用于基于LES的湍流离散相随机建模的拉格朗日过滤密度函数
流体动力学
2017-06-02 v2
摘要
基于大涡模拟（LES）的欧拉-拉格朗日方法是研究湍流离散相流最有前景且可行的数值工具之一，当直接数值模拟（DNS）的计算代价过于昂贵时尤为如此。然而，若忽略流的亚网格尺度（SGS）对颗粒动力学的影响，该方法的适用性受限。本文中，我们提出通过针对颗粒运动方程的拉格朗日随机SGS模型来考虑这些效应。该模型将最初为反应流开发的速度过滤密度函数方法推广至载粒流。底层过滤密度函数通过拉格朗日蒙特卡洛过程模拟，该过程沿单个颗粒轨迹求解一组随机微分方程（SDEs）。所得模型在湍流槽道流的参考案例中测试，使用混合算法，其中流体速度场由LES提供并随后用于推进SDEs时间演化。模型一致性在零惯性颗粒极限下评估，此时从欧拉LES和拉格朗日追踪均可获得“重复场”。进行了带惯性颗粒的测试以检验模型捕捉颗粒优先聚集和近壁偏析的能力。与基于DNS的统计量相比，我们的结果显示，相较于在颗粒运动方程中不使用SGS模型的情况，精度提高且误差显著减小。
引用
@article{arxiv.1607.01709,
title = {Lagrangian filtered density function for LES-based stochastic modelling of turbulent dispersed flows},
author = {Alessio Innocenti and Cristian Marchioli and Sergio Chibbaro},
journal= {arXiv preprint arXiv:1607.01709},
year = {2017}
}