مدل دینامیکی رتبه کاستۀ اصلا ح شده برای شبیه سازی جریانهای ناپایای تراکم ناپذیر
Publish place: 12th Conference of Fluid Dynamics
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,287
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CFD12_006
Index date: 8 June 2009
مدل دینامیکی رتبه کاستۀ اصلا ح شده برای شبیه سازی جریانهای ناپایای تراکم ناپذیر abstract
در این مقاله از روش رتبه کاستۀ تجزیه متعامد بهینه جهت شبیه سازی میدان جریان ناپایا حول یک سیلندر مربع شکل استفاده شده است. معادلات حاکم بر دینامیک جریان پس از تصویرسازی در راستای مودهای جریان منجر به ایجاد یک سامانۀ دینامیکی رتبه کاسته می شوند. از آنجا که معمولاً مدلهای رتبه کاستۀ متداول پیش بینی دقیقی از تغییرات زمانی جریان ندارند، دقت سامانۀ دینامیکی حاکم با استفاده از یک ترم اصلاح خطی افزایش داده شده است. دو روش برای تخمین ضرائب ترم اصلاح ارائه شده که هر دو ترکیبی از روش تجزیه متعامد بهینه همراه با حل یک مسالۀ بهینه سازی با استفاده از روش کمترین مربعات است. حاصل آن یک مدل رتبه کاسته خواهد شد که می تواند با دقّتی مناسب و با سرعتی بالا تغییرات زمانی میدان جریان را پیش بینی نماید. در روش اول کمینه سازی کلی مورد استفاده قرار گرفته است. روش دوم بر اساس یک تکنیک کمینه سازی محلی است که اخیراً توسط این نویسندگان ارائه شد ه است. نتایج حاصل از مدل رتبه کاستۀ حاضر با شبیه سازیهای حاصل از حل عددی مستقیم مقایسه شده که دقّت و سهولت چشمگیری را در محاسبات نشان میدهد.
مدل دینامیکی رتبه کاستۀ اصلا ح شده برای شبیه سازی جریانهای ناپایای تراکم ناپذیر Keywords:
مدل دینامیکی رتبه کاستۀ اصلا ح شده برای شبیه سازی جریانهای ناپایای تراکم ناپذیر authors
محمد کاظم مویدی
دانشجوی دکتری دانشکده مهندسی هوافضا دانشگاه صنعتی شریف
محمد طیبی رهنی
دانشیار دانشکده مهندسی هوافضا دانشگاه صنعتی شریف
فریدون ثابت تقدم
استادیار گروه مهندسی هوافضا دانشگاه آزاد اسلامی واحد علوم و تحقیقات
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 :