结构网格中的应用。
到了本世纪，Menter和Langtry提出了基于当地关联的
Figure 296203DEST_PATH_IMAGE003
模型，成为里程碑式的工程转捩模型。该模型将经验关联函数和间歇因子方法有机结合起来，通过经验关联函数控制边界层内间歇因子的生成，再通过间歇因子控制湍流模型中湍流的生成。在
Figure 705319DEST_PATH_IMAGE004
模型框架中均采用的“当地化”参数，一方面利于非结构网格、并行计算及复杂外形计算；另一方面，也为CFD 代码的编写提供了便利。因此，该思想很快得到了工业界的认可以及学者们的积极响应。Menter和Langtry提出的
Figure 759863DEST_PATH_IMAGE005
模型需要耦合其提出的SST
Figure 579920DEST_PATH_IMAGE006
模型求解，即属于四方程湍流模型，即
Figure 352704DEST_PATH_IMAGE007
模型。
在飞行器流场数值模拟的工程应用中，利用当前CFD商业软件中普遍使用的
Figure 299932DEST_PATH_IMAGE008
模型需要耦合其提出的SST
Figure 474561DEST_PATH_IMAGE009
模型求解，在黏性壁面处
Figure 229634DEST_PATH_IMAGE010
尺度方程不具有自然的边界条件，会在采用高精度离散或复杂结构/非结构网格时导致一些数值不稳定。因此，现有技术存在适应性不佳的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够解决飞行器流场模拟采用高精度离散或复杂结构/非结构网格时数值不稳定问题的基于一般时间根方尺度的四方程转捩模型的数值方法、装置、计算机设备和存储介质。
一种基于一般时间根方尺度的四方程转捩模型的数值方法，所述方法包括：
获取湍流基于
Figure 224135DEST_PATH_IMAGE011
转捩模型的
Figure 975053DEST_PATH_IMAGE012
尺度方程；
Figure 738610DEST_PATH_IMAGE013
表示比耗散率尺度；
获取预先推导的
Figure 166049DEST_PATH_IMAGE014
一般时间根方尺度和
Figure 647846DEST_PATH_IMAGE015
尺度的关系式，根据所述关系式和所述
Figure 936876DEST_PATH_IMAGE016
尺度方程得到湍流关于
Figure 820518DEST_PATH_IMAGE017
尺度的方程；其中，
Figure 920323DEST_PATH_IMAGE018
表示含能时间尺度，
Figure 889417DEST_PATH_IMAGE019
表示
Figure 310034DEST_PATH_IMAGE020
次根方，为正整数；
将所述
Figure 923549DEST_PATH_IMAGE021
尺度方程和预知的湍动能k方程、间歇因子
Figure 568157DEST_PATH_IMAGE022
方程和临界转捩雷诺数
Figure 149180DEST_PATH_IMAGE023
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即k-
Figure 904646DEST_PATH_IMAGE024
转捩模型；
将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组；
构建待模拟的飞行器流场的网格数据，根据所述网格数据对所述耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
在其中一个实施例中，还包括：获取湍流基于
Figure 903826DEST_PATH_IMAGE025
模型的
Figure 453756DEST_PATH_IMAGE026
尺度方程为：
Figure 44048DEST_PATH_IMAGE027
其中，
Figure 603205DEST_PATH_IMAGE028
为时间平均密度，
Figure 191312DEST_PATH_IMAGE029
为比耗散率尺度，
Figure 177723DEST_PATH_IMAGE030
为时间，
Figure 467759DEST_PATH_IMAGE031
做下标为坐标索引，
Figure 565028DEST_PATH_IMAGE032
为Favre平均速度三分量，
Figure 273221DEST_PATH_IMAGE033
为三方向坐标分量，
Figure 820746DEST_PATH_IMAGE034
为比耗散率尺度方程生成项系数，
Figure 473444DEST_PATH_IMAGE035
为运动涡黏系数，
Figure 515349DEST_PATH_IMAGE036
为湍流生成，
Figure 202682DEST_PATH_IMAGE037
为比耗散率尺度方程耗散项系数，
Figure 655529DEST_PATH_IMAGE038
为动力学黏性系数，
Figure 998786DEST_PATH_IMAGE039
为扩散项系数，
Figure 437858DEST_PATH_IMAGE040
为涡黏系数，
Figure 855064DEST_PATH_IMAGE041
为第一过渡函数，
Figure 619757DEST_PATH_IMAGE042
为比耗散率尺度方程交叉导数项系数，
Figure 870217DEST_PATH_IMAGE043
为湍动能。
在其中一个实施例中，还包括：所述预先推导的
Figure 112979DEST_PATH_IMAGE044
一般时间根方尺度和
Figure 384692DEST_PATH_IMAGE045
尺度的关系式为：
Figure 257970DEST_PATH_IMAGE046
其中，n为
Figure 372556DEST_PATH_IMAGE047
时间根方尺度和
Figure 543643DEST_PATH_IMAGE048
尺度的调节系数。
在其中一个实施例中，还包括：获取预先推导的
Figure 60075DEST_PATH_IMAGE049
时间根方尺度和
Figure 776359DEST_PATH_IMAGE050
尺度的关系式，根据所述关系式和所述
Figure 378241DEST_PATH_IMAGE051
尺度方程得到湍流关于
Figure 166069DEST_PATH_IMAGE052
尺度的
Figure 163106DEST_PATH_IMAGE053
尺度方程为：
Figure 174924DEST_PATH_IMAGE054
其中，
Figure 139469DEST_PATH_IMAGE055
，表示
Figure 262146DEST_PATH_IMAGE056
一般时间根方尺度，
Figure 877804DEST_PATH_IMAGE057
为一般时间根方尺度方程交叉导数项系数。
在其中一个实施例中，还包括：所述预知的湍动能k方程为：
Figure 326103DEST_PATH_IMAGE058
其中，
Figure 512365DEST_PATH_IMAGE059
为湍动能k方程中的生成项，
Figure 438732DEST_PATH_IMAGE060
为湍动能k方程中的耗散项，
Figure 141853DEST_PATH_IMAGE061
为湍动能k方程中的扩散项，
Figure 495474DEST_PATH_IMAGE062
为k方程扩散项系数。
在其中一个实施例中，还包括：所述生成项为：
Figure 965769DEST_PATH_IMAGE063
其中，
Figure 820462DEST_PATH_IMAGE064
，为修正间歇因子，
Figure 754920DEST_PATH_IMAGE065
为分离区间歇因子，
Figure 154808DEST_PATH_IMAGE066
，
Figure 440296DEST_PATH_IMAGE067
为应变量，
Figure 334565DEST_PATH_IMAGE068
为Kronecker算子，
Figure 654688DEST_PATH_IMAGE069
做下标为坐标索引，
Figure 491057DEST_PATH_IMAGE070
为速度分量。
所述耗散项为：
Figure 263841DEST_PATH_IMAGE071
其中，
Figure 194757DEST_PATH_IMAGE072
为各向同性耗散率，
Figure 572648DEST_PATH_IMAGE073
为耗散项系数。
在其中一个实施例中，还包括：所述预知的间歇因子
Figure 438973DEST_PATH_IMAGE074
方程为：
Figure 839999DEST_PATH_IMAGE075
其中，
Figure 449971DEST_PATH_IMAGE076
