CN115438601A - 基于les自适应网格滤波尺度的混合rans-les方法和相关设备 - Google Patents
基于les自适应网格滤波尺度的混合rans-les方法和相关设备 Download PDFInfo
- Publication number
- CN115438601A CN115438601A CN202211139661.3A CN202211139661A CN115438601A CN 115438601 A CN115438601 A CN 115438601A CN 202211139661 A CN202211139661 A CN 202211139661A CN 115438601 A CN115438601 A CN 115438601A
- Authority
- CN
- China
- Prior art keywords
- les
- adaptive
- rans
- model
- constructing
- 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.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000003044 adaptive effect Effects 0.000 claims abstract description 65
- 230000006870 function Effects 0.000 claims description 55
- 238000000926 separation method Methods 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 21
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 7
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 101000579423 Homo sapiens Regulator of nonsense transcripts 1 Proteins 0.000 description 3
- 102100028287 Regulator of nonsense transcripts 1 Human genes 0.000 description 3
- -1 VMG2 Proteins 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 206010040844 Skin exfoliation Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000035618 desquamation Effects 0.000 description 1
- 238000011162 downstream development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种基于LES自适应网格滤波尺度的混合RANS‑LES方法和相关设备，方法包括：构造三维旋涡自适应函数；基于三维旋涡自适应函数构造LES自适应网格滤波尺度；基于LES自适应网格滤波尺度构造混合RANS‑LES模型。实施本公开的技术方案可以减小流场求解结果与实际的偏差。
Description
技术领域
本发明涉及工业仿真领域，基于LES自适应网格滤波尺度的混合RANS-LES方法和相关设备。
背景技术
随着计算机硬件性能以及软件并行能力的不断提升，混合雷诺平均—大涡模拟(Hybrid RANS-LES)方法在工业计算流体动力学(CFD)仿真领域正在获得越来越广泛的应用。相比于当前仍普遍采用的RANS方法，Hybrid RANS-LES方法整合了LES解析分离区流动的精度优势以及RANS以较少网格量合理模化近壁区附着流动的计算成本优势两种优势。RANS和LES各自优势的结合使得Hybrid RANS-LES能够以相对较低的计算成本实现复杂分离流动的高保真数值模拟。
然而，在发展Hybrid RANS-LES模型构造方法的过程中，一个制约Hybrid RANS-LES模型物理保真度的关键问题是，在RANS和LES区域交界处附近流场区域，RANS和LES共存，流场解既非RANS解也非LES解，导致该区域的Hybrid RANS-LES模型求解精度下降。体现该问题的一个典型示例是采用脱落涡仿真(DES)方法(Hybrid RANS-LES方法中的一种)进行流场仿真时，发现在分离剪切层起始区域附近RANS到LES的转换延迟，导致分离剪切层内三维湍流结构的形成和发展滞后，进而影响了剪切层乃至整个流场的求解精度。产生这种现象的物理原因是分离剪切层起始区域附近的网格往往呈现高度各向异性(即展向网格尺度远大于其余两方向)，而以最大网格尺度为定义的DES网格滤波尺度无法解析由于展向涡卷起和变形而产生的Kelvin-Helmholtz(K-H)不稳定波，继而抑制了扰动向下游发展以及最终发展为各种尺度的三维湍流结构。从数值模拟的角度来看，由于DES网格滤波尺度过大，K-H不稳定波被过大的亚格子涡粘性所抹平，继而抑制了扰动的形成和向下游发展，流场求解结果与实际偏差较大。
