引 言
拟序结构普遍存在于湍流中[1–3], 并影响湍流的发生、输运与耗散等过程, 对湍流拟序结构的研究、对于理解湍流机理、分析流动相互作用有重要的意义. 从大涡模拟来看, 正确预测湍流拟序结构的关键就在于算法和亚网格尺度(sub-grid-scale, SGS)模型的准确性.
在算法方面, 传统的大涡模拟方法求解网格滤波的控制方程, 并采用SGS模型模化亚网格尺度流动与网格尺度流动之间的相互作用. 虽然近年来部分****利用数值离散的特点, 也发展出不需要添加模型的隐式大涡模拟方法[4-5], 但为了针对性地讨论应用中亚网格模型的选择问题, 本文仍采用高精度有限差分结合亚网格模型的大涡模拟经典算法, 并讨论SGS模型的性能. 对大涡模拟算法更全面的介绍可以参考Sagaut等[6]的综述.
目前文献中广泛出现的亚网格尺度模型是经典的常系数Smagorinsky模型(Smagorinsky model, SM), 已有众多文献报道该模型过度耗散了脉动动能[7-9]. 另一类是基于Germano恒等式和Lilly最小二乘法来动态调整模型系数的动态Smagorinsky模型(dynamic Smagorinsky model, DSM), 这类模型的局限性在于理论上要求在流场均匀的方向上计算平均的模型系数, 而这一平均过程缺少物理上合理的解释, 且造成分布式并行计算中不同处理器之间数据的频繁调用与交换, 降低计算效率. 从计算的角度, 较为理想的模型是局部模型, 计算效率高且能较好地克服SM对湍流黏性估计过高的缺点. Piomelli和Liu[9]提出了局部动态模型(localized dynamic Smagorinsky model, LDSM), 去除了DSM对流动中需存在各向同性方向的要求, 而是利用流动的历史信息来避免平均过程, 计算效率得到提高. Lenormand等[10]提出的选择多尺度模型(selective mixed-scale model, SMSM), 在边界层流动[10]、翼型绕流[11]和空腔流动[12]的预测中具有良好应用. 这一模型借助涡矢量方向的变化来判断流动的状态是否发生了转捩, 同时反映湍流的间歇性. Kobayashi等[13-14]则利用流场中黏性耗散与拟序结构的关联性, 提出了拟序结构模型(coherent-structure Smagorinsky model, CSM), 并应用于各向同性湍流、湍流通道流以及横向射流的计算中, 其模型简单且具有类似于动态模型的性能. Koyabashi[13]同时改进动能模型, 提出拟序结构动能模型(coherent-structure kinetic-energy model, CKM). 这些局部模型都有望克服传统模型的不足, 但对于预测可压缩喷流中的拟序结构, 目前尚未看到有关它们预测性能的分析与评估的文献.
典型的喷流拟序结构有流向涡、高低速流体间的条带[15]、剪切层边沿的卷吸流动结构[16]等, 表现为长时间保持一定形状的大尺度质量团, 且在时间和空间上具有强相关性[17]. Lumley[18]最早提出采用本征正交分解(proper orthogonal decomposition, POD)方法提取拟序结构, 且在自由剪切流、分离流、边界层转捩以及湍流通道流中得到广泛的应用. POD方法的目标是针对物理场寻找一组空间正交的基函数, 并按照基函数对物理量方差的贡献排序, 例如对于脉动速度场的研究就是基函数对湍动能的贡献[19-20]. 本征正交分解的特点使得只需要少量的POD模态就能够提取出流场中能量占主导地位的流动模式. 此外, POD分解的基函数直接由湍流场确定, 不同于傅里叶变换或者小波变换需要人为指定基函数, 因此表征的拟序结构更为客观[17]. 在POD算法方面, 虽然快照POD算法能够显著减少计算量, 但是有部分高阶模态没有参与计算. 基于矩阵奇异值分解(singular value decomposition, SVD)的经典POD算法包含完整的模态信息, 比快照POD算法对舍入误差的鲁棒性高[19-20]. 此外数学软件Matlab中提供了SVD的库函数, 也便于编制后处理程序.
本文对亚声速可压缩平行喷流进行大涡模拟. 在验证计算结果的基础上, 研究SM, CKM, SMSM, LDSM和CSM模型的特性, 分析各个模型预测的瞬时涡结构. 同时采用基于SVD的POD分解方法提取喷流拟序结构并分析各模型预测结果的差异, 为可压缩喷流的大涡模拟提供参考.
1.
