شبیه سازی دینامیک سیالات محاسباتی موج انفجار در نرم افزار اپن فوم: بررسی اثر حلگر و معادله حالت بر دقت نتایج
Publish place: Modares Mechanical Engineering، Vol: 22، Issue: 12
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 54
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-22-12_005
تاریخ نمایه سازی: 8 اسفند 1403
Abstract:
روش های عددی به عنوان یکی از زیر شاخه های مدل های نظری می توانند رفتار مواد پرانرژی را با دقت مناسب و به دور از محدودیت های آزمایشات تجربی پیش بینی نمایند. در این مطالعه، از ابزار دینامیک سیالات محاسباتی برای پیش بینی عملکرد موج انفجار در حضور موانع هندسی استفاده شده است. شبیه سازی ها با دو حلگر توسعه یافته سونیک فوم (extendedSonicFoam) و بلست فوم(blastFoam) از ماژول تکنولوژی متن باز اپن فوم (OpenFOAM) انجام شده و برای افزایش دقت نتایج، از مدل آشفتگی شبیه سازی گردابه های بزرگ استفاده شده است. علاوه بر معادله حالت گاز کامل، از معادله حالت نیمه تجربی بی-کا-دبلیو (BKW) که یک معادله حالت کامل است و وابستگی صریح به دما دارد برای ارتباط میان پارامترهای مختلف ترمودینامیکی استفاده شده است. برای ثبت سیگنال های فشار- زمان حسگرهای متعددی در بالا دست منفجره قرار گرفته و برای اعتبارسنجی نتایج نیز از داده های تجربی گزارش شده در منابع استفاده شده است. میزان خطا در شبیه سازی های انجام شده برای پارامترهای مختلف موج انفجار حداکثر ۱۲/۲۹% بدست آمده است. میزان انحراف از استاندارد برای نتایج حل عددی با معادله حالت گاز کامل نسبت به گاز حقیقی بیشتر بوده و حلگر بلست فوم پارامترهای مهم ماکزیمم اضافه فشار فاز مثبت، زمان رسیدن موج و ایمپالس فاز مثبت را که از مشخصه های تعیین کننده موج انفجار می باشند را با خطای کمتری نسبت به حلگر توسعه یافته سونیک فوم پیش بینی کرده است.
Keywords:
Authors
زینب نورپور
Malek-Ashtar university of technology
سعید توانگر روستا
Malek-Ashtar university of technology
حسین سوری
Malek-Ashtar university of technology
سید قربان حسینی
Malek-Ashtar university of technology
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 :