关于瑞利数等于0的讨论

2023-10-07 13:59
文章标签 等于 讨论 瑞利

本文主要是介绍关于瑞利数等于0的讨论,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

流体的瑞利数 (Ra)是与浮力驱动对流相关的无量纲数。当某种流体的瑞利数低于 临界值 时,热量传递的主要形式是 热传导;当瑞利数超过临界值时热量传递的主要形式是对流。

其具体表达式如下:
R a = g β Δ T H 3 ν α R a=\frac{g \beta \Delta T H^3}{\nu \alpha} Ra=ναgβΔTH3

现在我们想让Ra的值为0,其实最总效果是想让理查德森数Ri等于0;Ri的表达式如下:
R i = R a R e 2 P r R i=\frac{Ra}{Re^2Pr} Ri=Re2PrRa
可以看出,Ri为0的话只能是Ra为0。又由Ra的表达式可以看出,在保证存在体积的情况下(即 H ≠ 0 H \neq 0 H=0),只能让 g = 0 g=0 g=0或者 Δ T = 0 \Delta T = 0 ΔT=0。一般来说,对于浮力驱动的热对流流动,其控制参数有Pr和Ra,由相似理论,我们只要控制这两个参数一致,那么经过无量纲化的流动参数也一定是一致的,也就是Ra和Pr唯一确定了流动状态。但是在 R a = 0 Ra = 0 Ra=0,似乎有些问题。

1、温度的无量纲化式子为 T ∗ = ( T − T 0 ) / Δ T T^*=\left(T-T_0\right) / \Delta_T T=(TT0)/ΔT,如果 Δ T = 0 \Delta T = 0 ΔT=0,那么无量纲的温度则是奇异的。

2、基于布西内斯克近似的能量方程为 ∂ T ∂ t + u ⋅ ∇ T = α ∇ 2 T \frac{\partial T}{\partial t}+\mathbf{u} \cdot \nabla T=\alpha \nabla^2 T tT+uT=α2T,如果上下壁面没有温差,并且我们设定初始场为上下壁面温度,那么根据能量方程,这个场会一直的保持均一下去。

3、对于 g = 0 g=0 g=0来说,如果系统存在温差,那么热传导仍然存在。

基于上面的三个结论,我们发现,这两种方式虽然都可以让 R a = 0 Ra= 0 Ra=0,但是其最总的结果确是不同的。下面简单的用进行数值模拟进行验证。

Δ T = 0 \Delta T = 0 ΔT=0 —> R a = 0 Ra= 0 Ra=0
温度云图(305-305.063):
在这里插入图片描述
速度云图(0-3.73013e-05):
在这里插入图片描述
g = 0 g = 0 g=0 —> R a = 0 Ra= 0 Ra=0
温度云图(300-310)
在这里插入图片描述
速度云图(0-1.42599e-5):
在这里插入图片描述
上面温度和速度并不严格等于我们猜想的状态是由于数值求解的误差。

最总我觉得 g = 0 g = 0 g=0是一个比较可靠的做法,因为这样不会导致无量纲温度的值奇异,当然还有一个重要的原因是对于理想槽道流流动来说,是没有重力的,这样的话 R i = 0 Ri = 0 Ri=0正好退化到理想槽道流流动。

这篇关于关于瑞利数等于0的讨论的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/158216

相关文章

聊聊分布式,再讨论分布式解决方案

前言 最近很久没有写博客了,一方面是因为公司事情最近比较忙,另外一方面是因为在进行 CAP 的下一阶段的开发工作,不过目前已经告一段落了。 接下来还是开始我们今天的话题,说说分布式事务,或者说是我眼中的分布式事务,因为每个人可能对其的理解都不一样。 分布式事务是企业集成中的一个技术难点,也是每一个分布式系统架构中都会涉及到的一个东西,特别是在微服务架构中,几乎可以说是无法避免,本文就分布式事