发明内容
为了解决现有技术中的至少一个技术问题，本公开提供了一种基于LES自适应网格滤波尺度的混合RANS-LES方法和相关设备，减小流场求解结果与实际的偏差。
根据本公开的第一方面，提供了一种基于LES自适应网格滤波尺度的混合RANS-LES方法，包括：
构造三维旋涡自适应函数；
基于所述三维旋涡自适应函数构造LES自适应网格滤波尺度；
基于所述LES自适应网格滤波尺度构造混合RANS-LES模型。
可选的，所述构造三维旋涡自适应函数包括：
根据漩涡拉伸项与涡度项的叉积项，构造三维旋涡自适应函数。
可选的，所述三维旋涡自适应函数VDF为：
其中，
为应变张量，
为涡度向量，tr表示矩阵主对角线上元素之和。
可选的，所述基于所述三维旋涡自适应函数构造LES自适应网格滤波尺度包括：
基于三维旋涡自适应函数和流场分区构造LES自适应网格滤波尺度，其中，所述流场分区包括附着边界层区和分离区。
可选的，所述LES自适应网格滤波尺度ΔKH为：
其中，Δmax为网格单元最大尺度，Fshielding为RANS附着区覆盖函数，FVDF为以三维旋涡自适应函数VDF为变量的高斯函数，
为标准LES网格滤波尺度。
可选的，所述基于所述LES自适应网格滤波尺度构造混合RANS-LES模型包括：
以LES自适应网格滤波尺度构造DES模型修正项；
根据所述DES模型修正项修正基础模型以得到混合RANS-LES模型，所述基础模型为k-ωSST湍流模型。
可选的，所述根据所述DES模型修正项修正基础模型以得到混合RANS-LES模型包括：
根据所述DES模型修正项与所述基础模型中的湍动能耗散项的乘积替代所述基础模型中的湍动能耗散项。
可选的，所述DES模型修正项FDDES为：
其中，Lt为RANS湍流长度尺度，CDES为DES校准常数，ΔKH为LES自适应网格滤波尺度，Fshielding为RANS附着区覆盖函数。
可选的，所述混合RANS-LES模型湍动能输运方程为：
其中，ρ为流体密度，k为湍动能，t为时间，uj为j方向上流动速度，xj为j方向上流动位移，
为湍动能生成项，Dk为湍动能耗散项，FDDES为DES模型修正项，μ为流体粘性，μt为湍流涡粘性，σk为湍动能扩散系数。
根据本公开的第二方面，提供了一种基于LES自适应网格滤波尺度的混合RANS-LES装置，包括：
第一构造模块，用于构造三维旋涡自适应函数；
第二构造模块，用于基于所述三维旋涡自适应函数构造LES自适应网格滤波尺度；
第三构造模块，用于基于所述LES自适应网格滤波尺度构造混合RANS-LES模型。
根据本公开的第三方面，提供了一种电子设备，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据本公开第一方面中任一项所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据本公开第一方面中任一项所述的方法。
本申请实施例中提供的一个或多个技术方案，可以克服RANS-LES模型流场求解结果与实际偏差较大的技术问题，减小流场求解结果与实际的偏差。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1示出了根据本公开示例性实施例的基于LES自适应网格滤波尺度的混合RANS-LES方法的流程图；
图2示出了根据本公开示例性实施例的一种后台阶分离流涡结构图；
图3示出了根据本公开示例性实施例的FVDF函数曲线图；
图4a示出了根据本公开示例性实施例的DDES-SST模型的后台阶分离流涡结构示意图；
图4b示出了根据本公开示例性实施例的DDES-VDF-SST模型的后台阶分离流涡结构示意图；
图5a示出了根据本公开示例性实施例的后台阶底部摩擦阻力系数分布对比图；
图5b示出了根据本公开示例性实施例的后台阶底部压力系数分布对比图；
图6a示出了根据本公开示例性实施例的DDES-SST模型的“驼峰”分离流涡量分布示意图；
图6b示出了根据本公开示例性实施例的DDES-VDF-SST模型的“驼峰”分离流涡量分布示意图；
图7a示出了根据本公开示例性实施例的“驼峰”底部摩擦阻力系数分布对比图；
图7b示出了根据本公开示例性实施例的“驼峰”底部压力系数分布对比图；
图8a示出了根据本公开示例性实施例的DDES-SST模型的高负荷PVD压气机叶珊流涡结构示意图；
