اصلاح مدل دینامیکی رتبه کاسته POD برای شبیه سازی جریانهای ناپایای تراکم ناپذیر با بهره گیری از اعمال معادله پیوستگی
Publish place: 10th Conference of Iranian Aerospace Society
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,230
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
AEROSPACE10_008
Index date: 21 February 2012
اصلاح مدل دینامیکی رتبه کاسته POD برای شبیه سازی جریانهای ناپایای تراکم ناپذیر با بهره گیری از اعمال معادله پیوستگی abstract
دراین پژوهش از روش تجزیه متعامد بهینه به منظور توسعه مدل رتبه کاسته جهت شبیه سازی میدان جریان ناپایای تراکم ناپذیر استفاده شده است معادلات حاکم بردینامیک جریان پس از تصویرسازی درفضای مودها منجر به ایجاد یک سامانه دینامیکی رتبهکاسته می شوند این مدلها به دلایل گوناگون پیش بینی دقیقی از تغییرات زمانی جریان ندارند دقت سامانه دینامیکی حاکم با استفاده از اضافه کردن اثرمودهای بقایی معادله پیوستگی و به منظور بازیابی اثرات حذف ترم فشار درمدل رتبه کاسته افزایش داده شده است روشی که برای این منظور بکار رفته افزودن اثر معادله پیوستگی بصورت یک ترم استهلاک از انجا حاصل این معادله بایستی صفر باشد به معادلات اندازه حرکت می باشد. نتایج حاصل از مدل رتبه کاسته حاضر با شبیه سازی های عددی مستقیم مقایسه شده اند. از آنجا که تنها دلیل ناپایداری مدلهای رتبه کاسته عمد ارضای م عادله پیوتسگی توسط مودهای POD نیست لذا پاسخ مدل دینامیکی رتبه کاسته حاصل بطور کامل برداده های حل عددی مستقیم منطبق نشده ولی در مقایسه با مدلهای رتبه کاسته کلاسیک از دقت بالاتری برخوردار می باشد.
اصلاح مدل دینامیکی رتبه کاسته POD برای شبیه سازی جریانهای ناپایای تراکم ناپذیر با بهره گیری از اعمال معادله پیوستگی Keywords:
اصلاح مدل دینامیکی رتبه کاسته POD برای شبیه سازی جریانهای ناپایای تراکم ناپذیر با بهره گیری از اعمال معادله پیوستگی authors
محمدکاظم مویدی
گروه مهندسی مکانیک دانشگاه صنعتی قم
فریدون ثابت قدم
دانشکده مهندسی مکانیک و هوافضا دانشگاه آزاد اسلامی واحد علوم و تحقیقات
محمد طیبی رهنی
دانشگاه صنعتی شریف
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :