流速比对颗粒在液固两相平板混合层中沉降的影响

本文采用流动显示的方法对平板混合层中上下层流体速度比对固体颗粒在混合层中沉降的影响进行了研究。实验中分别采用粒径小于 ４０ ｕｍ,粒径 ９８～１０４ｕｍ,粒径 １５４～１６０ｕｍ的玻璃微珠以及环氧树脂作为固相颗粒,对这些颗粒在速度比分别为１：１．２、１：２和１：２．８的液相混合层中的运动进行了显示。结果表明混合层中大涡结构对固体颗粒的沉降具有迟滞作用,其作用程度取决于混合层中上下层流体速度比。速度比越大,颗粒的沉降越慢。     

两相平板混合层流动的双向耦合离散涡法数值模拟

提出了一种新的双向耦合离散涡方法,其能方便地将颗粒对流场的作用结合进离散涡模拟中,同时又不破坏离散涡方法固有的优点。采用这种方法对两相平板混合层流动进行了数值模拟。模拟结果表明,在颗粒作用存在的情况下,混合层流动仍能保持良好的自相似性,其动量厚度沿流向仍呈线性发展,说明颗粒不影响大涡结构间配对与合并的随机性。同时,颗粒对混合层流动高速端自由流有阻滞作用,并会使连续相湍流衰减。     

混合层流动的格子涡方法数值模拟

采用格子涡方法对二维平板混合层流动进行了数值模拟,重点考察了格子涡方法定量模拟混合层流动流场下游不同流向位置各湍流统计平均量的能力。模拟结果表明:除横向脉动速度均方根比实验值大外,混合层流动在下游不同流向位置的流向平均速度,流向脉动速度均方根和雷诺应力的模拟结果都与实验结果定量符合得很好。此外,模拟结果还很好地反应出混合层流动的自相似性质。从而表明,格子涡方法具有对空间发展混合层流动进行较精确的定量模拟的能力。     

两相混合层中颗粒运动的数值模拟

本文采用离散涡方法对平板混合层流动进行了数值模拟,得到了与实验完全定量符合的速度场。再用单向耦合方法模拟了混合层流场中颗粒的运动。分析了混合层流动中大尺度涡结构及Ｓｔｏｋｅｓ数对颗粒扩散的影响。与前人工作中所采用的每个时间步一个颗粒在固定的位置进入计算域的方法不同,本文中每个时间步有多个颗粒在入口处以随机的横向位置进入计算域。因此,在不需增加太多计算量的基础上,计算域中可以包含足够多的颗粒以获得较精确的统计结果。采用本文方法得到的颗粒速度场与实验结果定量符合得很好。     

基于龙格库塔法的多输出物理信息神经网络模型

物理信息神经网络(physics-informed neural networks, PINN)由于嵌入了物理先验知识,可以在少量训练数据的情况下获得自动满足物理约束的代理模型,受到了智能科学计算领域的广泛关注.但是, PINN的离散时间模型(PINN-RK)无法同时近似多个物理量相互耦合的偏微分方程系统,限制了其处理复杂多物理场的能力.为了打破这一限制,文章提出了一种基于龙格库塔法的多输出物理信息神经网络(multi-output physics-informed neural networks based on the Runge-Kutta method, MO-PINN-RK), MO-PINN-RK模型在离散时间模型的基础上采用了并行输出的神经网络结构,通过将神经网络划分为多个子网络,建立了多个神经网络输出层.采用不同输出层近似不同物理量的方式, MO-PINN-RK模型不仅可以同时表征多个物理量,而且还能够实现求解偏微分方程系统的目的.另外, MO-PINN-RK克服了PINN离散时间模型仅适用于一维空间的局限性,将其应用范围扩展到了更为普遍的多维空间.为了验证MO-PIN...