为间歇因子，
Figure 682370DEST_PATH_IMAGE077
为间歇因子
Figure 608344DEST_PATH_IMAGE078
方程中的生成项，
Figure 90141DEST_PATH_IMAGE079
为间歇因子
Figure 379171DEST_PATH_IMAGE080
方程中的耗散项，
Figure 528392DEST_PATH_IMAGE081
为间歇因子
Figure 126733DEST_PATH_IMAGE082
方程中的扩散项，
Figure 299088DEST_PATH_IMAGE083
为间歇因子
Figure 250864DEST_PATH_IMAGE084
方程扩散项系数。
在其中一个实施例中，还包括：所述预知的临界转捩雷诺数
Figure 129958DEST_PATH_IMAGE085
方程为：
Figure 774566DEST_PATH_IMAGE086
其中，
Figure 122633DEST_PATH_IMAGE087
为临界转捩雷诺数
Figure 81362DEST_PATH_IMAGE088
方程生成项，
Figure 674017DEST_PATH_IMAGE088
为临界转捩雷诺数，
Figure 630472DEST_PATH_IMAGE089
为临界转捩雷诺数
Figure 574157DEST_PATH_IMAGE088
方程中的扩散项，
Figure 336577DEST_PATH_IMAGE090
为间歇因子
Figure 439531DEST_PATH_IMAGE091
方程扩散项系数。
在其中一个实施例中，还包括：将所述k方程、
Figure 160362DEST_PATH_IMAGE092
尺度方程间歇因子
Figure 466710DEST_PATH_IMAGE093
方程和临界转捩雷诺数
Figure 563979DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型为：
Figure 600068DEST_PATH_IMAGE094
。
在其中一个实施例中，还包括：所述预知的雷诺平均Navier-Stokes（RANS）方程组为：
Figure 911707DEST_PATH_IMAGE095
其中
Figure 33247DEST_PATH_IMAGE096
为时间平均压力，
Figure 809573DEST_PATH_IMAGE097
为Favre平均温度，
Figure 496906DEST_PATH_IMAGE098
为Favre平均总能，
Figure 949753DEST_PATH_IMAGE099
为定压比热比，Pr为层流普朗特常数，Pr t 为湍流普朗特常数；
其中
Figure 293010DEST_PATH_IMAGE100
为黏性应力张量：
Figure 263240DEST_PATH_IMAGE101
Figure 680446DEST_PATH_IMAGE102
为雷诺应力张量，通过Boussinesq关系得到：
Figure 382823DEST_PATH_IMAGE103
完成RANS方程组与
Figure 10113DEST_PATH_IMAGE104
四方程转捩模型耦合。
在其中一个实施例中，还包括：根据所述网格数据，利用针对偏微分方程组的数值法对所述耦合方程组中包含的9个独立变量：
Figure 144553DEST_PATH_IMAGE105
、
Figure 540900DEST_PATH_IMAGE106
、
Figure 414178DEST_PATH_IMAGE107
、k、
Figure 669710DEST_PATH_IMAGE108
、
Figure 450584DEST_PATH_IMAGE109
、
Figure 91650DEST_PATH_IMAGE088
进行数值求解；再通过关系式推导得到其他变量的数值解。
一种基于一般时间根方尺度的四方程转捩模型的数值装置，所述装置包括：
Figure 135829DEST_PATH_IMAGE110
尺度方程获取模块，用于获取湍流基于SST模型的
Figure 3291DEST_PATH_IMAGE110
尺度方程；
Figure 463222DEST_PATH_IMAGE110
表示比耗散率尺度；
一般时间尺度方程确定模块，用于获取预先推导的
Figure 37423DEST_PATH_IMAGE111
一般时间根方尺度和
Figure 49241DEST_PATH_IMAGE110
尺度的关系式，根据所述关系式和所述
Figure 761589DEST_PATH_IMAGE110
尺度方程得到湍流关于
Figure 353107DEST_PATH_IMAGE112
尺度的
Figure 578552DEST_PATH_IMAGE113
尺度方程；其中，
Figure 902218DEST_PATH_IMAGE114
表示含能时间尺度，
Figure 478692DEST_PATH_IMAGE115
表示
Figure 608322DEST_PATH_IMAGE116
次根方，为正整数；
基于一般时间尺度的四方程转捩模型确定模块，用于将所述
Figure 78487DEST_PATH_IMAGE117
尺度方程和预知的湍动能k方程、间歇因子
Figure 697687DEST_PATH_IMAGE118
方程和临界转捩雷诺数
Figure 371245DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即
Figure 304566DEST_PATH_IMAGE119
转捩模型；将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组；
数值模拟模块，用于构建待模拟的飞行器流场的网格数据，根据所述网格数据对所述耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取湍流基于
Figure 239024DEST_PATH_IMAGE120
转捩模型的
Figure 920803DEST_PATH_IMAGE121
尺度方程；
Figure 206291DEST_PATH_IMAGE122
表示比耗散率尺度；
获取预先推导的
Figure 677724DEST_PATH_IMAGE123
一般时间根方尺度和
Figure 873213DEST_PATH_IMAGE121
尺度的关系式，根据所述关系式和所述
Figure 834216DEST_PATH_IMAGE121
尺度方程得到湍流关于
Figure 466054DEST_PATH_IMAGE124
尺度的方程；其中，
Figure 741178DEST_PATH_IMAGE125
表示含能时间尺度，
Figure 181386DEST_PATH_IMAGE126
表示
Figure 923077DEST_PATH_IMAGE127
次根方，为正整数；
将所述
Figure 386420DEST_PATH_IMAGE128
尺度方程和预知的湍动能k方程、间歇因子
Figure 261972DEST_PATH_IMAGE129
方程和临界转捩雷诺数
Figure 914277DEST_PATH_IMAGE023
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即k-
Figure 154765DEST_PATH_IMAGE130
转捩模型；
将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组；
构建待模拟的飞行器流场的网格数据，根据所述网格数据对所述耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取湍流基于
Figure 902141DEST_PATH_IMAGE131
转捩模型的
Figure 456750DEST_PATH_IMAGE132
尺度方程；
Figure 340393DEST_PATH_IMAGE132
表示比耗散率尺度；
获取预先推导的
Figure 17362DEST_PATH_IMAGE133
一般时间根方尺度和
Figure 376668DEST_PATH_IMAGE132
尺度的关系式，根据所述关系式和所述
Figure 328443DEST_PATH_IMAGE132
尺度方程得到湍流关于
Figure 535434DEST_PATH_IMAGE133
尺度的方程；其中，
Figure 789829DEST_PATH_IMAGE134
表示含能时间尺度，
Figure 246218DEST_PATH_IMAGE135
表示
Figure 893362DEST_PATH_IMAGE136
次根方，为正整数；
将所述
Figure 954859DEST_PATH_IMAGE133