数值计算与方法
1.1
亚网格尺度模型
控制方程组为Favre质量加权滤波的三维非稳态可压缩N-S方程组[21]. 方程中的亚网格尺度未知量由亚网格模型给出, 包括亚网格尺度应力
$$bar ho {tau _{ij}} = overline { ho {{u''}_i}{{u''}_j}} $$ | (1) |
以及亚网格尺度热通量
$${q_{{ m{sg}}{{ m{s}}_j}}} = - frac{{bar ho {nu _{{ m{sgs}}}}}}{{left( {gamma - 1} ight){{Pr }_{ m{t}}}{{{M}}^2}}}frac{{partial tilde T}}{{partial {x_j}}}$$ | (2) |
其中
ho $
m{sgs}}}}}$
m{t}}} = 1$
ho {u_i}} }/{overline
ho }}$
Smagorinsky模型(SM)中的亚网格尺度应力为
$${tau _{ij}} = tau _{ij}^a + {tau _{kk}}{{{delta _{ij}}}/3} $$ | (3) |
其中偏应力部分
$$left. {begin{array}{*{20}{l}}{tau _{ij}^a = - underbrace {C_1^2{varDelta ^2}left| {{boldsymbol{S}}left( u ight)} ight|}_{{nu _{{ m{sgs}}}}}{S_{ij}}left( u ight)}{{tau _{kk}} = 4C_1^2{varDelta ^2}{{left| {{boldsymbol{S}}left( u ight)} ight|}^2}}end{array}} ight}$$ | (4) |
式中, 亚网格黏性系数
m{sgs}}}} = C_1^2{varDelta ^2}left| {{boldsymbol{S}}left( u
ight)}
ight|$
ight)}
ight| = sqrt {{{{S_{ij}}{S_{ij}}}/2}}$
ight) = {{partial {u_i}}/{partial {x_j}}} + {{partial {u_j}}/{partial {x_i}}} - 2{{{delta _{ij}}left( {{{partial {u_k}}/{partial {x_k}}}}
ight)}/3}$
局部动态Smagorinsky模型(LDSM)采用基于Germano恒等式的动态方法, 并利用模型系数的历史信息来局部调整Smagorinsky模型的系数. 该模型根据Germano恒等式导出的应力
ho {u_i}}} ;{overline {
ho {u_j}}} /{bar
ho }}}
ight) -$
ho}{tilde u}_i}};;{widehat{{bar
ho}{{tilde u}_j}}}/{hat{ bar
ho}} $
ight)^2}left| {{boldsymbol{S}}left( {hat u}
ight)}
ight| cdot $
ight)$
ight)^2}left| {{boldsymbol{S}}left( {tilde u}
ight)}
ight|{S_{ij}}left( {tilde u}
ight)$
$${cal L}_{ij}^a = - C_2^2{alpha _{ij}} + widehat {C_{ m{t}}^2{beta _{ij}}}$$ | (5) |
其中
m{t}}}$
m{t}}} = {C_1}$
$$C_2^2 = -sumlimits_{j = 1}^3 {sumlimits_{i = 1}^3 } left( {{cal L}_{ij}^a - widehat {C_{ m{t}}^2{beta _{ij}}}} ight){alpha _{ij}}Bigr/sumlimits_{j = 1}^3 {sumlimits_{i = 1}^3 } left( {{alpha _{ij}}{alpha _{ij}}} ight)$$ | (6) |
选择多尺度模型(slective mixed-scale model, SMSM)是根据局部涡矢量方向的脉动来调整亚网格黏性系数
$${nu _{{ m{sm}}}} = {C_3}{left| S ight|^alpha }{left( {q_{ m{c}}^2} ight)^{left( {1 - alpha /2} ight)}}{varDelta ^{left( {1 + alpha } ight)}}$$ | (7) |
其中
m{c}}^2 = left( {1/2}
ight){tilde u'_i}{tilde u'_i}$
m{theta }}_0}}}$
m{theta }}_0}}} = 1$
m{theta }}_0}}} = {tan left( {theta /2}
ight)/tan left( {{theta _0}/2}
ight)}$
$${v_{{ m{sgs}}}} = {v_{{ m{sm}}}}{f_{{{ m{theta }}_0}}}$$ | (8) |
拟序结构模型是利用拟序结构与湍流中耗散的相关性来调整亚网格黏性系数
m{sgs}}}} = $
ight)}
ight|$
m{CS}}}}}
ight|^{3/2}}$
m{CS}}}} = Q/E$
$$Q = left( {{A_{ij}}{A_{ij}} - } ight. left. {{B_{ij}}{B_{ij}}} ight)/ 2 + {left( {partial {u_k}/partial {x_k}} ight)^2}/2$$ |
为速度导数
ight)}^2}}/2}$
其中
$$ {A_{ij}} = {{left( {{{partial {u_j}}/{partial {x_i}}} - {{partial {u_i}}/{partial {x_j}}}} ight)}/2}$$ |
$${B_{ij}} = {{left( {{{partial {u_j}}/{partial {x_i}}} + {{partial {u_i}}/{partial {x_j}}}} ight)}/2}$$ |
基于直接数值模拟(direct numerical simulation, DNS), 流场的相关性分析表明,
m{CS}}}}}
ight|$
m{CS}}}}}
ight|$
$${nu _{{ m{sgs}}}} = {C_4}{left| {{F_{{ m{CS}}}}} ight|^{3/2}}{varDelta ^2}left| {Sleft( u ight)} ight|$$ | (9) |
拟序结构动能模型是在拟序结构模型的基础上, 在亚网格黏性系数中显式地包含亚网格尺度动能
m{sgs}}}}$
$${nu _{{ m{sgs}}}} = {C_5}left| {{F_{{ m{CS}}}}} ight|varDelta sqrt {{k_{{ m{sgs}}}}} $$ | (10) |
其中,
m{sgs}}}} = {left( {{{tilde u}_i} - {{hat {tilde u}}_i}}
ight)^2}$
至此, 可以通过式(2)、式(4)来计算亚网格尺度热通量和亚网格尺度应力. 虽然文献[12]指出亚网格尺度应力中各向同性的部分
1.2
计算对象与数值离散
本文采用Hu等[22]的亚声速平行喷流为考核算例. 喷流出口雷诺数
m{J}}} = {D_{
m{J}}}{
ho _infty }{U_{
m{J}}}/{mu _infty }$
m{J}}} = {U_{
m{J}}}/{c_infty } = 0.9$
m{J}}} = 1$
m{J}}} = 1$
ho _infty }$
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-1.jpg'"
class="figure_img
figure_type1 bbb " id="Figure1" />
图
1
计算域与网格(3个方向都每隔3条网格线画一条线)
Figure
1.
Computional domain and the Grid(One in every three lines is shown in each direction)
下载:
全尺寸图片
幻灯片
采用有限差分方法开展数值模拟, 本文的计算源程序以Sandham课题组[27-28]的(shock-boundary layer interaction, SBLI)代码为基础, 计算精度和可靠性经过了充分的考核验证[22, 29]. 在此基础上, 本文进一步采用OpenMP并行化, 使该代码可用于内存共享式的小型计算工作站.
空间离散的1阶与2阶导数均采用5点4阶中心差分格式计算, 边界点采用Carpenter提出的单侧4阶稳定差分格式[30], 从而保持空间离散的整体高精度. 为了抑制差分计算引起的非物理振荡, 算法上采用了熵分裂方法, 通过将对流项分裂为守恒形式与非守恒形式的加权求和来实现[31]. 同时, 在x和y方向的计算边界上, 采用无反射边界条件来抑制非物理振荡波在计算域边界上的反射, 算法上通过保留走出计算域的特征波而将走入计算域的特征波幅值置零来实现[32]. 在z方向上采用周期边界条件来模拟平行喷流在展向的无限延伸.
时间离散采用低存储显式3阶龙格库塔算法, 这一算法完成3个子时间步的推进仅需要两个存储流场的数组, 对内存资源的消耗低[21]. 为便于模型特性的研究比较, 时间步长取定值
m{0}}}} =$
$$left. begin{array}{l}u = 0.45left{ {tanh left[ {10left( {y + 0.5} ight)} ight]} ight.-quad;left. { tanh left[ {10left( {y - 0.5} ight)} ight]} ight} + {U_{{ m{0}}}}{u_{ m{p}}} = 0.33{y^2}left( {4{y^2} - 1} ight){{ m{e}}^{ - 6{y^2}}}sin left( {2{text{π}} {textit{z}}/{L_{textit{z}}}} ight)cos left( {2t} ight){v_{ m{p}}} = 0.4{y^3}{{ m{e}}^{ - 6{y^2}}}sin left( {2{text{π}} {textit{z}}/{L_{textit{z}}}} ight)sin left( {2t} ight)end{array} ight}$$ | (11) |
式中还包含随时间变化的二维扰动速度
m{p}}},{v_{
m{p}}}}
ight)$
$$T = 1 + 0.5left( {gamma - 1} ight){{M}}_{ m{J}}^2left( {1 - {u}} ight)left({u-U_infty} ight)$$ |
而喷口的压强取为常数
m{J}}^2}
ight)$
在数值结果方面, 虽然DNS能够准确给出流场结构的信息, 但是DNS对计算资源的消耗量高, 而且流场后处理的数据量大. 以文献[22-33]中提供的DNS数据为基础, 课题组前期工作已开展了计算代码的考核[34-35]、LES的网格分辨率分析[26]以及局部模型的研究[21, 36], 算法的可靠性与模型都已得到验证. 本文在已有工作的基础上, 进一步分析局部模型揭示的喷流拟序结构.