图8b示出了根据本公开示例性实施例的DDES-VDF-SST模型的高负荷PVD压气机叶珊流涡结构示意图；
图9示出了根据本公开示例性实施例的基于LES自适应网格滤波尺度的混合RANS-LES装置的示意性框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
以下参照附图描述本公开的方案。
参见图1，基于LES自适应网格滤波尺度的混合RANS-LES方法，包括：
S101，构造三维旋涡自适应函数。
本步骤中，可以根据漩涡拉伸项与涡度项的叉积项，构造三维旋涡自适应函数。
由旋涡输运方程可知，
为漩涡拉伸项，表征由于漩涡拉伸导致的涡度增加。为表征漩涡的三维性，即由于漩涡拉伸导致的展向涡变形，构造了漩涡拉伸项与涡度项的叉积项，即
该项表征垂直于涡度方向上的漩涡拉伸。若
为
表明涡拉伸方向与涡度方向平行，展向涡沿着其涡度方向(展向)涡度增加，展向涡未发生变形，涡未呈现三维性；该项值若非
表明涡拉伸方向与涡度方向产生夹角，垂直于涡度方向存在涡拉伸分量,展向涡发生变形，涡开始呈现三维性；该项值越大，表明由于拉伸导致的涡偏斜程度越大，涡的变形程度越大，涡的三维性越强。因此，
项可用于表征涡的变形程度，其值越大，涡变形越厉害，值为零时，涡未发生变形。
示例性的，在湍流模型构造时，采用归一化函数作为模型组成部分，继而此处将
项做归一化处理，得到三维旋涡自适应函数VDF(Vortex DeformationFunction)：
其中，
为应变张量，
为涡度向量，tr表示对角线元素之和，VDF从0到1变化。当VDF为0时，展向涡未发生变形，仍呈现准三维特征；当VDF大于0时，展向涡发生三维变形；当VDF大于0.4左右时，涡呈现完全三维性，其中，参见图2，图2为相应的后台阶分离流涡结构图(VDF着色)。
S102，基于三维旋涡自适应函数构造LES自适应网格滤波尺度。
本步骤中，可基于三维旋涡自适应函数和流场分区构造LES自适应网格滤波尺度，其中，流场分区包括附着边界层区和分离区。
示例性的，可采用VDF和流场分区相结合的方式构造LES网格滤波尺度。首先，将流场分为两部分区域，即附着边界层区和分离区，附着边界层区与分离区的划分采用DES模型中的RANS附着区覆盖函数(RANS shielding function)。在附着边界层区，为保证RANS对边界层的覆盖，防止边界层过早分离，采用网格单元最大尺度Δmax作为滤波尺度。在分离区，采用标准LES网格滤波尺度
代替Δmax，并构造以VDF为变量的高斯函数FVDF，其中b和c的取值分别为0.4和0.1864。
在分离剪切层起始区域，展向涡尚未发生三维变形，VDF为0，FVDF为0.1。将FVDF函数与
相乘，得到的滤波尺度
为LES网格滤波尺度的1/10，亚格子涡粘性约为下游湍流完全发展区亚格子涡粘性的1/100。由于亚格子涡粘性的急剧减小，分离起始区的剪切层K-H不稳定波能被LES迅速解析到，从而实现了RANS到LES的快速切换。
随着流动向下游发展，涡结构的三维性增强，VDF从0开始逐渐增大，FVDF值从0.1开始逐渐增大。当VDF为0.4时，流动变为三维完全湍流，此时FVDF值为1.0，定义的网格滤波尺度
恢复为LES网格滤波尺度
当VDF大于0.4时，
保持为
示例性的，参见图3，图3为FVDF函数曲线图。
综上，构造LES自适应网格滤波尺度ΔKH为：
其中，Δmax为网格单元最大尺度，Fshielding为RANS附着区覆盖函数RANS shieldingfunction，当其趋于0时表示流动发生分离，FVDF为以三维旋涡自适应函数VDF为变量的高斯函数，
为标准LES网格滤波尺度。
S103，基于LES自适应网格滤波尺度构造混合RANS-LES模型。
本步骤中，可以以LES自适应网格滤波尺度构造DES模型修正项FDDES；根据DES模型修正项修正基础模型以得到混合RANS-LES模型，基础模型为k-ωSST湍流模型。在根据DES模型修正项修正基础模型以得到混合RANS-LES模型时，可以根据DES模型修正项FDDES与基础模型中的湍动能耗散项Dk的乘积FDDES*Dk替代基础模型中的湍动能耗散项Dk，进而构造混合RANS-LES模型。根据混合RANS-LES模型的构造过程可知，本实施例的混合RANS-LES模型可称之为DDES-VDF-SST模型，因此，下文的DDES-VDF-SST模型是本实施例的混合RANS-LES模型。
示例性的，确定k-ωSSTRANS湍流模型为基准模型，利用自适应网格滤波尺度ΔKH构造DES模型修正项FDDES：
其中，Lt为RANS湍流长度尺度，表示为
CDES为DES校准常数，可取值为0.61，ΔKH为LES自适应网格滤波尺度，Fshielding为RANS附着区覆盖函数。将DES模型修正项FDDES与SST湍流模型湍动能耗散项Dk相乘以替代k-ωSSTRANS湍流模型中的湍动能耗散项Dk，构造DDES-VDF-SST模型。
DDES-VDF-SST模型湍动能输运方程表示如下：
其中，ρ为流体密度，k为湍动能，t为时间，uj为j方向上流动速度，xj为j方向上流动位移，
为湍动能生成项，Dk为湍动能耗散项，FDDES为DES模型修正项，μ为流体粘性，μt为湍流涡粘性，σk为湍动能扩散系数。
得到DDES-VDF-SST模型后，可利用DDES-VDF-SST模型进行流场仿真，例如后台阶流场、高负荷PVD压气机叶珊流场等仿真。本发明构造的混合RANS-LES模型是能够合理表征分离剪切层起始区域附近旋涡演化机理的模型。
参见图4a和图4b，分别给出了DDES-SST模型的后台阶分离流涡结构示意图和DDES-VDF-SST模型的后台阶分离流涡结构示意图。关于后台阶算例流场，本发明提供的DDES-VDF-SST模型，相比于目前广泛采用的DDES-SST模型，在分离剪切层起始区域，具有更符合物理的分离区湍流结构。参见图5a和图5b，分别为后台阶底部摩擦阻力系数分布对比图和后台阶底部压力系数分布对比图，与实验数据对比显示，在底部壁面压力和摩阻分布方面DDES-VDF-SST模型给出了与实验结果相吻合的数值预测结果，而DDES-SST模型预测结果与实验相比偏差较大。可见，本发明构造的模型具有更高的预测精度。
参见图6a和图6b，分别给出了DDES-SST模型的“驼峰”分离流涡量分布示意图和DDES-VDF-SST模型的“驼峰”分离流涡量分布示意图。关于“驼峰”算例流场，在分离起始点处附近，DDES-VDF-SST模型准确捕捉到了K-H不稳定性，继而准确解析了分离流的湍流演化过程。参见图7a和图7b，分别为“驼峰”底部摩擦阻力系数分布对比图和“驼峰”底部压力系数分布对比图，在底部壁面压力和摩阻分布方面，DDES-VDF-SST模型给出了与实验结果吻合的数值预测结果，而DDES-SST模型预测结果与实验相比偏差较大。
参见图8a和图8b，分别为DDES-SST模型的高负荷PVD压气机叶珊流涡结构示意图和DDES-VDF-SST模型的高负荷PVD压气机叶珊流涡结构示意图。对于高负荷PVD压气机叶珊算例流场显示，在角区分离区的分离流面处，相比于DDES-SST模型，DDES-VDF-SST模型捕捉到了更为精细的湍流结构，分离流面处的湍流扰动更强，从而加速了RANS到LES的切换，下游分离区内的湍流结构更为及时准确地被LES解析到。可见DDES-VDF-SST模型预测的流场结果比DDES-SST模型预测的流场结果更准确。
在一个具体的实施方式中，DDES-VDF-SST模型程序模块作为RANS-LES模型嵌入到仿真软件AESim-TF中，其具体实现过程如下：
1)、在AESim-TF湍流部分thrd_tblmodel.f90中，找到全局变量定义模块MOD ULEMODTBLMOD20，将DDES-VDF-SST模型的VDF、CDES和FDDES分别以一维实型双精度动态数组(VDF(:))和实型双精度变量形式进行定义(CDDES/FDDES)。
2)、在thrd_tblmodel.f90中找到模型定义子程序SUBROUTINE THRD_GETNDI MT，并在其中的模型选择代码段SELECT CASE(THRD_IDXTBMD)中增加一个模型选择分支case(7)。THRD_IDXTBMD赋值为7时，激活Hybrid RANS-LES选项(LO GLES＝.TRUE.)。
3)、在thrd_tblmodel.f90中找到k-ωSST模型源项定义子程序SUBROUTINE THRD_MODSCTM20，并在其变量声明中，分配VDF数组维度NCCINNER，即VDF(NCCINNER)，CDDES值取为0.61，FDDES赋初值为1.0。FDDES值为1.0时表示DES模型的LES部分未激活，流场计算为RANS或DES中的RANS部分。
4)、在SUBROUTINE THRD_MODSCTM20的主程序部分中，添加注释行“！！---Turn onHybrid RANS-LES mode”，并在注释行下一行添加子程序调用语句CALL VDF01(ICC)，调用子程序SUBROUTINE VDF01(I1)，并返回每一个网格单元的V DF值。
5)、在thrd_tblmodel.f90中编写子程序SUBROUTINE VDF01(I1)，计算单个网格单元(ICC)的三维漩涡自适应函数值VDF(ICC)。
6)、在子程序调用语句CALL VDF01(ICC)的下方添加语句CALL HYB_RANS_LES(FDDES,TVOL,DENC,DSTC,VSLC,VSLT,TFNC1,TFNC2,SMG2,VMG2,ICC)，调用子程序SUBROUTINE HYB_RANS_LES(FDDES,TVOL,DENC,DSTC,VSLC,VSLT,TFNC1,TFNC2,SMG2,VMG2,ICC)，并返回每一个网格单元的FDDES值。