尺度方程和预知的湍动能k方程、间歇因子γ方程和临界转捩雷诺数
Figure 770368DEST_PATH_IMAGE023
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即k-
Figure 854999DEST_PATH_IMAGE137
转捩模型；
将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组；
构建待模拟的飞行器流场的网格数据，根据所述网格数据对所述耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
上述基于一般时间根方尺度的四方程转捩模型的数值方法、装置、计算机设备和存储介质，基于现有的
Figure 148577DEST_PATH_IMAGE138
转捩模型的
Figure 64580DEST_PATH_IMAGE139
尺度方程，根据推导得到的
Figure 441204DEST_PATH_IMAGE140
时间根方尺度和
Figure 872185DEST_PATH_IMAGE132
尺度的关系式，将两者结合得到湍流
Figure 172717DEST_PATH_IMAGE140
尺度方程；将
Figure 615330DEST_PATH_IMAGE141
尺度方程和预知的湍动能k方程、间歇因子
Figure 38221DEST_PATH_IMAGE142
方程和临界转捩雷诺数
Figure 159761DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即
Figure 441748DEST_PATH_IMAGE143
转捩模型，将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组。在进行飞行器流场数值模拟时，构建待模拟的飞行器流场的网格数据，根据网格数据对耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。本发明所提出的
Figure 129082DEST_PATH_IMAGE144
模型中，n为正整数时壁面边界条件严格为0，有利于降低方程对壁面信息的依赖程度；进一步n为大于2的正偶数时，
Figure 598240DEST_PATH_IMAGE145
的计算值将不会影响k方程中
Figure 941497DEST_PATH_IMAGE146
的符号，这对于湍动能的保正十分有利，能够在对飞行器转捩流场进行数值模拟采用高精度离散或复杂结构/非结构网格时实现数值稳定。
附图说明
图1为一个实施例中基于一般时间根方尺度的四方程转捩模型的数值方法的流程示意图；
图2为一个实施例中低速转捩平板流动：计算网格示意图；
图3为一个实施例中低速转捩平板流动中
Figure 646148DEST_PATH_IMAGE147
模型计算结果与实验值对比示意图，其中，(a)为T3A平板转捩实验中计算结果与实验值对比示意图，(b)为T3B平板转捩实验中计算结果与实验值对比示意图，(c)为T3A-平板转捩实验中计算结果与实验值对比示意图，(d)为S&K平板转捩实验中计算结果与实验值对比示意图；
图4为一个实施例中基于一般时间根方尺度的四方程转捩模型的数值装置的结构框图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于一般时间根方尺度的四方程转捩模型的数值方法，包括以下步骤：
步骤102，获取湍流基于
Figure 578201DEST_PATH_IMAGE148
转捩模型的
Figure 77315DEST_PATH_IMAGE149
尺度方程。
Figure 907868DEST_PATH_IMAGE149
表示比耗散率尺度。
飞行器流场的数值模拟基于所提出的物理模型，在飞行器流场数值模拟的工程应用中，利用当前CFD商业软件中普遍使用的
Figure 760417DEST_PATH_IMAGE150
模型需要耦合其提出的SST
Figure 687922DEST_PATH_IMAGE151
模型求解，在黏性壁面处
Figure 984036DEST_PATH_IMAGE152
尺度方程不具有自然的边界条件，会在采用高精度离散或复杂结构/非结构网格时导致一些数值不稳定，对飞行器流场的数值模拟产生不利影响。本发明提出基于一般时间根方尺度
Figure 301885DEST_PATH_IMAGE153
的四方程转捩模型的数值方法。
具体地，湍流基于
Figure 348339DEST_PATH_IMAGE154
模型的
Figure 740137DEST_PATH_IMAGE155
尺度方程为：
Figure 784316DEST_PATH_IMAGE156
其中，
Figure 386199DEST_PATH_IMAGE157
为时间平均密度，
Figure 360977DEST_PATH_IMAGE158
为比耗散率尺度，
Figure 731915DEST_PATH_IMAGE159
为时间，
Figure 946996DEST_PATH_IMAGE160
做下标为坐标索引，
Figure 911541DEST_PATH_IMAGE161
为Favre平均速度三分量，
Figure 299797DEST_PATH_IMAGE162
为三方向坐标分量，
Figure 728504DEST_PATH_IMAGE163
为比耗散率尺度方程生成项系数，
Figure 534393DEST_PATH_IMAGE164
为运动涡黏系数，
Figure 376447DEST_PATH_IMAGE165
为湍流生成，
Figure 178181DEST_PATH_IMAGE166
为比耗散率尺度方程耗散项系数，
Figure 461395DEST_PATH_IMAGE167
为动力学黏性系数，
Figure 346174DEST_PATH_IMAGE168
为扩散项系数，
Figure 269000DEST_PATH_IMAGE169
为涡黏系数，
Figure 936741DEST_PATH_IMAGE170
为第一过渡函数，
Figure 136779DEST_PATH_IMAGE042
为比耗散率尺度方程交叉导数项系数，
Figure 67825DEST_PATH_IMAGE171
为湍动能。
步骤104，获取预先推导的
Figure 87734DEST_PATH_IMAGE172
一般时间根方尺度和
Figure 824746DEST_PATH_IMAGE173
尺度的关系式，根据关系式和
Figure 770967DEST_PATH_IMAGE173
尺度方程得到湍流的
Figure 669653DEST_PATH_IMAGE174
尺度方程。
其中，
Figure 442437DEST_PATH_IMAGE175
表示含能时间尺度，
Figure 655244DEST_PATH_IMAGE176
表示
Figure 564294DEST_PATH_IMAGE177
次根方，为正整数。
本发明通过推导，得出
Figure 899460DEST_PATH_IMAGE178
时间根方尺度和
Figure 18595DEST_PATH_IMAGE179
尺度的关系式为：
Figure 159726DEST_PATH_IMAGE180
其中，n为
Figure 392125DEST_PATH_IMAGE181
时间根方尺度和
Figure 304717DEST_PATH_IMAGE182
尺度的调节系数。
结合
Figure 317672DEST_PATH_IMAGE183
尺度方程得到关于
Figure 354505DEST_PATH_IMAGE184
尺度方程：
Figure 441410DEST_PATH_IMAGE185
其中，
Figure 649537DEST_PATH_IMAGE186
，表示
Figure 493996DEST_PATH_IMAGE187
一般时间根方尺度，
Figure 976930DEST_PATH_IMAGE188
为一般时间根方尺度方程交叉导数项系数。
其中n为正整数，用于调节该尺度方程的数值特性。n=1时是一种特殊情况，即还原回Spezia1e在1992年提出的时间尺度方程。该方程的右端第二项为常数，即无生成项，会造成严重的数值刚性问题。
步骤106，将
Figure 918342DEST_PATH_IMAGE189
尺度方程和预知的湍动能k方程、间歇因子
Figure 687583DEST_PATH_IMAGE190
方程和临界转捩雷诺数
Figure 409552DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型。
具体地，预知的湍动能k方程为：
Figure 40384DEST_PATH_IMAGE191
其中，
Figure 101881DEST_PATH_IMAGE192
为湍动能k方程中的生成项，
Figure 182970DEST_PATH_IMAGE193
为湍动能k方程中的耗散项，
Figure 64338DEST_PATH_IMAGE194
为湍动能k方程中的扩散项，
Figure 249594DEST_PATH_IMAGE195
为湍动能k方程扩散项系数。
生成项为：
Figure 227914DEST_PATH_IMAGE196
其中，
Figure 89691DEST_PATH_IMAGE197
，为修正间歇因子，
Figure 520672DEST_PATH_IMAGE198
为分离区间歇因子，
Figure 742575DEST_PATH_IMAGE199
，
Figure 513085DEST_PATH_IMAGE200
为应变量，
Figure 670397DEST_PATH_IMAGE201
为Kronecker算子，
Figure 464041DEST_PATH_IMAGE202
做下标为坐标索引，
Figure 365000DEST_PATH_IMAGE203
为速度分量。
耗散项为：
Figure 675503DEST_PATH_IMAGE204
其中，
Figure 206978DEST_PATH_IMAGE205
为各向同性耗散率，
Figure 612552DEST_PATH_IMAGE206
为耗散项系数。
涡黏系数由下式得到：
Figure 926990DEST_PATH_IMAGE207
涡量和应变量分别为：
Figure 672092DEST_PATH_IMAGE208
尺度方程中的系数通过过渡函数F 1加权获得：
Figure 436785DEST_PATH_IMAGE209
具体值分别参见表1。
表1 一般时间根方尺度方程中的系数
Figure 188710DEST_PATH_IMAGE210
湍动能方程中系数也通过过渡函数获得：
Figure 634734DEST_PATH_IMAGE211
其中：
Figure 296660DEST_PATH_IMAGE212
其余系数还有：
Figure 107621DEST_PATH_IMAGE213
原始的过渡函数F 1为：
Figure 956628DEST_PATH_IMAGE214
其中：
Figure 206344DEST_PATH_IMAGE215
耦合转捩模型后对过渡函数F 1进行保护：
Figure 348875DEST_PATH_IMAGE216
过渡函数F 2为：
Figure 455371DEST_PATH_IMAGE217
湍动能与尺度变量在黏性壁面处均取为0。
预知的间歇因子
Figure 994937DEST_PATH_IMAGE218
方程为：
Figure 720447DEST_PATH_IMAGE219
其中，
Figure 91386DEST_PATH_IMAGE220
为间歇因子，
Figure 306466DEST_PATH_IMAGE221
为间歇因子
Figure 520279DEST_PATH_IMAGE222
方程中的生成项，
Figure 908535DEST_PATH_IMAGE223
为间歇因子
Figure 602822DEST_PATH_IMAGE224
方程中的耗散项，
Figure 660907DEST_PATH_IMAGE225
为间歇因子
Figure 237382DEST_PATH_IMAGE226
方程中的扩散项，
Figure 786919DEST_PATH_IMAGE227
为间歇因子
Figure 335712DEST_PATH_IMAGE228
方程扩散项系数。
预知的临界转捩雷诺数
Figure 689333DEST_PATH_IMAGE088
方程为：
Figure 628470DEST_PATH_IMAGE229
其中，
Figure 358529DEST_PATH_IMAGE230
为临界转捩雷诺数
Figure 761828DEST_PATH_IMAGE088
方程生成项，
Figure 676563DEST_PATH_IMAGE088
为临界转捩雷诺数，
Figure 962051DEST_PATH_IMAGE231
为临界转捩雷诺数
Figure 699063DEST_PATH_IMAGE088
方程中的扩散项，
Figure 628973DEST_PATH_IMAGE232
为间歇因子
Figure 589976DEST_PATH_IMAGE233
方程扩散项系数。
将k方程、
Figure 566022DEST_PATH_IMAGE234
尺度方程间歇因子
Figure 263982DEST_PATH_IMAGE235
方程和临界转捩雷诺数
Figure 438611DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型为：
Figure 445881DEST_PATH_IMAGE236
。
Figure 643645DEST_PATH_IMAGE237
输运方程源项中所涉及的变量和函数如下：
Figure 519197DEST_PATH_IMAGE238
其中，
Figure 672966DEST_PATH_IMAGE239
是控制转捩起始位置的无量纲函数；
Figure 179034DEST_PATH_IMAGE240
是边界层内间歇因子开始增加时的临界动量厚度雷诺数，其位于转捩动量厚度雷诺数
Figure 660831DEST_PATH_IMAGE088
的上游位置；
Figure 215440DEST_PATH_IMAGE241
是控制转捩区长度的经验关联函数。
Figure 99083DEST_PATH_IMAGE242
输运方程中的系数如下：
Figure 776052DEST_PATH_IMAGE243
笛卡尔坐标系下，
Figure 368314DEST_PATH_IMAGE088
的输运方程如下：
Figure 851248DEST_PATH_IMAGE244
其中，源项
Figure 792659DEST_PATH_IMAGE245
使得在边界层外
Figure 312633DEST_PATH_IMAGE088
等于
Figure 34601DEST_PATH_IMAGE246
，其具体定义为：
Figure 914701DEST_PATH_IMAGE247
源项
Figure 976198DEST_PATH_IMAGE248
中的变量和函数如下：
Figure 791708DEST_PATH_IMAGE249
其中，
Figure 610759DEST_PATH_IMAGE250
为时间尺度，其由量纲分析得到；
Figure 373179DEST_PATH_IMAGE251
为混合函数，其在边界层内关闭
Figure 85920DEST_PATH_IMAGE252
，从而允许
Figure 964008DEST_PATH_IMAGE088
从自由流扩散至边界层内，即在自由流中
Figure 332673DEST_PATH_IMAGE253
而在边界层内
Figure 429942DEST_PATH_IMAGE254
；
Figure 403714DEST_PATH_IMAGE255
被用来确保混合函数
Figure 561026DEST_PATH_IMAGE256
在尾迹区不被激活；
Figure 416986DEST_PATH_IMAGE257
是当地湍流度
Figure 442580DEST_PATH_IMAGE258
和当地压力梯度参数
Figure 395492DEST_PATH_IMAGE259
的经验关联函数。
Figure 926968DEST_PATH_IMAGE260
的经验表达式可写为：
Figure 942329DEST_PATH_IMAGE261
其中，
Figure 646979DEST_PATH_IMAGE262
当地湍流度
Figure 392081DEST_PATH_IMAGE263
和当地压力梯度参数
Figure 514365DEST_PATH_IMAGE264
的定义为：
Figure 407234DEST_PATH_IMAGE265
注意到，由于
Figure 525363DEST_PATH_IMAGE266
，
Figure 124972DEST_PATH_IMAGE267
的表达式也是
Figure 794988DEST_PATH_IMAGE268
的隐式函数。因此，通常通过迭代
Figure 299787DEST_PATH_IMAGE269
的值来求解
Figure 346241DEST_PATH_IMAGE270
。此外，
Figure 800356DEST_PATH_IMAGE271
为沿流向的加速度，其具体求解方法为：
Figure 782218DEST_PATH_IMAGE272
由于
Figure 384101DEST_PATH_IMAGE273
由当地湍流度
Figure 594764DEST_PATH_IMAGE274
