شبیه سازی عددی لایه های اختلاط مکانی تراکم پذیرآشفته با استفاده از مدل آشفتگی شبیه سازی گردابه های بزرگ
محل انتشار: نوزدهمین همایش سالانه مهندسی مکانیک
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,119
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME19_027
تاریخ نمایه سازی: 2 اردیبهشت 1390
چکیده مقاله:
در این مقاله، نتایج سه بعدی حاصل از شبیه سازی عددی لایه های اختلاط مکانی تراکمپذیر آشفته با استفاده از مدل آشفتگی شبیه سازی گردابه های بزرگLES) ارائه شده است. هدف از این مطالعه توسعهLES در لایه های اختلاط مکانی تراکم پذیر آشفته در جریان های سوپرسونیک می باشد. برای جداسازی مقیاسهای کوچک و بزرگ جریان، فیلترگیری از معادلات ناویراستوکس با استفاده از تابع فیلترگیری پله با پهنای فیلترگیری Δ صورت می گیرد. مدل سازی ترمهای اشل ریز با استفاده از مدل دینامیک که یک مدل ویسکوزیته گردابه ای است انجام می گیرد. بدلیل اینکه عدد ماخ جریان لایه های بالا و پایین بزرگتر از یک می باشند، جریان سوپرسونیک است و در نتیجه بایستی ترم های اشل ریز معادله انرژی علاوه بر ترم های اشل ریز معادله ممنتوم مدل گردند. سپس نتایج بدست آمده از شبیه سازی حاضر با نتایج تجربی و نتایج شبیه سازی عددی مستقیمDNS) و دیگر نتایج LES بدست آمده در عدد ماخ جابه جایی یکسان مقایسه می شود. همچنین میزان تلفات انرژی جنبشیکل در مقیاسهای کوچک را به گرما بررسی کرده و نشان خواهیم داد با افزایش عدد ماخ جابهجایی، نرخ رشد لایههای اختلاط کاهش می یابد
کلیدواژه ها:
لایه های اختلاط مکانی تراکمپذیر ، فیلترگیری پله DNS ، LES ترم های اشل ریز ، ویسکوزیته گردابه ای ، نرخ رشد لایه های اختلاط
نویسندگان
نبی اله یوسفیان ابرودی
کارشناسی ارشد دانشگاه صنعتی ارومیه
جواد ذبیحی
دانشجوی کارشناسی ارشد دانشگاه صنعتی ارومیه
محمد ماستیانی
کارشناسی ارشد دانشگاه صنعتی ارومیه
نادر پورمحمود
استادیار دانشگاه ارومیه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :