【学习Reynolds Equation】

2023-11-06 11:10
文章标签 学习 equation reynolds

本文主要是介绍【学习Reynolds Equation】,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!

学习Reynolds Equation

  • Reynolds Equation的定义
  • Reynolds Equation 表达式
  • Average Reynolds Equation
    • 最终Average Reynolds Equation
  • Reynolds Number雷诺数
  • Reynolds Equation 的推导
  • Reynolds Equation 的解
  • Reynolds Equation的推导

大家好!该篇博文是根据链接: Reynolds Equation – An Overview.https://www.tribonet.org/wiki/reynolds-equation/学习内容的笔记。Willa把一些要点进行了摘录,有不对的,望大家指正,谢谢哦!
需要大家注意的是,文中提到Reynolds方程仍然很复杂,很多润滑问题尚需要研究。

Reynolds Equation的定义

Reynolds Equation源于Navier-Stokes Equation,是经典润滑理论的基本方程之一。流体动力学和弹性流体动力学润滑理论最实际应用的基础。
本质是一个偏微分方程,用于描述两个表面之间薄润滑膜的流动。
Prefessor Osborne Reynolds在轴承摩擦的实验中,他发现流体动力压力在接触中心后,快速达到了峰值。Reynolds 认为润滑剂被“拖”到接触点中,形成了一层承载施加在物体上的负载薄膜。Reynolds教授的主要成就是将Navier-Stokes Equation方程(包括润滑剂的惯性和粘度的影响)简化为一种可以通过解析求解的形式(这在当时是唯一可能的方法),并且仍然很好地描述了润滑剂的流动

Reynolds Equation 表达式

参考雷诺方程https://baike.sogou.com/v57080390.htm由英国物理学家Osborne Reynolds于1886年提出。
∂ ∂ x ( p h 3 12 μ ∂ p ∂ x ) + ∂ ∂ y ( p h 3 12 μ ∂ p ∂ y ) = ∂ ∂ x ( p h ( u a + u b ) 2 ) + ∂ ∂ y ( p h ( u a + u b ) 2 ) + ρ ( w a − w b ) − ρ u a ∂ h ∂ x − ρ u a ∂ h ∂ y + h ∂ ρ ∂ t (1) \frac{\partial }{\partial x}(\frac{ph^3}{12\mu}\frac{\partial p}{\partial x})+\frac{\partial }{\partial y}(\frac{ph^3}{12\mu}\frac{\partial p}{\partial y})=\frac{\partial}{\partial x}(\frac{ph(u_a+u_b)}{2})+\frac{\partial}{\partial y}(\frac{ph(u_a+u_b)}{2})+\rho(w_a-w_b)-\rho u_a\frac{\partial h}{\partial x}-\rho u_a\frac{\partial h}{\partial y}+h\frac{\partial \rho}{\partial t}\tag{1} x(12μph3xp)+y(12μph3yp)=x(2ph(ua+ub))+y(2ph(ua+ub))+ρ(wawb)ρuaxhρuayh+htρ(1)
其中,
p 为流体膜压力 p为流体膜压力 p为流体膜压力
x 为流体轴承宽度方向的坐标 x为流体轴承宽度方向的坐标 x为流体轴承宽度方向的坐标
y 为流体轴承长度方向的坐标 y为流体轴承长度方向的坐标 y为流体轴承长度方向的坐标
z 为流体膜厚度方向的坐标 z为流体膜厚度方向的坐标 z为流体膜厚度方向的坐标
h 为流体膜厚度 h为流体膜厚度 h为流体膜厚度
μ 为流体黏度 \mu为流体黏度 μ为流体黏度
ρ 为流体密度 \rho为流体密度 ρ为流体密度
u , v , w 分别为 x , y , z 方向的边界速度 u,v,w分别为x,y,z方向的边界速度 u,v,w分别为x,y,z方向的边界速度
a 为上边界 a为上边界 a为上边界
b 为下边界 b为下边界 b为下边界

Average Reynolds Equation

对于等温、不可压缩的润滑,流体弹性动力学压力由Reynolds方程控制,得到An Average Flow Model for Determining Effects of Three-Dimensional Roughness on Partial Hydrodynamic Lubrication:
∂ ∂ x ( h T 3 12 μ ∂ p ∂ x + ∂ ∂ x ( h T 3 12 μ ∂ p ∂ y ) = U 1 + U 2 2 ∂ h T ∂ x + ∂ h T ∂ y (2) \frac{\partial }{\partial x}(\frac{h_{T^3}}{12\mu}\frac{\partial p}{\partial x}+\frac{\partial }{\partial x}(\frac{h_{T^3}}{12\mu}\frac{\partial p}{\partial y})=\frac{U_1+U_2}{2}\frac{\partial h_T}{\partial x}+\frac{\partial h_T}{\partial y}\tag{2} x(12μhT3xp+x(12μhT3yp)=2U1+U2xhT+yhT(2)
其中, h T h_T hT为局部膜厚; U 1 和 U 2 U_1和U_2 U1U2是齿轮表面x方向的齿面速度。
q x = − h T 3 12 μ ∂ p ∂ x + U 1 + U 2 2 h T ( 3 ) (3) q_x=-\frac{h_{T^3}}{12\mu}\frac{\partial p}{\partial x}+\frac{U_1+U_2}{2}h_T (3)\tag{3} qx=12μhT3xp+2U1+U2hT(3)(3)
q y = − h T 3 12 μ ∂ p ∂ y (4) q_y=-\frac{h_{T^3}}{12\mu}\frac{\partial p}{\partial y} \tag{4} qy=12μhT3yp(4)
q ‾ x = 1 Δ y ∫ y y + Δ y q x d y = 1 Δ y ∫ y y + Δ y ( − h T 3 12 μ ∂ p ∂ x + U 1 + U 2 2 h T ) d y = − ϕ x h 3 12 μ ∂ p ‾ ∂ x + U 1 + U 2 2 h ‾ T + U 1 − U 2 2 σ ϕ s (5) \overline{q}_x =\frac{1}{\Delta y}\int_{y}^{y+\Delta y}q_xdy =\frac{1}{\Delta y}\int_{y}^{y+\Delta y}(-\frac{h_{T^3}}{12\mu}\frac{\partial p}{\partial x}+\frac{U_1+U_2}{2}h_T)dy\\=-\phi_x\frac{h^3}{12\mu}\frac{\partial \overline{p}}{\partial x}+\frac{U_1+U_2}{2}\overline{h}_T+\frac{U_1-U_2}{2}\sigma\phi_s\tag{5} qx=Δy1yy+Δyqxdy=Δy1yy+Δy(12μhT3xp+2U1+U2hT)dy=ϕx12μh3xp+2U1+U2hT+2U1U2σϕs(5)
q ‾ y = 1 Δ x ∫ x x + Δ x q y d x = 1 Δ x ∫ x x + Δ x ( − h T 3 12 μ ∂ p ∂ y ) d x = − ϕ y h 3 12 μ ∂ p ‾ ∂ y (6) \overline{q}_y=\frac{1}{\Delta x}\int_{x}^{x+\Delta x}q_ydx=\frac{1}{\Delta x}\int_{x}^{x+\Delta x}(-\frac{h_{T^3}}{12\mu}\frac{\partial p}{\partial y})dx=-\phi_y\frac{h^3}{12\mu}\frac{\partial \overline{p}}{\partial y}\tag{6} qy=Δx1xx+Δxqydx=Δx1xx+Δx(12μhT3yp)dx=ϕy12μh3yp(6)
其中, h h h为标称膜厚; q x 和 q y q_x和q_y qxqy分别为在x,y方向的单位油流体; q ‾ x 和 q ‾ y \overline{q}_x和\overline{q}_y qxqy分别为单位油流体的均值; σ = σ 1 2 + σ 2 2 \sigma=\sqrt{\sigma_1^2+\sigma_2^2} σ=σ12+σ22 σ 1 和 σ 2 \sigma_1和\sigma_2 σ1σ2的总粗糙度的标准差, σ 1 和 σ 2 \sigma_1和\sigma_2 σ1σ2分别为粗糙度 δ 1 和 δ 2 \delta_1和\delta_2 δ1δ2的标准差; ϕ x 和 ϕ y \phi_x和\phi_y ϕxϕy为流因子; ϕ s \phi_s ϕs为剪切流因子。