和当地压力梯度参数
Figure 168965DEST_PATH_IMAGE275
计算得到，其直接用于边界层内不符合实际。因此设计了
Figure 446363DEST_PATH_IMAGE088
输运方程，其使边界层外的
Figure 410908DEST_PATH_IMAGE088
由
Figure 533585DEST_PATH_IMAGE276
的经验关联函数获得，而边界层内的
Figure 962292DEST_PATH_IMAGE088
则是由自由流扩散得到。此外，对部分变量施加如下限制以实现数值鲁棒性：
Figure 800804DEST_PATH_IMAGE277
为提高对分离转捩的模拟效果，需要对间歇因子进行修正，具体如下：
Figure 111699DEST_PATH_IMAGE278
其中，
Figure 241329DEST_PATH_IMAGE279
Figure 462226DEST_PATH_IMAGE280
转捩模型的远场边界条件为：
Figure 81427DEST_PATH_IMAGE281
而在壁面处应保证
Figure 82881DEST_PATH_IMAGE282
和
Figure 436108DEST_PATH_IMAGE283
的法向通量为0，即：
Figure 901725DEST_PATH_IMAGE284
具体地，对于对流项，令
Figure 301613DEST_PATH_IMAGE285
和
Figure 790363DEST_PATH_IMAGE286
，即使对流通量在壁面处为0；对于粘性项，在壁面处（1/2点）令
Figure 324113DEST_PATH_IMAGE287
，使得
Figure 503290DEST_PATH_IMAGE288
方程的破坏项和
Figure 667555DEST_PATH_IMAGE023
方程的生成项在壁面处为0，而对
Figure 440339DEST_PATH_IMAGE088
的粘性通量赋0，确保其仅通过输运方程由边界层外扩散得到。
步骤108，将预知的雷诺平均Navier-Stokes方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组。
预知的雷诺平均Navier-Stokes方程组为：
Figure 387567DEST_PATH_IMAGE289
其中
Figure 562196DEST_PATH_IMAGE290
为时间平均压力，
Figure 631783DEST_PATH_IMAGE291
为Favre平均温度，
Figure 783541DEST_PATH_IMAGE292
为Favre平均总能，
Figure 393514DEST_PATH_IMAGE293
为定压比热比，Pr为层流普朗特常数，Pr t 为湍流普朗特常数；
其中
Figure 298016DEST_PATH_IMAGE294
为黏性应力张量：
Figure 804084DEST_PATH_IMAGE295
Figure 285881DEST_PATH_IMAGE296
为雷诺应力张量，通过Boussinesq关系得到：
Figure 89757DEST_PATH_IMAGE297
完成雷诺平均Navier-Stokes方程组与基于一般时间根方尺度的四方程转捩模型耦合。
步骤110，构建待模拟的飞行器流场的网格数据，根据网格数据对耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
根据待模拟的飞行器流场的网格数据，利用针对偏微分方程组的数值法对耦合方程组中包含的9个独立变量：
Figure 973400DEST_PATH_IMAGE298
、
Figure 650369DEST_PATH_IMAGE299
、
Figure 494828DEST_PATH_IMAGE300
、k、
Figure 712183DEST_PATH_IMAGE301
、
Figure 362517DEST_PATH_IMAGE302
、
Figure 210388DEST_PATH_IMAGE088
进行数值求解；再通过关系式推导得到其他变量的数值解。
在
Figure 666777DEST_PATH_IMAGE303
模型中，n为正整数时壁面边界条件严格为0，有利于降低方程对壁面信息的依赖程度；进一步n为大于2的正偶数时，
Figure 563189DEST_PATH_IMAGE304
的计算值将不会影响k方程中
Figure 359106DEST_PATH_IMAGE305
的符号，这对于湍动能的保正十分有利，能够在采用高精度离散或复杂结构/非结构网格时实现数值稳定。
上述基于一般时间根方尺度的四方程转捩模型的数值方法中，基于现有的k-
Figure 174616DEST_PATH_IMAGE306
转捩模型的
Figure 508514DEST_PATH_IMAGE307
尺度方程，根据推导得到的
Figure 67671DEST_PATH_IMAGE308
时间根方尺度和
Figure 983674DEST_PATH_IMAGE309
尺度的关系式，将两者结合得到湍流的
Figure 579872DEST_PATH_IMAGE310
尺度方程；将
Figure 276433DEST_PATH_IMAGE311
尺度方程和预知的湍动能k方程、间歇因子
Figure 576964DEST_PATH_IMAGE312
方程和临界转捩雷诺数
Figure 35889DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即
Figure 193201DEST_PATH_IMAGE313
转捩模型，将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组。在进行飞行器流场数值模拟时，构建待模拟的飞行器流场的网格数据，根据网格数据对耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。本发明所提出的
Figure 986845DEST_PATH_IMAGE314
模型中，n为正整数时壁面边界条件严格为0，能够在对飞行器转捩流场进行数值模拟采用高精度离散或复杂结构/非结构网格时实现数值稳定。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个具体实施例中，采用二阶MUSCL格式和五阶WCNS-E5格式对k-
Figure 91067DEST_PATH_IMAGE315
模型进行评估，其中所使用的算例是T3系列低速平板流动。具体包括S&K、T3A、T3A-和T3B等四个平板转捩实验，其中S&K和T3A-实验为低湍流度自然转捩，T3A和T3B为高湍流度旁路转捩。计算使用了粗中密三套网格，网格分辨率分别为144
Figure 512821DEST_PATH_IMAGE316
48、216
Figure 231247DEST_PATH_IMAGE316
72和324
Figure 574504DEST_PATH_IMAGE316
108（流向
Figure 279155DEST_PATH_IMAGE316
法向）。其中，密网格示意图见图2。使用预处理技术以适应低速流动。图3中结果表明，
Figure 961940DEST_PATH_IMAGE317
模型对于低速平板流动有着较好的预测效果，其中，coarse grid、mediumgrid、fine grid分别表示在粗、中、密网格上的计算结果；Exp.表示试验值。
在一个实施例中，如图4所示，提供了一种基于一般时间根方尺度的四方程转捩模型的数值装置，包括：
Figure 664317DEST_PATH_IMAGE318
尺度方程获取模块402、一般时间尺度方程确定模块404、基于一般时间尺度的四方程转捩模型确定模块406和数值模拟模块408，其中：
Figure 291607DEST_PATH_IMAGE319
尺度方程获取模块402，用于获取湍流基于SST模型的
Figure 423118DEST_PATH_IMAGE045
尺度方程；
Figure 819464DEST_PATH_IMAGE045
表示比耗散率尺度；
一般时间尺度方程确定模块404，用于获取预先推导的
Figure 692742DEST_PATH_IMAGE320
一般时间根方尺度和
Figure 948274DEST_PATH_IMAGE321
尺度的关系式，根据关系式和
Figure 729148DEST_PATH_IMAGE321
尺度方程得到湍流关于
Figure 448843DEST_PATH_IMAGE320
尺度的
Figure 414394DEST_PATH_IMAGE320
尺度方程；其中，
Figure 281855DEST_PATH_IMAGE322
表示含能时间尺度，
Figure 741787DEST_PATH_IMAGE323
表示
