位置:成果数据库 > 期刊 > 期刊详情页
一种预测流动和传热问题的快速算法
  • ISSN号:0253-987X
  • 期刊名称:《西安交通大学学报》
  • 时间:0
  • 分类:TK124[动力工程及工程热物理—工程热物理;动力工程及工程热物理—热能工程]
  • 作者机构:[1]西安交通大学能源与动力工程学院,西安710049
  • 相关基金:基金项目:国家自然科学基金资助项目(50476046).
中文摘要:

将湍流拟序结构分析中的最佳正交分解技术运用到流动和传热问题中,并在最佳正交分解技术的基础上提出了一种快速预测流动和传热问题的算法.通过对样本矩阵实施最佳正交分解得到一组特征函数.这些特征函数具有能量最优的特性,即以这些特征函数为基函数,可以用非常少的基函数将原物理问题准确地表示出来.特征系数用样条曲线插值的方式计算得到.以同心圆环内的自然对流为例验证此算法,参数Ro/Ri为2.6,Pr为0.71,5000≤Ra≤1×10^5.利用该算法可以准确地预测温度场和速度场,与准确解之间的相对误差仅为0.7%,并且比SIMPLE算法快100倍.该算法有较广的使用范围,不受几何结构和流态的限制,只要有一组准确的样本便可使用。

英文摘要:

A fast and efficient algorithm based on the proper orthogonal decomposition (POD) technique for predicting heat transfer and fluid flow was proposed. The POD technique was applied to a set of numerical simulation results to obtain the eigenfunctions that represent the dynamics of the physical problerm.The function space considered in the physical problem was limited to the smallest linear subspace when employing these eigenfunctions as basis functions. In stead of projecting the governing equations onto these eigenfunctions, the spectral coefficients were obtained with a simple cubic spline interpolation procedure. The presented algorithm was verified with an example of natural convection in a two dimensional concentric cylinder with a radius ratio of 2.6, and the Rayleigh number varying from 5 000 to 1×10^5. The results show that this algorithm can predict the flow and temperature fields with a relative error of 0.7 % compared with the exact numerical results, moreover, it is more than 100 times faster than the SIMPLE algorithm.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《西安交通大学学报》
  • 中国科技核心期刊
  • 主管单位:中华人共和国教育部
  • 主办单位:西安交通大学
  • 主编:陶文铨
  • 地址:西安市咸宁西路28号
  • 邮编:710049
  • 邮箱:xuebao@mail.xjtu.edu.cn
  • 电话:029-82668337 82667978
  • 国际标准刊号:ISSN:0253-987X
  • 国内统一刊号:ISSN:61-1069/T
  • 邮发代号:52-53
  • 获奖情况:
  • 美国《工程索引》(EI光盘版)定期收录的中文期刊,《中文核心期刊目录总览》综合类核心期刊,科技部《科技论文统计与分析》统计源,《中国科学引文数据库》刊源,获全国高校优秀科技期刊一等奖,“百种中国杰出学术期刊”称号,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:27275