混合层强化混合的数值研究

受 Ｗａｎｇ ＆ Ｆｉｅｄｌｅｒ（１９９７）的实验的启发，采用高阶精度的差分格式，通过数值模拟的方法，研究了二维混合层及限于两平板间的二维混合层（二维受限混合层）入口处加振动对提高混合层混合效率的作用．计算结果表明：对二维混合层，振动的频率越低，在混合层中产生的大尺度涡结构的尺度越大，在频率很低时，涡具有相似性；对限于两平板间的二维混合层，在一定的振动频率下，混合层中产生的涡较大而且破碎得也较好，这将有利于混合．这一结论与 Ｗａｎｇ ＆ Ｆｉｅｄｌｅｒ（１９９７）的实验观测到的结果是一致的．

可压缩湍流研究进展

高马赫数可压缩湍流的运动是一个多尺度多过程的物理现象。采用了多过程分解的方法,将可压缩湍流分解为剪切和胀压过程,分析其统计行为和动力学行为。发展了一种新的紧致差分和WENO格式相结合的混合型数值格式,准确模拟了可压缩湍流场;研究了其多尺度多过程行为和对粒子的输运影响;研究了激波结构对湍流场的影响;在高雷诺数可压缩湍流中,证明存在惯性区,其中流运动和压力做功引起的动能流通量都是常数;证明可压缩湍流中存在从大尺度到小尺度的动能级串过程;证明动能流通量的剪切部分和胀压部分在惯性区都为常数;分析亚格子应力项和亚格子质量流动项对动能级串的影响。

基于人工神经网络的亚格子应力建模

亚格子(SGS)应力建模在湍流大涡模拟(LES)中有着极为重要的作用.传统亚格子应力模型存在相对误差较大、耗散过强等问题.近年来,计算机技术的发展使得人工神经网络(ANN)等机器学习方法逐渐成为亚格子应力建模型的新研究范式.本文着重考虑滤波宽度及雷诺数影响,在不可压缩槽道湍流中建立了亚格子应力的ANN模型.该模型以滤波后的直接数值模拟(f DNS)流场物理量及滤波尺度为输入信息,相应滤波尺度下的亚格子应力为输出量.通过对不同滤波尺度及不同雷诺数数据的训练,ANN模型能够给出与直接数值模拟(DNS)高度吻合的亚格子应力.此外,模型在亚格子耗散等非ANN建模量上也有着优异的预测性能,与基于DNS获得的对应物理量的相关系数大都在0.9以上,较梯度模型及Smagorinsky模型有明显提升.在后验测试中,ANN模型对流向平均速度剖面的预测同样优于梯度模型、Smagorinsky模型及隐式大涡模拟(ILES)等传统LES模型.在脉动速度均方根预测方面,除了某些法向位置外ANN模型的性能整体上相对其他3个模型有所提升.然而,随着网格尺度的增大ANN模型预测的结果与fDNS结果的偏差逐渐增大.总之,ANN方法在发展高精度亚格子应力模型上具有很大的潜力.

被动标量湍流的约束亚格子模型

本文采用约束大涡模拟(C-LES)模型来模拟湍流中的被动标量.通过施加一个基于被动标量大涡模拟(LES)中标量方差通量标度不变量的物理约束来计算动态混合非线性模型(MNLM)的系数.将约束亚格子(SGS)模型与不同的SGS模型在不可压各向同性湍流被动标量中进行比较.此外,C-LES模型减少了SGS标量方差通量在惯性-对流尺度以及较大的黏性-扩散尺度上的变化.先验测试表明,C-LES模型在预测SGS标量通量的方向和大小方面表现最好.此外,C-LES模型减少了SGS标量方差通量在惯性-对流范围内以及粘性-扩散范围内大尺度的变化.在后验测试中,与传统的动态Smagorinsky(DSM)和MNLM模型相比,C-LES模型在预测标量谱和内部间歇性的演变中表现明显更好.这些结果表明,在SGS模型中施加物理约束是在被动标量湍流大涡模拟中的一种有前途的方法.