Figure 315988DEST_PATH_IMAGE324
次根方，为正整数；
基于一般时间尺度的四方程转捩模型确定模块406，用于将
Figure 327806DEST_PATH_IMAGE325
尺度方程和预知的湍动能k方程、间歇因子
Figure 43083DEST_PATH_IMAGE326
方程和临界转捩雷诺数
Figure 431339DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，即
Figure 860047DEST_PATH_IMAGE327
转捩模型；将预知的雷诺平均Navier-Stokes（RANS）方程组与基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组；
数值模拟模块408，用于构建待模拟的飞行器流场的网格数据，根据网格数据对耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
ω尺度方程获取模块402还用于获取湍流基于
Figure 183712DEST_PATH_IMAGE328
模型的
Figure 760186DEST_PATH_IMAGE329
尺度方程为：
Figure 889817DEST_PATH_IMAGE330
其中，
Figure 94402DEST_PATH_IMAGE331
为时间平均密度，
Figure 979181DEST_PATH_IMAGE332
为比耗散率尺度，
Figure 652739DEST_PATH_IMAGE333
为时间，
Figure 586060DEST_PATH_IMAGE334
做下标为坐标索引，
Figure 786097DEST_PATH_IMAGE335
为Favre平均速度三分量，
Figure 199368DEST_PATH_IMAGE336
为三方向坐标分量，
Figure 16014DEST_PATH_IMAGE337
为比耗散率尺度方程生成项系数，
Figure 487447DEST_PATH_IMAGE338
为运动涡黏系数，
Figure 541990DEST_PATH_IMAGE339
为湍流生成，
Figure 394671DEST_PATH_IMAGE340
为比耗散率尺度方程耗散项系数，
Figure 105138DEST_PATH_IMAGE341
为动力学黏性系数，
Figure 176999DEST_PATH_IMAGE342
为扩散项系数，
Figure 492574DEST_PATH_IMAGE343
为涡黏系数，
Figure 358899DEST_PATH_IMAGE344
为第一过渡函数，
Figure 822241DEST_PATH_IMAGE345
为比耗散率尺度方程交叉导数项系数，
Figure 556848DEST_PATH_IMAGE346
为湍动能。
一般时间尺度方程确定模块404还用于获取预先推导的
Figure 851563DEST_PATH_IMAGE347
一般时间根方尺度和
Figure 764155DEST_PATH_IMAGE348
尺度的关系式，根据关系式和
Figure 714794DEST_PATH_IMAGE349
尺度方程得到湍流关于
Figure 128458DEST_PATH_IMAGE350
尺度的
Figure 635269DEST_PATH_IMAGE351
尺度方程为：
Figure 374555DEST_PATH_IMAGE352
其中，
Figure 219014DEST_PATH_IMAGE353
，表示
Figure 374052DEST_PATH_IMAGE354
一般时间根方尺度，
Figure 377780DEST_PATH_IMAGE355
为一般时间根方尺度方程交叉导数项系数。
基于一般时间尺度的四方程转捩模型确定模块406还用于将k方程、
Figure 147022DEST_PATH_IMAGE356
尺度方程间歇因子
Figure 603411DEST_PATH_IMAGE357
方程和临界转捩雷诺数
Figure 234243DEST_PATH_IMAGE088
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型为：
Figure 295740DEST_PATH_IMAGE358
。
数值模拟模块408还用于根据网格数据，利用针对偏微分方程组的数值法对耦合方程组中包含的9个独立变量：
Figure 111250DEST_PATH_IMAGE359
、
Figure 946613DEST_PATH_IMAGE360
、
Figure 240191DEST_PATH_IMAGE361
、k、
Figure 156194DEST_PATH_IMAGE362
、
Figure 17971DEST_PATH_IMAGE363
、
Figure 714531DEST_PATH_IMAGE088
进行数值求解；再通过关系式推导得到其他变量的数值解。
关于基于一般时间根方尺度的四方程转捩模型的数值装置的具体限定可以参见上文中对于基于一般时间根方尺度的四方程转捩模型的数值方法的限定，在此不再赘述。上述基于一般时间根方尺度的四方程转捩模型的数值装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于一般时间根方尺度的四方程转捩模型的数值方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种基于一般时间根方尺度的四方程转捩模型的数值方法，其特征在于，所述方法包括：
获取湍流基于k-ω-γ-Re θ 转捩模型的ω尺度方程；ω表示比耗散率尺度；
获取预先推导的
Figure 513241DEST_PATH_IMAGE002
一般时间根方尺度和ω尺度的关系式，根据所述关系式和所述ω尺度方程得到湍流的
Figure 856147DEST_PATH_IMAGE002
尺度方程；其中，所述关系式为ω尺度与时间
Figure 573568DEST_PATH_IMAGE004
之比乘以调节系数n，
Figure 421307DEST_PATH_IMAGE006
表示含能时间尺度，
Figure 173362DEST_PATH_IMAGE008
表示
Figure 684240DEST_PATH_IMAGE008
次根方，为正整数；所述湍流的
Figure 216853DEST_PATH_IMAGE002
尺度方程为：
Figure 619015DEST_PATH_IMAGE010
其中，
Figure 678107DEST_PATH_IMAGE012
为时间平均密度，
Figure 874733DEST_PATH_IMAGE014
为比耗散率尺度，
Figure 314548DEST_PATH_IMAGE016
为时间，
Figure 989243DEST_PATH_IMAGE018
做下标为坐标索引，
Figure 43787DEST_PATH_IMAGE018
=1,2,3…n，n是
Figure 129423DEST_PATH_IMAGE018
的总数，
Figure 636628DEST_PATH_IMAGE020
为Favre平均速度三分量，
Figure 115014DEST_PATH_IMAGE022
为三方向坐标分量，
Figure 650163DEST_PATH_IMAGE024
为比耗散率尺度方程生成项系数，
Figure 516488DEST_PATH_IMAGE026
为湍流生成，
Figure 448672DEST_PATH_IMAGE028
为比耗散率尺度方程耗散项系数，
Figure 183278DEST_PATH_IMAGE030
为动力学黏性系数，
Figure 946835DEST_PATH_IMAGE032
为扩散项系数，
Figure 125007DEST_PATH_IMAGE034
为涡黏系数，
Figure 20851DEST_PATH_IMAGE036
为湍动能，n为
Figure 168935DEST_PATH_IMAGE038
时间根方尺度和ω尺度的调节系数，
Figure 927944DEST_PATH_IMAGE040
，表示
Figure 323022DEST_PATH_IMAGE038
一般时间根方尺度，
Figure 26536DEST_PATH_IMAGE042
为一般时间根方尺度方程交叉导数项系数；
将所述
Figure 853678DEST_PATH_IMAGE038
尺度方程和预知的湍动能k方程、间歇因子γ方程和临界转捩雷诺数
Figure 280242DEST_PATH_IMAGE044
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型；
将预知的雷诺平均Navier-Stokes方程组与所述基于一般时间根方尺度的四方程转捩模型耦合，得到耦合方程组；
