排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
磁流体湍流中存在多种相干结构,包括电流和涡旋结构。文章主要对近几年有关磁流体湍流相干结构及其相关的能量传输的一些工作进行了介绍。不同于中性流体湍流中的管状结构,磁流体中的相干结构多呈现为片状,强电流片附近也存在强涡片结构。磁流体湍流中的能量级串使能量跨尺度从大尺度传递至小尺度;与中性流体湍流能量传输主要集中在相近尺度上不同,磁流体湍流除了动能传输,还有磁能传输,以及动能与磁能之间的跨尺度互相转换。研究表明,磁流体湍流中的能量传输及耗散具有强间歇性,集中在较小区域范围,且与相干结构存在关联。在存在背景磁场的情况下,磁流体湍流中的相干结构在背景磁场方向上被拉长,而同样方向上的能量传输受到抑制。在高马赫数的情况下,激波的产生会使能量传输明显增强,同时带来很强的间歇性,结构函数标度律远远偏离线性标度关系,并且随着阶数的增加,标度指数会达到饱和值。 相似文献
2.
3.
在国家数值风洞(NNW)工程项目的指导下,空间人工神经网络(SANN)模型被用于强可压缩湍流大涡模拟(LES)研究,其中流场的湍流马赫数分别为0.6、0.8、1.0。基于湍流的多尺度空间结构特性和人工神经网络方法发展的高精度空间神经网络(SANN)模型适用于不可压缩湍流和弱可压缩湍流。对于强可压缩湍流,流场中会出现激波结构,给大涡模拟带来了挑战。本文的研究结果表明:SANN模型适用于强可压缩湍流的大涡模拟。在先验分析中,SANN模型预测的亚格子应力和亚格子热流的相关系数超过0.995,远远高于梯度模型和近似反卷积模型等传统模型;传统模型的相对误差大于30%,而SANN模型在这方面有很大的改进,相对误差低于11%。在后验分析中,与隐式大涡模拟(ILES)、动态Smagorinsky模型(DSM)、动态混合模型(DMM)相比,SANN模型能更精确地预测能谱、各类湍流统计特性以及瞬态流动结构。因此,基于湍流多尺度空间结构特性的人工神经网络模型加深了人们对强可压缩湍流亚格子建模的认识,同时可以服务于NNW工程的流体力学模型构造。 相似文献
1