7)、在thrd_tblmodel.f90中编写子程序SUBROUTINE HYB_RANS_LES(FDDES,TVOL,DENC,DSTC,VSLC,VSLT,TFNC1,TFNC2,SMG2,VMG2,ICC)，计算每个网格单元的FDDES值。
8)、最后，将FDDES与k-ωSST模型中的湍动能耗散项相乘，构造DES模型湍动能耗散项Dk·FDDES。代码行如下：
TSAV6＝CBETSTM02*FTVS(7,ICC)*FDDES
FDIS6＝TSAV6*QCONS6
将FDIS6代入到湍动能输运方程中，至此DDES-VDF-SST模型构造完毕。
参见图9，本实施例提供了基于LES自适应网格滤波尺度的混合RANS-LES装置，包括：
第一构造模块901，用于构造三维旋涡自适应函数；
第二构造模块902，用于基于三维旋涡自适应函数构造LES自适应网格滤波尺度；
第三构造模块903，用于基于LES自适应网格滤波尺度构造混合RANS-LES模型。
在一个实施方式中，第一构造模块901，用于构造三维旋涡自适应函数时，具体用于：根据漩涡拉伸项与涡度项的叉积项，构造三维旋涡自适应函数。
在一个实施方式中，第二构造模块902，用于基于三维旋涡自适应函数构造LES自适应网格滤波尺度时，具体用于：基于三维旋涡自适应函数和流场分区构造LES自适应网格滤波尺度，其中，流场分区包括附着边界层区和分离区。
在一个实施方式中，第三构造模块903，用于基于LES自适应网格滤波尺度构造混合RANS-LES模型时，具体用于：以LES自适应网格滤波尺度构造DES模型修正项；根据DES模型修正项修正基础模型以得到混合RANS-LES模型，基础模型为k-ωSST湍流模型。具体的，可以根据DES模型修正项与基础模型中的湍动能耗散项的乘积替代基础模型中的湍动能耗散项。
在一个实施方式中，装置还包括模拟模块，用于根据混合RANS-LES模型模拟流场，以预测分离流涡。
本实施例的装置可以参考前述的基于LES自适应网格滤波尺度的混合RANS-LES，此处不再详细描述。
本公开示例性实施例还提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器。存储器存储有能够被至少一个处理器执行的计算机程序，计算机程序在被至少一个处理器执行时用于使电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质，其中，计算机程序在被计算机的处理器执行时用于使计算机执行根据本公开实施例的方法。
本公开示例性实施例还提供一种计算机程序产品，包括计算机程序，其中，计算机程序在被计算机的处理器执行时用于使计算机执行根据本公开实施例的方法。
现将描述可以作为本公开的服务器或客户端的电子设备的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
电子设备包括计算单元，其可以根据存储在只读存储器(ROM)中的计算机程序或者从存储单元加载到随机访问存储器(RAM)中的计算机程序，来执行各种适当的动作和处理。在RAM中，还可存储设备操作所需的各种程序和数据。计算单元、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
电子设备中的多个部件连接至I/O接口，包括：输入单元、输出单元、存储单元以及通信单元。输入单元可以是能向电子设备输入信息的任何类型的设备，输入单元可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元可以包括但不限于磁盘、光盘。通信单元允许电子设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (12)
1.基于LES自适应网格滤波尺度的混合RANS-LES方法，其特征在于，包括：
构造三维旋涡自适应函数；
基于所述三维旋涡自适应函数构造LES自适应网格滤波尺度；
基于所述LES自适应网格滤波尺度构造混合RANS-LES模型。
2.根据权利要求1所述的方法，其特征在于，所述构造三维旋涡自适应函数包括：
根据漩涡拉伸项与涡度项的叉积项，构造三维旋涡自适应函数。
3.根据权利要求1或2所述的方法，其特征在于，所述三维旋涡自适应函数VDF为：
其中，
为应变张量，
为涡度向量，tr表示矩阵主对角线上元素之和。
4.根据权利要求1所述的方法，其特征在于，所述基于所述三维旋涡自适应函数构造LES自适应网格滤波尺度包括：
基于三维旋涡自适应函数和流场分区构造LES自适应网格滤波尺度，其中，所述流场分区包括附着边界层区和分离区。