构建待模拟的飞行器流场的网格数据，根据所述网格数据对所述耦合方程组进行数值求解，得到飞行器转捩流场的数值模拟结果。
2.根据权利要求1所述的方法，其特征在于，获取湍流基于k-ω-γ-Re θ 模型的ω尺度方程，包括：
获取湍流基于k-ω-γ-Re θ 模型的ω尺度方程为：
Figure 659271DEST_PATH_IMAGE046
其中，
Figure 991026DEST_PATH_IMAGE048
为时间平均密度，
Figure 667864DEST_PATH_IMAGE050
为比耗散率尺度，
Figure 994940DEST_PATH_IMAGE052
为时间，
Figure 685815DEST_PATH_IMAGE054
做下标为坐标索引，
Figure 629501DEST_PATH_IMAGE054
=1,2,3…n，n是
Figure 342985DEST_PATH_IMAGE054
的总数，
Figure 931093DEST_PATH_IMAGE056
为Favre平均速度三分量，
Figure 573295DEST_PATH_IMAGE058
为三方向坐标分量，
Figure 738698DEST_PATH_IMAGE060
为比耗散率尺度方程生成项系数，
Figure 711333DEST_PATH_IMAGE062
为运动涡黏系数，
Figure 966996DEST_PATH_IMAGE064
为湍流生成，
Figure 593149DEST_PATH_IMAGE066
为比耗散率尺度方程耗散项系数，
Figure 386793DEST_PATH_IMAGE068
为动力学黏性系数，
Figure 209124DEST_PATH_IMAGE070
为扩散项系数，
Figure 630878DEST_PATH_IMAGE072
为涡黏系数，
Figure 568879DEST_PATH_IMAGE074
为第一过渡函数，
Figure 134639DEST_PATH_IMAGE076
为比耗散率尺度方程交叉导数项系数，
Figure 573710DEST_PATH_IMAGE078
为湍动能。
3.根据权利要求2所述的方法，其特征在于，所述预先推导的
Figure 990916DEST_PATH_IMAGE080
一般时间根方尺度和ω尺度的关系式为：
Figure 411402DEST_PATH_IMAGE082
其中，n为
Figure 773114DEST_PATH_IMAGE080
时间根方尺度和ω尺度的调节系数。
4.根据权利要求3所述的方法，其特征在于，所述预知的湍动能k方程为：
Figure 891242DEST_PATH_IMAGE084
其中，
Figure 710425DEST_PATH_IMAGE086
为湍动能k方程中的生成项，
Figure 114861DEST_PATH_IMAGE088
为湍动能k方程中的耗散项，
Figure 104814DEST_PATH_IMAGE090
为湍动能k方程中的扩散项，
Figure 807060DEST_PATH_IMAGE092
为湍动能k方程扩散项系数。
5.根据权利要求4所述的方法，其特征在于，所述预知的间歇因子γ方程为：
Figure 57913DEST_PATH_IMAGE094
其中，
Figure 774196DEST_PATH_IMAGE096
为间歇因子，
Figure 376078DEST_PATH_IMAGE098
为间歇因子γ方程中的生成项，
Figure 114971DEST_PATH_IMAGE100
为间歇因子γ方程中的耗散项，
Figure 361276DEST_PATH_IMAGE102
为间歇因子γ方程中的扩散项，
Figure 373094DEST_PATH_IMAGE104
为间歇因子γ方程扩散项系数。
6.根据权利要求5所述的方法，其特征在于，所述预知的临界转捩雷诺数
Figure 118065DEST_PATH_IMAGE106
方程为：
Figure 116108DEST_PATH_IMAGE108
其中，
Figure 764389DEST_PATH_IMAGE110
为临界转捩雷诺数
Figure DEST_PATH_IMAGE112
方程生成项，
Figure DEST_PATH_IMAGE114
为临界转捩雷诺数，
Figure DEST_PATH_IMAGE116
为临界转捩雷诺数
Figure DEST_PATH_IMAGE118
方程中的扩散项，
Figure DEST_PATH_IMAGE120
为间歇因子γ方程扩散项系数。
7.根据权利要求6所述的方法，其特征在于，将所述k方程、
Figure DEST_PATH_IMAGE122
尺度方程间歇因子
Figure DEST_PATH_IMAGE124
方程和临界转捩雷诺数
Figure DEST_PATH_IMAGE126
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型，包括：
将所述k方程、
Figure DEST_PATH_IMAGE128
尺度方程间歇因子
Figure DEST_PATH_IMAGE130
方程和临界转捩雷诺数
Figure DEST_PATH_IMAGE132
方程进行耦合，得到基于一般时间根方尺度的四方程转捩模型为：
Figure DEST_PATH_IMAGE134
。
8.根据权利要求7所述的方法，其特征在于，所述预知的雷诺平均Navier-Stokes方程组为：
Figure DEST_PATH_IMAGE136
其中
Figure DEST_PATH_IMAGE138
为时间平均压力，
Figure DEST_PATH_IMAGE140
为Favre平均温度，
Figure DEST_PATH_IMAGE142
为Favre平均总能，
Figure DEST_PATH_IMAGE144
为定压比热比，Pr为层流普朗特常数，Pr t 为湍流普朗特常数；
其中
Figure DEST_PATH_IMAGE146
为黏性应力张量：
Figure DEST_PATH_IMAGE148
Figure DEST_PATH_IMAGE150
为雷诺应力张量，通过Boussinesq关系得到：
Figure DEST_PATH_IMAGE152
完成雷诺平均Navier-Stokes方程组与所述基于一般时间根方尺度的四方程转捩模型耦合。
9.根据权利要求8所述的方法，其特征在于，根据所述网格数据对所述耦合方程组进行数值求解，包括：
根据所述网格数据，利用针对偏微分方程组的数值法对所述耦合方程组中包含的9个独立变量：
Figure DEST_PATH_IMAGE154
、
Figure DEST_PATH_IMAGE156
、
Figure DEST_PATH_IMAGE158
、k、λ、
Figure DEST_PATH_IMAGE160
、
Figure DEST_PATH_IMAGE162
进行数值求解；再通过关系式推导得到其他变量的数值解。
CN202211186621.4A 2022-09-28 2022-09-28 基于一般时间根方尺度的四方程转捩模型的数值方法 Active CN115293070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211186621.4A CN115293070B (zh) 2022-09-28 2022-09-28 基于一般时间根方尺度的四方程转捩模型的数值方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211186621.4A CN115293070B (zh) 2022-09-28 2022-09-28 基于一般时间根方尺度的四方程转捩模型的数值方法

Publications (2)

Publication Number Publication Date
CN115293070A CN115293070A (zh) 2022-11-04
CN115293070B true CN115293070B (zh) 2022-12-23

Family

ID=83834492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211186621.4A Active CN115293070B (zh) 2022-09-28 2022-09-28 基于一般时间根方尺度的四方程转捩模型的数值方法

Country Status (1)

Country Link
CN (1) CN115293070B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007149066A1 (en) * 2006-06-20 2007-12-27 Cleverset, Inc. Scale discovery in data-driven ecological modeling
