【1】引言

三维CFD仿真经典软件很多,我接触过的有Ansys和STAR-CCM+两种。因为一些机缘,我使用STAR-CCM+更多,今天就来回顾一下STAR-CCM+中K-epsilon湍流模型的基本定义。

【2】学习地址介绍

点击链接User Guide可以到达网页版本的STAR-CCM+ 2406介绍页面。
在这里插入图片描述
实际上这里的介绍还是比较粗糙,不妨自己认真梳理一下吧,先看一下中英文对照。

中文名英文名英文简称
标准K-epsilonStandard K-EpsilonSKE
标准K-epsilon两层模型Standard K-Epsilon Two-LayerSKE 2L
标准K-epsilon低雷诺数Standard K-Epsilon Low-ReSKE LRe
可实现K-epsilonRealizable K-EpsilonRKE
可实现的K-epsilon两层模型Realizable K-Epsilon Two-layerRKE 2L

【3】基本概念

K-epsilon实际上就是两部分概念的直接组合,K代表湍动能,写在公示里面一般用小写字母kkk,epsilon代表湍流耗散率,写在公式里面一般用希腊字母ε\varepsilonε

【3.1】湍流动能kkk

湍流动能kkk的计算式为:
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=21uiui=21(u2+v2+w2)
这里的ui′‾\overline{u_{i}^{'}}ui是速度的脉动分量,在雷诺平均的方法里,速度包括时均量和脉动量两个部分,这里的湍流动能就是速度三个方向上脉动分量平方和的一半,代表了单位质量流体脉动的强度。

【3.2】湍流耗散率ε\varepsilonε

湍流耗散率ε\varepsilonε用于描述湍流动能kkk被耗散(转化为内能)的速率,衡量了小尺度涡旋将动能转化为热量的速度。

【3.3】湍流粘度μt\mu_{t}μt

湍流粘度μt\mu_{t}μt的计算通过湍流动能kkk和湍流耗散率ε\varepsilonε获得:
μt=ρCμk2ε\mu_{t}=\rho C_{\mu}\frac{k^2}{\varepsilon}μt=ρCμεk2
上式中,
ρ\rhoρ——流体密度
CμC_{\mu}Cμ——经验常数
由公式可见,kkk越大,ε\varepsilonε越小,获得的湍流粘度μt\mu_{t}μt越大。

K-epsilon模型的核心作用就是通过湍流动能kkk和湍流耗散率ε\varepsilonε获得湍流粘度μt\mu_{t}μt,湍流粘度μt\mu_{t}μt直接表征了对流体耗散的强弱。

【4】补充

K-epsilon模型的引出来源于布辛涅斯克近似:它假设湍流应力类似于粘性应力,与平均流场的应变率成正比。比例系数就是湍流粘度μt\mu_{t}μt

【5】总结

了解了K-epsilon湍流模型的来源和一些基础概念。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/pingmian/94070.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/94070.shtml
英文地址,请注明出处:http://en.pswp.cn/pingmian/94070.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

osgEarth 图像融合正片叠底

* 需求:* 高程渲染图 RGB.tif、 山体阴影图 AMP.tif** 高程渲染图 rgb波段分别 乘以 山体阴影图r波段, 然后除以255(AI说 读取的纹理就已经归一化到了 0~1 范围,不用除以 255)。本人遥感知识匮乏。问了AI,以上 需求在许多商业软件上已实现。…

Java接口响应速度优化

在 Java 开发中,接口响应速度直接影响用户体验和系统吞吐量。优化接口性能需要从代码、数据库、缓存、架构等多个维度综合考量,以下是具体方案及详细解析:一、代码层面优化代码是接口性能的基础,低效的代码会直接导致响应缓慢。1.…

A Large Scale Synthetic Graph Dataset Generation Framework的学习笔记

文章的简介 作者提出了一个可扩展的合成图生成框架,能够从真实图中学习结构和特征分布,并生成任意规模的图数据集,支持: 节点和边的结构生成节点和边的特征生成特征与结构的对齐(Aligner) 它区别于GraphWor…

Android12 Framework读写prop属性selinux报错解决

文章目录问题描述解决过程相关文章问题描述 Android读prop值时,就算是system应用, 也需要selinux权限,否则会报错。 java代码如下 SystemProperties.get("ro.input.resampling", "")selinux报错如下 2025-06-28 17:57:…

【图文版】AIOT 小智 AI 聊天机器人 ESP32 项目源码图解

前言 小智 AI 聊天机器人是最近一个很火的开源项目,它借助LLM大模型以及TTS等AI的能力,通过自然语言来与其对话实现交互。它可以回答任何问题、播放音乐、背诵古诗,颇有未来AI机器人的雏形。 因为最近工作上的需要对其进行了研究,…

250821-RHEL9.4上Docker及Docker-Compose的离线安装

在 离线环境下 在 RHEL (Red Hat Enterprise Linux) 系统上安装 Docker 和 Docker Compose,需要提前在有网络的环境中下载相关 RPM 包及依赖,然后在目标机器上进行安装。以下是比较完整的步骤: 1. Docker及Docker-Compose离线安装 在 RHEL 9.…

react相关知识

1.类组件和函数组件(1)类组件import React, { Component } from react;class UserProfile extends Component {constructor(props) {super(props);this.state {userData: null,isLoading: true,};this.timerId null;}componentDidMount() {// 模拟 API…

算法第五十五天:图论part05(第十一章)

并查集理论基础并查集主要有两个功能:将两个元素添加到一个集合中。判断两个元素在不在同一个集合class UnionFind:def __init__(self, n):"""初始化并查集"""self.n nself.father list(range(n)) # 每个节点自己是根self.rank […

雨雾天气漏检率骤降80%!陌讯多模态车牌识别方案实战解析

一、行业痛点:车牌识别的天气敏感性据《智慧交通系统检测白皮书》统计,雨雾环境下传统车牌识别漏检率高达42.7%(2024年数据)。主要存在三大技术瓶颈:1.​​水膜干扰​​:挡风玻璃水渍导致车牌区域纹理模糊2…

PostgreSQL15——查询详解

PostgreSQL15查询详解一、简单查询1.1、单表查询1.2、无表查询1.3、消除重复结果1.4、使用注释二、查询条件2.1、WHERE子句2.2、模式匹配2.3、空值判断2.4、复杂条件三、排序显示3.1、单列排序3.2、多列排序3.3、空值排序四、限定结果数量4.1、Top-N查询4.2、分页查询4.3、注意…

03-容器数据卷

卷就是目录或文件,存在于一个或多个容器中,由 docker 挂载到容器,但不属于联合文件系统,因此能够绕过 UnionFS,提供一些用于持续存储或共享数据。 特性:卷设计的目的就是数据的持久化,完全独立于…

Linux内核进程管理子系统有什么第三十三回 —— 进程主结构详解(29)

接前一篇文章:Linux内核进程管理子系统有什么第三十二回 —— 进程主结构详解(28) 本文内容参考: Linux内核进程管理专题报告_linux rseq-CSDN博客 《趣谈Linux操作系统 核心原理篇:第三部分 进程管理》—— 刘超 《…

从代码学习深度强化学习 - 目标导向的强化学习-HER算法 PyTorch版

文章目录 1. 前言:当一个任务有多个目标 2. 目标导向的强化学习 (GoRL) 简介 3. HER算法:化失败为成功的智慧 4. 代码实践:用PyTorch实现HER+DDPG 4.1 自定义环境 (WorldEnv) 4.2 智能体与算法 (DDPG) 4.3 HER的核心:轨迹经验回放 4.4 主流程与训练 5. 训练结果与分析 6. 总…

前端 H5分片上传 vue实现大文件

用uniapp开发APP上传视频文件,大文件可以上传成功,但是一旦打包为H5的代码,就会一提示链接超时,我的代码中是实现的上传到阿里云 如果需要看全文的私信我 官方开发文档地址 前端:使用分片上传的方式上传大文件_对象…

Linux服务器Systemctl命令详细使用指南

目录 1. 基本语法 2. 基础命令速查表 3. 常用示例 3.1 部署新服务后,设置开机自启并启动 3.2 检查系统中所有失败的服务并尝试修复 3.3 查看系统中所有开机自启的服务 4. 总结 以下是 systemctl 使用指南,涵盖服务管理、单元操作、运行级别控制、…

【JVM内存结构系列】二、线程私有区域详解:程序计数器、虚拟机栈、本地方法栈——搞懂栈溢出与线程隔离

上一篇文章我们搭建了JVM内存结构的整体框架,知道程序计数器、虚拟机栈、本地方法栈属于“线程私有区域”——每个线程启动时会单独分配内存,线程结束后内存直接释放,无需GC参与。这三个区域看似“小众”,却是理解线程执行逻辑、排查栈溢出异常的关键,也是面试中高频被问的…

红帽认证升级华为openEuler证书活动!

如果您有红帽证书,可以升级以下相应的证书:👇 有RHCSA证书,可以99元升级openEuler HCIA 有RHCE证书,可以99元升级openEuler HCIP 有RHCA证书,可以2100元升级openEuler HCIE 现金激励:&#x1f4…

迭代器模式与几个经典的C++实现

迭代器模式详解1. 定义与意图迭代器模式(Iterator Pattern) 是一种行为设计模式,它提供一种方法顺序访问一个聚合对象中的各个元素,而又不暴露该对象的内部表示。主要意图:为不同的聚合结构提供统一的遍历接口。将遍历…

epoll 陷阱:隧道中的高级负担

上周提到了 tun/tap 转发框架的数据通道结构和优化 tun/tap 转发性能优化,涉及 RingBuffer,packetization 等核心话题。我也给出了一定的数据结构以及处理逻辑,但竟然没有高尚的 epoll,本文说说它,因为它不适合。 epo…

微前端架构常见框架

1. iframe 这里指的是每个微应用独立开发部署,通过 iframe 的方式将这些应用嵌入到父应用系统中,几乎所有微前端的框架最开始都考虑过 iframe,但最后都放弃,或者使用部分功能,原因主要有: url 不同步。浏览器刷新 iframe url 状态丢失、后退前进按钮无法使用。 UI 不同…