1.3
POD方法
POD方法采用一组正交基函数
ight)$
ight)$
ight)$
$$ phi left( {x,t} ight) sim displaystylesumlimits_{k = 1}^N {{c_k}left( t ight){psi _k}left( x ight)}$$ |
所得的基函数也称为POD模态. POD分解的目的是使这种表示的误差在平方平均的意义下最小, 并且在给定误差下最小化表示所需要的模态个数, 从而得到最佳的基函数[20]. 这组最佳基函数能够最优地表征原物理量的方差, 对于脉动速度场,这种最优是模态反映的湍动能随模态阶数增大而迅速的减小[19], 脉动速度的第一阶POD模态对湍动能的贡献最大. 详细的理论介绍可参考文献[20].
在计算中, 可对流场的速度分量进行时间采样, 得到关于标量
$$mathop {boldsymbol{F}_{M times N}} = left( {begin{array}{*{20}{c}}{{phi _{1,1}}}&{{phi _{1,2}}}& cdots &{{phi _{1,N}}}{{phi _{2,1}}}&{{phi _{2,2}}}& cdots &{{phi _{2,N}}} vdots & vdots & ddots & vdots {{phi _{M,1}}}&{{phi _{M,2}}}& cdots &{{phi _{M,N}}}end{array}} ight),; {M geqslant N} $$ | (12) |
在离散求解时, 寻找最佳基函数的过程在数学上等价于求样本矩阵F的SVD问题[20]. 采用Matlab中低存储的“svd( )”库函数计算
$$begin{array}{l}mathop {boldsymbol{F}_{M times N}} = mathop {boldsymbol{varPsi }_{M times N}} mathop {boldsymbol{S}_{N times N}} {mathop {boldsymbol{C}_{N times N}}} ^{ m{T}}end{array}$$ | (13) |
其中, 左矩阵
ight)}$
ight)}$
m{dig}}{left( {{s_1},{s_2},cdots,{s_N}}
ight)}$
ight)$
$${xi _n} = {{{lambda _n}}Biggr/{sumlimits_{j = 1}^N {{lambda _j}} }}$$ | (14) |
以及累计能量贡献率
$${eta _n} = {{sumlimits_{i = 1}^n {{lambda _i}} }Biggr/{sumlimits_{j = 1}^N {{lambda _j}} }} $$ | (15) |
另外, 由于各阶POD模态
2.
SGS模型的特性
2.1
平均流场
在分析湍流统计特征时, 为排除初场对统计结果的影响, 取无量纲时间t = 48 ~ 216的流场数据, 对应流体以喷口速度流过2 ~ 9倍的计算域长度, 以计算时间步长
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-2.jpg'"
class="figure_img
figure_type1 bbb " id="Figure2" />
图
2
LDSM模型预测的脉动速度无量纲功率谱
Figure
2.
Dimensionless power spectra of velocity signals predicted by the LDSM
下载:
全尺寸图片
幻灯片
喷流主流流体与环境流体存在速度差, 形成剪切层. 图3所示为喷流剪切层的发展. 考虑喷流中心线速度
m{c}}}$
m{c}}} + {U_0}}
ight)$
ight
angle - {U_{
m{c}}}$
m{c}}} = {U_{
m{c}}} - {U_0}$
ight
angle $
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-3.jpg'"
class="figure_img
figure_type1 bbb " id="Figure3" />
图
3
喷流剪切层的发展
Figure
3.
Developments of the jet shear layer
下载:
全尺寸图片
幻灯片
喷流流体与环境流体的强烈掺混伴随着能量的耗散. 对比5种SGS模型的亚网格尺度平均黏性耗散率, 定义为
m{sgs}}}}}
ight
angle = leftlangle {
ho {tau _{ij}}partial {u_i}/partial {x_j}}
ight
angle $
m{sgs}}}}}
ight
angle $
m{sgs}}}}}
ight
angle $
m{sgs}}}}}
ight
angle $
m{sgs}}}}}
ight
angle $
m{sgs}}}}}
ight
angle $
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-4.jpg'"
class="figure_img
figure_type2 ccc " id="Figure4" />
图
4
对比
m{sgs}}}}}
ight
angle $
Figure
4.