如何利用ChatGPT提升学术论文讨论部分的撰写质量和效率

大家好,感谢关注。我是七哥,一个在高校里不务正业,折腾学术科研AI实操的学术人。关于使用ChatGPT等AI学术科研的相关问题可以和作者七哥(yida985)交流,多多交流,相互成就,共同进步,为大家带来最酷最有效的智能AI学术科研写作攻略。经过数月爆肝,终于完成学术AI使用教程,估计也有个50万字的详细操作指南。跟着一步一步操作,借助ChatGPT做学术、干科研、写论文、课题申报都变得超简单。欢

图形API学习工程(12):讨论当前工程里同步CPU与GPU的方式

工程GIT地址:https://gitee.com/yaksue/yaksue-graphics 简单讨论CPU和GPU间的交互 《DX12龙书》在【4.2 CPU与GPU间的交互】章节中讨论了这个问题,简单来说: 为了最佳性能,CPU和GPU这两种处理器应该尽量同时工作,少“同步”。因为“同步”意味着一种处理器以空闲状态等待另一种处理器,即它破坏了“并行”。 但有时,又不得不进行二者的同步

讨论“get”和“post”安全性

get”安全,还是“post”安全?这或许是大家总结两者必须要分析的内容,因为这涉及到我们将内容从浏览器传送到服务器的安全性,选择不当将会带来巨大的不安全因素,从而可能带来巨大的损失。这篇博客,我将阐述一下,当然更多的还是希望各位大神发表一下见解,讨论一下下!             首先,我们来看一下两者最基本的区别: GET请求通过URL(请求行)提交数据,在URL中可以看

Android 疑难问题讨论及面试题

https://github.com/android-cn/android-discuss/issues?page=1&q=is%3Aissue+is%3Aopen

讨论运维监控工具的普及程度

在讨论运维监控工具的普及程度时,加入PIGOSS BSM产品的分析是非常有意义的,因为PIGOSS BSM是一款在中国市场具有一定影响力的运维监控工具。 PIGOSS BSM运维监控工具是一款综合性的IT运维监控解决方案,它能够对多层次的IT资源进行监测,包括但不限于性能监测、事件管理、报表管理等功能模块。PIGOSS BSM的一个独特之处在于其拓扑关联配置工具,这使得用户可以根据自身的I

8种进行简单线性回归的方法分析与讨论

以下是八种进行简单线性回归的方法及其分析与讨论: 二乘法(OLS): 分析:通过化预测值与实际值之间的平方误差来估计回归系数。 讨论:简单直观,适用于大多数线性回归问题。但对于数据中存在异常值或噪声时,可能不够鲁棒。 梯度下降法: 分析:通过迭代优化算法调整回归系数,以化损失函数。 讨论:适用于大规模数据集和复杂模型,但需要选择合适的学习率,并可能需要较长的训练时间。 正规方程法:

在Spring框架中,如何实现依赖注入?请列举几种注入方式。请解释Spring Boot的自动配置特性,并讨论其如何简化Web应用开发。

在Spring框架中,如何实现依赖注入?请列举几种注入方式。 在Spring框架中,依赖注入(Dependency Injection,简称DI)是一种实现控制反转(IoC,Inversion of Control)的技术。依赖注入允许对象在创建时不直接依赖于它们的依赖项,而是在运行时由外部实体(如Spring容器)将这些依赖项注入到对象中。这有助于减少代码间的耦合,提高模块的可重用性和可测试性

二叉树的遍历(篇4)判断从根到叶节点的和是否等于某个给定的值

给定二叉树和一个数sum,如果从树的根开始到叶节点的值等于sum,则返回true。 如果没有找到这样的路径,则返回false。 例如, 在上述树根到叶节点存在具有以下和。 21 - > 10 - 8 - 3 23 - > 10 - 8 - 5 14 - > 10 - 2 - 2 因此,返回的值应该只对数字21,23和14. true。对于任何其他数字,返回值应该为false。 算

js 判断是否等于0不要用!

var a = $('#a').val(); // a等于0// 不要用!a,这个可能等于false,因为a可能被认为是字符串if(!a){}// 可以用if(a == 0){}