بررسی توانایی مدل k-e عدد رینولذر پایین لاندر و شارما (LS) در پیش بینی مشخصات جریان اطراف یک سیلندر مربعی در حالت دائمی و غیر دائمی
Publish place: 10th Conference of Fluid Dynamics
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 1,866
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CFD10_037
Index date: 5 March 2007
بررسی توانایی مدل k-e عدد رینولذر پایین لاندر و شارما (LS) در پیش بینی مشخصات جریان اطراف یک سیلندر مربعی در حالت دائمی و غیر دائمی abstract
به دلایل کاربردهای مهندسی مطالعه جریان غیر دائمی اطراف مقاطع چهارگوش از اهمیت زیادی برخوردار است. در این مطالعه قابلیت مدل k-e عدد رینولدز پایین لاندر و شامرا برای پیش بینی رفتار جریان سیال اطراف یک سیلندر مربعی مورد بررسی قرار گرفته است. روش عددی در این تحقیق روش حجم محدود به همراه الگوریتم سیمپل می باشد. معادلات حاکم در یک شبکه نیمه جا به جا شده گسسته سازی شده اند. ترم های جابجایی در معادلات حاکم با استفاده از روش کوئیک مرتبه سه تقریب زده شده اند. برای منفصل سازی ترم های زمانی در معادلات حاکم از طرح مرتبه دوم کرنک – نیکلسون استفاده شده است. عدد رینولدز جریان بر اساس سرعت متوسط و بعد سیلندر مربعی Re=22000 می باشد. مقایسه بین نتایج عددی و آزمایشگاهی برای میدان سرعت نشان میدهد که حل دائمی قادر به پیش بینی رفتار جریان سیال در اطراف یک سیلندر مربعی به خصوص در منطقه ویک نمی باشد. درحالی که حل غیر دائمی منجر به نتایج قابل قبولی می شود. از طرفی پارامترهای کاربردی ازقبیل عدد استروهال و ضریب درگ در حالت غیر دائمی با نتایج تجربی به خوبی مطابقت دارد.
بررسی توانایی مدل k-e عدد رینولذر پایین لاندر و شارما (LS) در پیش بینی مشخصات جریان اطراف یک سیلندر مربعی در حالت دائمی و غیر دائمی Keywords:
بررسی توانایی مدل k-e عدد رینولذر پایین لاندر و شارما (LS) در پیش بینی مشخصات جریان اطراف یک سیلندر مربعی در حالت دائمی و غیر دائمی authors
مهرداد رئیسی دهکردی
استادیار دانشگاه تهران، پردیس دانشکده های فنی، دانشکده مکانیک
آزاده جعفری
دانشجوی کارشناسی ارشد دانشگاه تهران ، پردیس دانشکده های فنی، دانشکده
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 :