[发明专利]可压缩湍流燃烧大涡模拟中滤波压力计算方法及系统在审
申请号: | 202210017976.4 | 申请日: | 2022-01-07 |
公开(公告)号: | CN114372425A | 公开(公告)日: | 2022-04-19 |
发明(设计)人: | 张林;梁剑寒;孙明波;王翼;范晓樯;吴晓帅 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
主分类号: | G06F30/28 | 分类号: | G06F30/28;G06F30/15;G06F111/04;G06F111/08;G06F111/10;G06F119/14 |
代理公司: | 长沙国科天河知识产权代理有限公司 43225 | 代理人: | 周达 |
地址: | 410073 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 可压缩 湍流 燃烧 模拟 滤波 压力 计算方法 系统 | ||
可压缩湍流燃烧大涡模拟中滤波压力计算方法及系统,针对流动燃烧过程建立进行大涡模拟的多组分理想气体模型,初始化气体模型所在区域的网格和粒子,获取每个网格的滤波密度、滤波温度、多组分气体的组分数目、各组分的滤波质量分数以及粒子位置、粒子温度、粒子质量分数;基于各网格的滤波密度、滤波温度、多组分气体的组分数目以及各组分的滤波质量分数,计算大涡模拟可解压力;基于各网格的滤波密度和当前网格中粒子本身的温度、粒子质量分数,计算粒子可解压力和粒子平均压力。本发明基于大涡模拟可解压力,粒子平均压力和粒子可解压力之间的关系得到大涡模拟中滤波压力,本发明可以有效改善数值计算的鲁棒性,当燃烧释热较强时仍保持较高准确度。
技术领域
本发明涉及湍流燃烧数值模拟领域,具体是一种适用于可压缩湍流燃烧大涡模拟的精确滤波压力计算方法和系统。
背景技术
以超燃冲压发动机为动力的高超声速飞行器同时在军用和民用方面展现出巨大潜力。超燃冲压发动机中的超声速燃烧过程极为复杂,截止目前仍未得到充分认识,这也限制了超燃冲压发动机性能和稳定性的进一步提高。
随着计算流体力学和计算燃烧学的发展,数值模拟逐渐成为理解认识超声速燃烧过程不可或缺的重要手段。当前,大涡模拟(LES)已广泛用于超声速燃烧过程的模拟。尽管取得了巨大成功,仍然有不少关键问题尚待明确,特别是部分亚格子模型的封闭。其中,最为重要的封闭模型之一就是湍流燃烧模型,通常用于封闭滤波的化学反应源项。
概率密度函数(PDF)方法的基础为随机假设,即假设湍流流场中的物理量为随机变量。从随机方法出发,所有的单点单时刻过程均严格封闭,不论该过程多么复杂。因此,湍流-化学反应相互作用可以由概率密度函数方法精确封闭。为了提高概率密度函数(PDF)方法的鲁棒性,通常将其与大涡模拟(LES)耦合求解,称之为LES-PDF方法。该方法在湍流燃烧中得到了广泛应用。
此外,可压缩湍流燃烧大涡模拟中的一个重要模型就是滤波压力模型。滤波压力通过对多组分理想气体状态方程进行滤波后得到,包含了亚格子温度组分关联项。然而现有的滤波压力计算方法,往往对亚格子温度组分关联项进行了直接忽略处理。
在现有的大涡模拟(LES)中,滤波压力通常基于理想气体状态方程由滤波后的组分、温度、密度直接计算得到,一般忽略了亚格子温度组分关联项。研究表明,对于燃烧释热较弱的情况,亚格子温度组分关联项影响较小,可以忽略;然而对于强释热,忽略该项将带来显著误差。与此同时,对于传统的大涡模拟(LES),直接精确封闭滤波压力存在理论困难。
发明内容
对于多组分理想气体而言,压力是温度、组分和密度的非线性函数,因此在大涡模拟中滤波压力直接封闭困难重重。针对该技术问题,本发明提出一种可压缩湍流燃烧大涡模拟中滤波压力计算方法及系统。
为实现上述技术目的,本发明提出的技术方案为:
一方面,本发明提供一种可压缩湍流燃烧大涡模拟中滤波压力计算方法,包括:
针对流动燃烧过程建立进行大涡模拟的多组分理想气体模型,初始化所述多组分理想气体模型所在区域的网格和粒子,获取每个网格的滤波密度、滤波温度、多组分气体组分数目、各组分的滤波质量分数以及粒子位置、粒子温度、粒子质量分数;
基于各网格的滤波密度、滤波温度、多组分气体的组分数目以及各组分的滤波质量分数,计算大涡模拟可解压力;
基于各网格的滤波密度和当前网格中粒子本身的温度、粒子质量分数,计算粒子可解压力和粒子平均压力;
基于大涡模拟可解压力,粒子平均压力和粒子可解压力,计算得到大涡模拟中滤波压力。
另一方面,本发明提供一种可压缩湍流燃烧大涡模拟中滤波压力计算系统,包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210017976.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:试验支撑装置
- 下一篇:基于多层次数据表示学习的用户身份信息识别方法和装置