最终Average Reynolds Equation

∂ ∂ x ( ϕ x h 3 12 μ ∂ p ‾ ∂ x ) + ∂ ∂ y ( ϕ y h 3 12 μ ∂ p ‾ ∂ y ) = U 1 + U 2 2 ∂ h ‾ T ∂ x + U 1 − U 2 2 σ ∂ ϕ s ∂ x + ∂ h ‾ T ∂ t (7) \frac{\partial}{\partial x}(\phi_x\frac{h^3}{12\mu}\frac{\partial \overline{p}}{\partial x})+\frac{\partial}{\partial y}(\phi_y\frac{h^3}{12\mu}\frac{\partial \overline{p}}{\partial y})=\frac{U_{1}+U_{2}}{2}\frac{\partial \overline{h}_T}{\partial x}+\frac{U_{1}-U_{2}}{2}\sigma\frac{\partial \phi_s}{\partial x}+\frac{\partial \overline{h}_T}{\partial t}\tag{7} x(ϕx12μh3xp)+y(ϕy12μh3yp)=2U1+U2xhT+2U1U2σxϕs+thT(7)

在这里插入图片描述

Reynolds Number雷诺数

雷诺数 R e Re Re是一个无量纲数。其公式为: R e = 惯性力 粘性力 = ρ u h μ (8) Re=\frac{惯性力}{粘性力}=\frac{\rho u h}{\mu}\tag{8} Re=粘性力惯性力=μρuh(8)其中, ρ \rho ρ是密度(单位: k g / m 3 kg/m^3 kg/m3), u u u是特征速度(单位: m / s m/s m/s), h h h是特征长度(单位: m m m;在流体动力学润滑理论中通常指中心膜厚度), μ \mu μ是流体粘度(单位: P a ⋅ s Pa·s Pas)用于描述流体层留到湍流的转变,是一个重要参数。

Reynolds Equation 的推导

观察中:润滑剂被视为等粘性和流层,流体膜的曲率忽略不计。
假设
1.粘度恒定,牛顿润滑剂,流体为牛顿流体
2.薄膜几何形状,流体膜厚度远远小于宽度与长度 ( h < < l 及 h < < w ) (h<<l及h<<w) (h<<lh<<w)
3.体积力可忽略,黏性力大于惯性力(雷诺数很小
4.无滑移边界条件,压力沿厚度方向基本不变 ∂ p ∂ z = 0 \frac{\partial p}{\partial z}=0 zp=0
以下图片来自于链接: link