CN108280259A (zh) * 2017-12-25 2018-07-13 明阳智慧能源集团股份公司 一种风电叶片涡流发生器安装位置及其尺寸的确定方法
CN108304600A (zh) * 2017-08-09 2018-07-20 北京空天技术研究所 一种高超声速飞行器转捩位置预测方法
EP3363733A1 (en) * 2017-02-18 2018-08-22 Jean-Eloi William Lombard Passive flow control mechanism for suppressing tollmien-schlichting waves, delaying transition to turbulence and reducing drag
CN109190283A (zh) * 2018-09-20 2019-01-11 中国科学院工程热物理研究所 一种考虑高湍流自由来流效应的风力机翼型气动优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033525B (zh) * 2018-06-27 2022-08-30 浙江大学 一种基于简化三方程转捩模型的高超声速转捩预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007149066A1 (en) * 2006-06-20 2007-12-27 Cleverset, Inc. Scale discovery in data-driven ecological modeling
EP3363733A1 (en) * 2017-02-18 2018-08-22 Jean-Eloi William Lombard Passive flow control mechanism for suppressing tollmien-schlichting waves, delaying transition to turbulence and reducing drag
CN108304600A (zh) * 2017-08-09 2018-07-20 北京空天技术研究所 一种高超声速飞行器转捩位置预测方法
CN108280259A (zh) * 2017-12-25 2018-07-13 明阳智慧能源集团股份公司 一种风电叶片涡流发生器安装位置及其尺寸的确定方法
CN109190283A (zh) * 2018-09-20 2019-01-11 中国科学院工程热物理研究所 一种考虑高湍流自由来流效应的风力机翼型气动优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于转捩/尺度适应模型与FW-H声学方程的气动噪声数值模拟研究;王丹等;《计算力学学报》;20131015(第05期);全文 *
基于转捩模型及声比拟方法的高精度圆柱分离涡/涡致噪声模拟;王光学等;《物理学报》;20180926(第19期);全文 *
基于雷诺平均方法的高超音速边界层转捩模拟;符松等;《中国科学(G辑:物理学 力学 天文学)》;20090415(第04期);全文 *
湍流建模对透平流热耦合模拟影响研究;邹歆等;《工程热物理学报》;20130815(第08期);全文 *

Also Published As

Publication number Publication date
CN115293070A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
Kajishima et al. Computational fluid dynamics: incompressible turbulent flows
Sandberg et al. Applying machine learnt explicit algebraic stress and scalar flux models to a fundamental trailing edge slot
Riahi et al. A pressure-corrected immersed boundary method for the numerical simulation of compressible flows
Stern et al. Estimation of dynamic stability coefficients for aerodynamic decelerators using CFD
CN115438598A (zh) 基于一般时间根方尺度的雷诺应力湍流模型的数值方法
Brehm et al. Towards a viscous wall model for immersed boundary methods
Fritsch et al. Experimental and computational study of 2D smooth wall turbulent boundary layers in pressure gradient
Roychowdhury Computational fluid dynamics for incompressible flows
Pu et al. An immersed boundary/wall modeling method for RANS simulation of compressible turbulent flows
Xie et al. Improved vortex method for large-eddy simulation inflow generation
CN115293070B (zh) 基于一般时间根方尺度的四方程转捩模型的数值方法
Pan An immersed boundary method for incompressible flows using volume of body function
Hong et al. A physics-informed structure-preserving numerical scheme for the phase-field hydrodynamic model of ternary fluid flows
Sun et al. A diffuse‐interface immersed boundary method for simulation of compressible viscous flows with stationary and moving boundaries
Zhao Stable computation of turbulent flows with a low-Reynolds-number k-ϵ turbulence model and explicit solver
CN113158339A (zh) 一种针对sst湍流模型的湍流长度尺度修正方法
Zhang et al. A scale-adaptive turbulence model based on the k-equation and recalibrated reynolds stress constitutive relation
Li et al. Copula-based Bayesian uncertainty quantification framework of SST turbulence model for flow over a Gaussian bump
CN117787128A (zh) 基于一般时间根方尺度的九方程转捩模型的数值方法
De Bortoli Multigrid based aerodynamical simulations for the NACA 0012 airfoil
Kajishima et al. Computational Fluid Dynamics
Kalitzin et al. Adaptive wall functions for the v2‐f turbulence model
Nchupang et al. A provably stable and high-order accurate finite difference approximation for the incompressible boundary layer equations
Lane Novel Inverse Airfoil Design Utilizing Parametric Equations
Du et al. Wall model‐based diffuse‐interface immersed boundary method for simulation of incompressible turbulent flows

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant