大渦模擬是一種重要的研究重力流的模擬方法,它能夠反映其大尺度的流動(dòng)特征。本研究采用大渦模擬對(duì)帶坡道轉(zhuǎn)換的連續(xù)釋放重力流實(shí)驗(yàn)進(jìn)行了模擬,對(duì)比二維和三維大渦以及雷諾平均模擬得到的密度云圖,分析速度、濃度、深度平均速度、深度平均濃度、斷面比能、密度弗雷德數(shù)和整體理查德森數(shù)的變化規(guī)律,并將模擬結(jié)果與實(shí)驗(yàn)數(shù)據(jù)進(jìn)行比較,得出如下一些具體結(jié)論:(1)三維大渦模擬與二維相比,三維大渦模擬能夠更好地反映出重力流的可解尺度部分運(yùn)動(dòng);二維大渦模擬無(wú)橫向延展,二維渦在深度方向過(guò)分發(fā)展;(2)時(shí)間、距離步長(zhǎng)對(duì)大渦模擬影響很大,而時(shí)間步長(zhǎng)在0.1 s至0.01 s的范圍內(nèi)變化對(duì)k-ε模擬沒(méi)有明顯的影響;(3)本研究基于科爾莫夫假設(shè)的量綱分析推出重力流三維大渦模擬所需的最佳時(shí)間及距離步長(zhǎng)對(duì)于我們模擬說(shuō)采用的網(wǎng)格分別為0.02 s,略大于小渦特征時(shí)間0.017 s,最小距離步長(zhǎng)為0.001 m時(shí),大于小渦特征長(zhǎng)度一個(gè)數(shù)量級(jí)時(shí),三維大渦模擬重力流的剖面速度、深度平均速度、濃度與實(shí)驗(yàn)數(shù)據(jù)擬合較好,高于k-ε所模擬的;而二維大渦模擬重力流的統(tǒng)計(jì)量還不如k-ε模擬結(jié)果;(4)三維大渦模擬斷面比能曲線比密度弗雷德數(shù)能更準(zhǔn)確地反映...

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 重力流研究的概述
    1.2 數(shù)值模擬重力流的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 直接數(shù)值模擬
        1.2.2 雷諾平均方法
        1.2.3 大渦模擬
    1.3 課題研究?jī)?nèi)容
    1.4 課題研究的意義
    1.5 本章小結(jié)
第二章 大渦模擬理論基礎(chǔ)
    2.1 大渦模擬的求解方法
    2.2 大渦模擬的控制方程
    2.3 邊界條件
    2.4 亞格子模型
        2.4.1 Smagorinsky模型
        2.4.2 尺度相似模型和混合模型
        2.4.3 WALE模型
    2.5 控制方程的離散
    2.6 本章小結(jié)
第三章 帶坡道轉(zhuǎn)換的重力流的二維模擬
    3.1 模型網(wǎng)格設(shè)置
    3.2 網(wǎng)格的敏感性測(cè)試
    3.3 模擬結(jié)果的分析
        3.3.1 密度云圖
        3.3.2 速度云圖
        3.3.3 二維LES模擬與k-ε模擬重力流對(duì)比
    3.4 與k-ε模擬和實(shí)驗(yàn)數(shù)據(jù)的比較
    3.5 本章小結(jié)
第四章 帶坡道轉(zhuǎn)換的重力流的三維模擬
    4.1 模型網(wǎng)格設(shè)置
    4.2 模擬結(jié)果分析
        4.2.1 密度云圖
        4.2.2 縱剖面速度
        4.2.3 深度平均速度
        4.2.4 深度平均濃度
    4.3 LES與k-ε模擬和實(shí)驗(yàn)數(shù)據(jù)的比較
    4.4 二維及三維LES模擬深度平均速度與濃度的比較
    4.5 本章小結(jié)
第五章 大渦模擬數(shù)據(jù)的斷面比能、密度弗雷德數(shù)和整體理查德森數(shù)分析
    5.1 重力流斷面比能定義
    5.2 密度弗雷德數(shù)和整體理查德森數(shù)
    5.3 重力流三維大渦模擬數(shù)據(jù)分析
        5.3.1 LES模擬鹽水流厚度與實(shí)驗(yàn)數(shù)據(jù)比較
        5.3.2 斷面比能對(duì)比分析
        5.3.3 密度弗雷德數(shù)和整體理查德森數(shù)對(duì)比分析
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
在學(xué)研究成果
致謝



本文編號(hào)：4040435