根据连接https://books.google.nl/books/about/Fluid_Film_Lubrication.html?id=U5VXXRAgKwsC&redir_esc=y
得到以下公式
∂ p ∂ x = μ ∂ 2 u ∂ y 2 (9) \frac{\partial p}{\partial x}=\mu\frac{\partial^2u}{\partial y^2}\tag{9} xp=μy22u(9) ∂ p ∂ z = μ ∂ 2 w ∂ y 2 (10) \frac{\partial p}{\partial z}=\mu\frac{\partial^2w}{\partial y^2}\tag{10} zp=μy22w(10) ∂ u ∂ x + ∂ v ∂ y + ∂ w ∂ z = 0 (11) \frac{\partial u}{\partial x}+\frac{\partial v}{\partial y}+\frac{\partial w}{\partial z}=0\tag{11} xu+yv+zw=0(11)
文中提到假设润滑剂不可压缩。
薄膜几何形状
u = 1 2 u ∂ p ∂ x y 2 + A y + B (12) u=\frac{1}{2u}\frac{\partial p}{\partial x}y^2+Ay+B\tag{12} u=2u1xpy2+Ay+B(12)
w = 1 2 u ∂ p ∂ z y 2 + C y + D (13) w=\frac{1}{2u}\frac{\partial p}{\partial z}y^2+Cy+D\tag{13} w=2u1zpy2+Cy+D(13)
边界条件
u = U 1 , w = 0 , y = 0 (14) u=U_{1},w=0,y=0\tag{14} u=U1,w=0,y=0(14)
u = U 2 , w = 0 , y = h (15) u=U_{2},w=0,y=h\tag{15} u=U2,w=0,y=h(15)
其中, U 1 U_{1} U1 U 2 U_{2} U2表示轴承表面的速度。
速度分布(通过积分得到)
u = 1 2 μ ∂ p ∂ x ( y 2 + y h ) + ( 1 − y h ) U 1 + y h U 2 (16) u=\frac{1}{2\mu}\frac{\partial p}{\partial x}(y^2+yh)+(1-\frac{y}{h})U_{1}+\frac{y}{h}U_{2}\tag{16} u=2μ1xp(y2+yh)+(1hy)U1+hyU2(16) w = 1 2 μ ∂ p ∂ z ( y 2 − y h ) (17) w=\frac{1}{2\mu}\frac{\partial p}{\partial z}(y^2-yh)\tag{17} w=2μ1zp(y2yh)(17)
根据连续性:
∫ 0 h − ∂ v ∂ y d y = ∫ 0 h ∂ u ∂ x d y + ∫ 0 h ∂ w ∂ z d y (18) \int_0^{h}-\frac{\partial v}{\partial y} \mathrm{d}y=\int_0^{h}\frac{\partial u}{\partial x} \mathrm{d}y+\int_0^{h}\frac{\partial w}{\partial z} \mathrm{d}y\tag{18} 0hyvdy=0hxudy+0hzwdy(18)
根据Reynolds润滑压力方程进行积分:
∂ ∂ x ( h 3 μ ∂ p ∂ x ) + ∂ ∂ z ( h 3 μ ∂ p ∂ z ) = 6 ( U 1 + U 2 ) ∂ h ∂ x + 12 ∂ h ∂ t (19) \frac{\partial}{\partial x}(\frac{h^3}{\mu}\frac{\partial p}{\partial x})+ \frac{\partial}{\partial z}(\frac{h^3}{\mu}\frac{\partial p}{\partial z})=6(U_{1}+U_{2})\frac{\partial h}{\partial x}+12\frac{\partial h}{\partial t}\tag{19} x(μh3xp)+z(μh3zp)=6(U1+U2)xh+12th(19)
详细推导过程可以根据连接

Reynolds Equation 的解

通常,Reynolds Equation在基于边界条件和考虑的几何形状以及某些假设情况下,采用有限差分或有限元等数值方法可进行求解得到解析。
文中提到的相关的代码可以在连接中找到。

Reynolds Equation的推导

根据以上公式等推导出了各种广义雷诺方程,以削弱用于推导经典形式的假设。例如,可以考虑可压缩的非牛顿润滑剂行为。在摩擦学中,雷诺方程用于预测润滑膜的厚度,也用于预测润滑剂在表面上产生的摩擦。由于许多摩擦学触点在高负载状态和薄膜中工作,因此剪切速率可能非常高(大约 107-109 )。许多典型的润滑剂在接触条件下开始表现为非牛顿润滑剂,因此,雷诺方程被推广到非牛顿润滑剂的情况。另一个推广包括滑移边界条件。这种形式的雷诺方程用于计算纹理表面或高滑移表面的薄膜厚度和摩擦力。
参考文献:
[1]https://www.tribonet.org/wiki/reynolds-equation/
[2]https://baike.sogou.com/v57080390.htm
[3]https://baike.sogou.com/v8658439.htm
[4]An Average Flow Model for Determining Effects of Three-Dimensional Roughness on Partial Hydrodynamic Lubrication:

这篇关于【学习Reynolds Equation】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/356261

相关文章

Java进阶学习之如何开启远程调式

《Java进阶学习之如何开启远程调式》Java开发中的远程调试是一项至关重要的技能,特别是在处理生产环境的问题或者协作开发时,:本文主要介绍Java进阶学习之如何开启远程调式的相关资料,需要的朋友... 目录概述Java远程调试的开启与底层原理开启Java远程调试底层原理JVM参数总结&nbsMbKKXJx

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识