5.根据权利要求1或4所述的方法，其特征在于，所述LES自适应网格滤波尺度ΔKH为：
其中，Δmax为网格单元最大尺度，Fshielding为RANS附着区覆盖函数，FVDF为以三维旋涡自适应函数VDF为变量的高斯函数，
为标准LES网格滤波尺度。
6.根据权利要求1所述的方法，其特征在于，所述基于所述LES自适应网格滤波尺度构造混合RANS-LES模型包括：
以LES自适应网格滤波尺度构造DES模型修正项；
根据所述DES模型修正项修正基础模型以得到混合RANS-LES模型，所述基础模型为k-ωSST湍流模型。
7.根据权利要求6所述的方法，其特征在于，所述根据所述DES模型修正项修正基础模型以得到混合RANS-LES模型包括：
根据所述DES模型修正项与所述基础模型中的湍动能耗散项的乘积替代所述基础模型中的湍动能耗散项。
8.根据权利要求6所述的方法，其特征在于，所述DES模型修正项FDDES为：
其中，Lt为RANS湍流长度尺度，CDES为DES校准常数，ΔKH为LES自适应网格滤波尺度，Fshielding为RANS附着区覆盖函数。
9.根据权利要求6所述的方法，其特征在于，所述混合RANS-LES模型湍动能输运方程为：
其中，ρ为流体密度，k为湍动能，t为时间，uj为j方向上流动速度，xj为j方向上流动位移，
为湍动能生成项，Dk为湍动能耗散项，FDDES为DES模型修正项，μ为流体粘性，μt为湍流涡粘性，σk为湍动能扩散系数。
10.基于LES自适应网格滤波尺度的混合RANS-LES装置，其特征在于，包括：
第一构造模块，用于构造三维旋涡自适应函数；
第二构造模块，用于基于所述三维旋涡自适应函数构造LES自适应网格滤波尺度；
第三构造模块，用于基于所述LES自适应网格滤波尺度构造混合RANS-LES模型。
11.一种电子设备，其特征在于，包括：
处理器；以及
存储程序的存储器，
其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-9中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211139661.3A CN115438601B (zh) | 2022-09-19 | 2022-09-19 | 基于les自适应网格滤波尺度的混合rans-les方法和相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211139661.3A CN115438601B (zh) | 2022-09-19 | 2022-09-19 | 基于les自适应网格滤波尺度的混合rans-les方法和相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115438601A true CN115438601A (zh) | 2022-12-06 |
| CN115438601B CN115438601B (zh) | 2023-06-20 |
Family
ID=84248329
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211139661.3A Active CN115438601B (zh) | 2022-09-19 | 2022-09-19 | 基于les自适应网格滤波尺度的混合rans-les方法和相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115438601B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699947A (zh) * | 2015-01-14 | 2015-06-10 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种采用rans/les混合技术模拟飞行器摇滚运动的方法 |
| CN106682398A (zh) * | 2016-12-12 | 2017-05-17 | 华南理工大学 | 一种基于湍动能和湍流长度尺度截断的rans/les方法 |
| CN109858148A (zh) * | 2019-01-30 | 2019-06-07 | 南京航空航天大学 | 一种基于部分滤波的湍流计算方法 |
| CN115017837A (zh) * | 2022-05-05 | 2022-09-06 | 南京航空航天大学 | 一种壁面流动优化的多尺度自适应湍流模拟方法 |
-
2022