Comparisons of the distribution of
m{sgs}}}}}
ight
angle $
下载:
全尺寸图片
幻灯片
2.2
瞬时流场的涡结构
分析无量纲时间
ight
angle $
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-5.jpg'"
class="figure_img
figure_type1 bbb " id="Figure5" />
图
5
对比
Figure
5.
Comparisons of the iso-surface of
下载:
全尺寸图片
幻灯片
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-6.jpg'"
class="figure_img
figure_type1 bbb " id="Figure6" />
图
6
对比
Figure
6.
Comparisons of the iso-surface of
下载:
全尺寸图片
幻灯片
2.3
速度场的POD模态分析
对5种SGS模型的预测结果进行POD分解. 平行喷流主要表现为x-y平面内的二维流动特征, 因此在湍流统计的流场数据中, 截取三维流场的中心平面(
ight)$
ight
angle }
ight)$
ight
angle }
ight)$
ight
angle }
ight)$
ight
angle $
ight
angle $
ight
angle $
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-7.jpg'"
class="figure_img
figure_type1 bbb " id="Figure7" />
图
7
Figure
7.
Convergency curves of the cumulative energy contribution for the modes of
下载:
全尺寸图片
幻灯片
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-8.jpg'"
class="figure_img
figure_type2 ccc " id="Figure8" />
图
8
脉动速度分量的POD模态的能量贡献率
Figure
8.
Energy contribution rate of POD modes for the fluctuate velocity components
下载:
全尺寸图片
幻灯片
喷流主要表现为流向的动量传递. 对比5种SGS模型预测的流向速度脉动
ight)$
ight
angle $
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-9.jpg'"
class="figure_img
figure_type2 ccc " id="Figure9" />
图
9
流向脉动速度
Figure
9.
Contours of the first-order POD modes of
下载:
全尺寸图片
幻灯片
图10为横向脉动速度
ight)$
ight)$
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-10.jpg'"
class="figure_img
figure_type2 ccc " id="Figure10" />
图
10
横向脉动速度v'的第一阶POD模态云图与面内矢量
ight)$
Figure
10.
Contours of the first-order POD modes of v' and the in plane vector
ight)$
下载:
全尺寸图片
幻灯片
图11为展向脉动速度
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-11.jpg'"
class="figure_img
figure_type2 ccc " id="Figure11" />
图
11
展向脉动速度
Figure
11.
Contours of the first-order POD modes of
下载:
全尺寸图片
幻灯片
onerror="this.onerror=null;this.src='https://lxxb.cstam.org.cn/fileLXXB/journal/article/lxxb/2021/7//21-145-11-1.jpg'"
class="figure_img
figure_type2 ccc " id="Figure11-1" />
11
展向脉动速度
11.
Contours of the first-order POD modes of
下载:
全尺寸图片
幻灯片
在计算效率方面, 表1对比了5种SGS模型的CPU时间, 以SM模型为基准, LDSM, SMSM, CKM, CSM的计算时间分别为SM模型的: 1.64, 1.28, 1.22和1.00倍, 其中LDSM, SMSM以及CKM模型需要进行滤波运算, 因此需要更多的CPU时间, CSM模型的计算时间最接近SM模型.
表
1
每时间步内每网格点所占用的CPU时间
Table
1.
CPU time per grid point per time step
table_type1 ">
SGS models | LDSM | SMSM | CKM | CSM | SM |
CPU time/μs | 1748 | 1371 | 1300 | 1065 | 1064 |
下载:
导出CSV
|显示表格
3.
结 论
本文开展了亚声速可压缩平行喷流的大涡模拟. 在分析平均流动与耗散的基础上, 针对瞬时涡流以及脉动速度POD模态表征的拟序结构, 对SM, CKM, SMSM, LDSM和CSM, 5种SGS模型的性能进行研究, 得出以下主要结论:
(1) 初步揭示了
ight)$
(2) SMSM, LDSM以及CSM均较好地反映出湍流的多尺度特性, 清晰地分辨了小尺度结构的发展过程. 而SM与CKM模型则未能有效地预测湍流中的小尺度涡结构及部分流场特征模态.
(3) 脉动速度场的POD模态对SGS模型的亚网格尺度耗散敏感, 表现为CKM预测的峰值耗散区对应