Your browser does not seem to support JavaScript. As a result, your viewing experience will be diminished, and you have been placed in read-only mode.
Please download a browser that supports JavaScript, or enable it if it's disabled (i.e. NoScript).
它的网格尺度h越小(图2),计算的阻力跟实验值比偏大,当h值稍微大一点,阻力值和实验室相匹配
有数据的话贴一下数据
老师,这里的h就是那个阻碍面的网格尺度,这里h的值是从小往大递增的过程,因为整个仿真的计算域是固定的,随着第一层网格尺度越来越大,我们选用1.2的比例递增,整体网格数随之逐渐降低; 这里涡的大小和阻力系数(Cd)是匹配的,水池实验的值给出的Cd=1.2,当我的Cd=1.21272时,这个涡和水池实验的尺度一样,而当h比较小时,例如 h=0.002时,Cd=1.39偏大,涡也是大的,不知道这是什么情况,需要怎么解释呢? 非常感谢老师
@李东岳 老师,您看这么描述可以不,还有什么需要我补充的不
2D RANS?
@李东岳 对对,老师,就是2D的RNG k-e
我看你h越小,涡越大,但总不能一直变大。同时你的网格很少,才10000多,你弄到5万,10万,你看能达到一个跟网格分辨率无关的涡大小么
@李东岳 好的,老师,我试试
@Zhoujq 有什么进展么
@李东岳 老师,网格加密后,发现了更多的问题, 我这个案例一共4种吃水,吃水的影响对于网格的要求特别大,我在加紧做更多的测试,我准备做完后整理成文档,然后我就正式拜师学艺啦,想想都激动,终于快到这个时候了 这个前期的准备够长的,本来想做三维的,结果周期太长了,这是个战略上的失误,这次二维的先把规律做出来
@Zhoujq 是VOF么。VOF的话2D跟3D区别挺大的。
@李东岳 是的,老师,是VOF,选用的RNG k-e。 目前来看2D的计算快一些,还是有一些规律能总结出来和PIV的数据对比较好,但是中间一些细节的论证还有些问题,和三维确实差距大,尤其是吃水越深差距越大。等我把这些问题解决了,到时候把结果和规律放在这里,同大家一起学习,同时感谢老师的提携和大力的帮助
@Zhoujq 同学你好,期待你的整理,比较关注跟PIV数据的对比(话说能不能额外提供一些细节呢 )
说明前期没收敛啊,网格无关性是要做的