- 2022-09-19 CN CN202211139661.3A patent/CN115438601B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104699947A (zh) * | 2015-01-14 | 2015-06-10 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种采用rans/les混合技术模拟飞行器摇滚运动的方法 |
| CN106682398A (zh) * | 2016-12-12 | 2017-05-17 | 华南理工大学 | 一种基于湍动能和湍流长度尺度截断的rans/les方法 |
| CN109858148A (zh) * | 2019-01-30 | 2019-06-07 | 南京航空航天大学 | 一种基于部分滤波的湍流计算方法 |
| CN115017837A (zh) * | 2022-05-05 | 2022-09-06 | 南京航空航天大学 | 一种壁面流动优化的多尺度自适应湍流模拟方法 |
Non-Patent Citations (1)
| Title |
|---|
| 孙巍: "用于预测轴流压气机内角区分离的RANS和SBES方法评估", 《推进技术》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115438601B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114091128B (zh) | 一种排样方案的确定方法、装置及电子设备 | |
| US20140244846A1 (en) | Information processing apparatus, resource control method, and program | |
| CN114416351B (zh) | 资源分配方法、装置、设备、介质及计算机程序产品 | |
| CN113935258B (zh) | 计算流体动力学加速方法、装置、设备以及存储介质 | |
| CN113792995B (zh) | 电力资源支配程度的确定方法、装置、设备和存储介质 | |
| CN114819079A (zh) | 模型训练方法、装置、电子设备及可读存储介质 | |
| Bernard et al. | A local velocity grid approach for BGK equation | |
| CN113159318B (zh) | 一种神经网络的量化方法、装置、电子设备及存储介质 | |
| CN112817660A (zh) | 扩展小程序能力的方法、装置、设备以及存储介质 | |
| CN115438601A (zh) | 基于les自适应网格滤波尺度的混合rans-les方法和相关设备 | |
| CN114897146B (zh) | 模型生成方法、装置和电子设备 | |
| CN113361719B (zh) | 基于图像处理模型的增量学习方法和图像处理方法 | |
| CN115081607A (zh) | 基于嵌入算子的反向计算方法、装置、设备以及存储介质 | |
| CN114419403A (zh) | 用于检测模型的方法和装置 | |
| CN117195761B (zh) | 一种基于流场离散度自适应的计算加速方法 | |
| CN111428412B (zh) | 一种消能孔板结构优化方法、存储介质及电子设备 | |
| Mirzaeifard et al. | Smoothing ADMM for Sparse-Penalized Quantile Regression With Non-Convex Penalties | |
| CN113361621A (zh) | 用于训练模型的方法和装置 | |
| CN113112311A (zh) | 训练因果推断模型的方法、信息提示方法以装置 | |
| CN113362428B (zh) | 用于配置颜色的方法、装置、设备、介质和产品 | |
| Valkov | Predictor-corrector balance method for the worst-case 1D option pricing | |
| CN115495854B (zh) | 计算机辅助工程模型的参数标定方法、装置、设备及介质 | |
| CN116522781B (zh) | 样本数据生成方法、模型的训练方法和装置 | |
| CN116187034B (zh) | 基于不确定度量化的压气机仿真可信度评估方法 | |
| Hyndman et al. | Global convergence and stability of a convolution method for numerical solution of BSDEs |
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 |