STAR-CCM+|K-epsilon湍流模型溯源

【1】引言

三維CFD仿真經典軟件很多,我接觸過的有Ansys和STAR-CCM+兩種。因為一些機緣,我使用STAR-CCM+更多,今天就來回顧一下STAR-CCM+中K-epsilon湍流模型的基本定義。

【2】學習地址介紹

點擊鏈接User Guide可以到達網頁版本的STAR-CCM+ 2406介紹頁面。
在這里插入圖片描述
實際上這里的介紹還是比較粗糙,不妨自己認真梳理一下吧,先看一下中英文對照。

中文名英文名英文簡稱
標準K-epsilonStandard K-EpsilonSKE
標準K-epsilon兩層模型Standard K-Epsilon Two-LayerSKE 2L
標準K-epsilon低雷諾數Standard K-Epsilon Low-ReSKE LRe
可實現K-epsilonRealizable K-EpsilonRKE
可實現的K-epsilon兩層模型Realizable K-Epsilon Two-layerRKE 2L

【3】基本概念

K-epsilon實際上就是兩部分概念的直接組合,K代表湍動能,寫在公示里面一般用小寫字母kkk,epsilon代表湍流耗散率,寫在公式里面一般用希臘字母ε\varepsilonε

【3.1】湍流動能kkk

湍流動能kkk的計算式為:
k=12ui′ui′ ̄=12(u′2 ̄+v′2 ̄+w′2 ̄)k=\frac{1}{2}\overline{u_{i}'u_{i}'}=\frac{1}{2}(\overline{u^{'2}}+\overline{v^{'2}}+\overline{w^{'2}})k=21?ui?ui??=21?(u2+v2+w2)
這里的ui′ ̄\overline{u_{i}^{'}}ui??是速度的脈動分量,在雷諾平均的方法里,速度包括時均量和脈動量兩個部分,這里的湍流動能就是速度三個方向上脈動分量平方和的一半,代表了單位質量流體脈動的強度。

【3.2】湍流耗散率ε\varepsilonε

湍流耗散率ε\varepsilonε用于描述湍流動能kkk被耗散(轉化為內能)的速率,衡量了小尺度渦旋將動能轉化為熱量的速度。

【3.3】湍流粘度μt\mu_{t}μt?

湍流粘度μt\mu_{t}μt?的計算通過湍流動能kkk和湍流耗散率ε\varepsilonε獲得:
μt=ρCμk2ε\mu_{t}=\rho C_{\mu}\frac{k^2}{\varepsilon}μt?=ρCμ?εk2?
上式中,
ρ\rhoρ——流體密度
CμC_{\mu}Cμ?——經驗常數
由公式可見,kkk越大,ε\varepsilonε越小,獲得的湍流粘度μt\mu_{t}μt?越大。

K-epsilon模型的核心作用就是通過湍流動能kkk和湍流耗散率ε\varepsilonε獲得湍流粘度μt\mu_{t}μt?,湍流粘度μt\mu_{t}μt?直接表征了對流體耗散的強弱。

【4】補充

K-epsilon模型的引出來源于布辛涅斯克近似:它假設湍流應力類似于粘性應力,與平均流場的應變率成正比。比例系數就是湍流粘度μt\mu_{t}μt?

【5】總結

了解了K-epsilon湍流模型的來源和一些基礎概念。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/pingmian/94070.shtml
繁體地址,請注明出處:http://hk.pswp.cn/pingmian/94070.shtml
英文地址,請注明出處:http://en.pswp.cn/pingmian/94070.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

osgEarth 圖像融合正片疊底

* 需求:* 高程渲染圖 RGB.tif、 山體陰影圖 AMP.tif** 高程渲染圖 rgb波段分別 乘以 山體陰影圖r波段, 然后除以255(AI說 讀取的紋理就已經歸一化到了 0~1 范圍,不用除以 255)。本人遙感知識匱乏。問了AI,以上 需求在許多商業軟件上已實現。…

Java接口響應速度優化

在 Java 開發中,接口響應速度直接影響用戶體驗和系統吞吐量。優化接口性能需要從代碼、數據庫、緩存、架構等多個維度綜合考量,以下是具體方案及詳細解析:一、代碼層面優化代碼是接口性能的基礎,低效的代碼會直接導致響應緩慢。1.…

A Large Scale Synthetic Graph Dataset Generation Framework的學習筆記

文章的簡介 作者提出了一個可擴展的合成圖生成框架,能夠從真實圖中學習結構和特征分布,并生成任意規模的圖數據集,支持: 節點和邊的結構生成節點和邊的特征生成特征與結構的對齊(Aligner) 它區別于GraphWor…

Android12 Framework讀寫prop屬性selinux報錯解決

文章目錄問題描述解決過程相關文章問題描述 Android讀prop值時,就算是system應用, 也需要selinux權限,否則會報錯。 java代碼如下 SystemProperties.get("ro.input.resampling", "")selinux報錯如下 2025-06-28 17:57:…

【圖文版】AIOT 小智 AI 聊天機器人 ESP32 項目源碼圖解

前言 小智 AI 聊天機器人是最近一個很火的開源項目,它借助LLM大模型以及TTS等AI的能力,通過自然語言來與其對話實現交互。它可以回答任何問題、播放音樂、背誦古詩,頗有未來AI機器人的雛形。 因為最近工作上的需要對其進行了研究,…

250821-RHEL9.4上Docker及Docker-Compose的離線安裝

在 離線環境下 在 RHEL (Red Hat Enterprise Linux) 系統上安裝 Docker 和 Docker Compose,需要提前在有網絡的環境中下載相關 RPM 包及依賴,然后在目標機器上進行安裝。以下是比較完整的步驟: 1. Docker及Docker-Compose離線安裝 在 RHEL 9.…

react相關知識

1.類組件和函數組件(1)類組件import React, { Component } from react;class UserProfile extends Component {constructor(props) {super(props);this.state {userData: null,isLoading: true,};this.timerId null;}componentDidMount() {// 模擬 API…

算法第五十五天:圖論part05(第十一章)

并查集理論基礎并查集主要有兩個功能:將兩個元素添加到一個集合中。判斷兩個元素在不在同一個集合class UnionFind:def __init__(self, n):"""初始化并查集"""self.n nself.father list(range(n)) # 每個節點自己是根self.rank […

雨霧天氣漏檢率驟降80%!陌訊多模態車牌識別方案實戰解析

一、行業痛點:車牌識別的天氣敏感性據《智慧交通系統檢測白皮書》統計,雨霧環境下傳統車牌識別漏檢率高達42.7%(2024年數據)。主要存在三大技術瓶頸:1.??水膜干擾??:擋風玻璃水漬導致車牌區域紋理模糊2…

PostgreSQL15——查詢詳解

PostgreSQL15查詢詳解一、簡單查詢1.1、單表查詢1.2、無表查詢1.3、消除重復結果1.4、使用注釋二、查詢條件2.1、WHERE子句2.2、模式匹配2.3、空值判斷2.4、復雜條件三、排序顯示3.1、單列排序3.2、多列排序3.3、空值排序四、限定結果數量4.1、Top-N查詢4.2、分頁查詢4.3、注意…

03-容器數據卷

卷就是目錄或文件,存在于一個或多個容器中,由 docker 掛載到容器,但不屬于聯合文件系統,因此能夠繞過 UnionFS,提供一些用于持續存儲或共享數據。 特性:卷設計的目的就是數據的持久化,完全獨立于…

Linux內核進程管理子系統有什么第三十三回 —— 進程主結構詳解(29)

接前一篇文章:Linux內核進程管理子系統有什么第三十二回 —— 進程主結構詳解(28) 本文內容參考: Linux內核進程管理專題報告_linux rseq-CSDN博客 《趣談Linux操作系統 核心原理篇:第三部分 進程管理》—— 劉超 《…

從代碼學習深度強化學習 - 目標導向的強化學習-HER算法 PyTorch版

文章目錄 1. 前言:當一個任務有多個目標 2. 目標導向的強化學習 (GoRL) 簡介 3. HER算法:化失敗為成功的智慧 4. 代碼實踐:用PyTorch實現HER+DDPG 4.1 自定義環境 (WorldEnv) 4.2 智能體與算法 (DDPG) 4.3 HER的核心:軌跡經驗回放 4.4 主流程與訓練 5. 訓練結果與分析 6. 總…

前端 H5分片上傳 vue實現大文件

用uniapp開發APP上傳視頻文件,大文件可以上傳成功,但是一旦打包為H5的代碼,就會一提示鏈接超時,我的代碼中是實現的上傳到阿里云 如果需要看全文的私信我 官方開發文檔地址 前端:使用分片上傳的方式上傳大文件_對象…

Linux服務器Systemctl命令詳細使用指南

目錄 1. 基本語法 2. 基礎命令速查表 3. 常用示例 3.1 部署新服務后,設置開機自啟并啟動 3.2 檢查系統中所有失敗的服務并嘗試修復 3.3 查看系統中所有開機自啟的服務 4. 總結 以下是 systemctl 使用指南,涵蓋服務管理、單元操作、運行級別控制、…

【JVM內存結構系列】二、線程私有區域詳解:程序計數器、虛擬機棧、本地方法棧——搞懂棧溢出與線程隔離

上一篇文章我們搭建了JVM內存結構的整體框架,知道程序計數器、虛擬機棧、本地方法棧屬于“線程私有區域”——每個線程啟動時會單獨分配內存,線程結束后內存直接釋放,無需GC參與。這三個區域看似“小眾”,卻是理解線程執行邏輯、排查棧溢出異常的關鍵,也是面試中高頻被問的…

紅帽認證升級華為openEuler證書活動!

如果您有紅帽證書,可以升級以下相應的證書:👇 有RHCSA證書,可以99元升級openEuler HCIA 有RHCE證書,可以99元升級openEuler HCIP 有RHCA證書,可以2100元升級openEuler HCIE 現金激勵:&#x1f4…

迭代器模式與幾個經典的C++實現

迭代器模式詳解1. 定義與意圖迭代器模式(Iterator Pattern) 是一種行為設計模式,它提供一種方法順序訪問一個聚合對象中的各個元素,而又不暴露該對象的內部表示。主要意圖:為不同的聚合結構提供統一的遍歷接口。將遍歷…

epoll 陷阱:隧道中的高級負擔

上周提到了 tun/tap 轉發框架的數據通道結構和優化 tun/tap 轉發性能優化,涉及 RingBuffer,packetization 等核心話題。我也給出了一定的數據結構以及處理邏輯,但竟然沒有高尚的 epoll,本文說說它,因為它不適合。 epo…

微前端架構常見框架

1. iframe 這里指的是每個微應用獨立開發部署,通過 iframe 的方式將這些應用嵌入到父應用系統中,幾乎所有微前端的框架最開始都考慮過 iframe,但最后都放棄,或者使用部分功能,原因主要有: url 不同步。瀏覽器刷新 iframe url 狀態丟失、后退前進按鈕無法使用。 UI 不同…