Particle transport in a turbulent pipe flow: direct numerical simulations, phenomenological modelling and physical mechanisms

湍流 机械 直接数值模拟 物理 颗粒流 粒子(生态学) 阻力 平流 斯托克斯数 对流扩散方程 经典力学 雷诺数 热力学 地质学 海洋学
作者
Tony Zahtila,Leon Chan,Andrew Ooi,Jimmy Philip
出处
期刊:Journal of Fluid Mechanics [Cambridge University Press]
卷期号:957 被引量:7
标识
DOI:10.1017/jfm.2022.987
摘要

In particle-laden turbulent wall flows, transport of particles towards solid walls is phenomenologically thought to be governed by the wall-normal turbulence intensity supporting the underlying particle–eddy interactions that are usually modelled by a combination of turbophoresis and turbulent diffusion. We estimate the turbophoretic and turbulent diffusive coefficients as a function of wall-normal coordinate directly from a generated direct numerical simulation (DNS) database of low volume fraction point particles in a turbulent pipe flow. These coefficients are then used in an advection–diffusion equation to estimate the particle concentration as a function of wall-normal distance and time, with favourable comparison against DNS for smaller Stokes number ( $St^+$ ) particles suggesting a limitation of the common gradient diffusion hypothesis for larger $St^+$ particles. Using DNS we explore the non-trivial effects of $St^+$ , pipe wall condition (particle absorbing or elastic) as well as the influence of drag and lift force on the velocity and particle statistics giving rise to different particle concentrations. We then appraise various Eulerian-based models of turbophoretic and turbulent diffusive coefficients and, finally, use physical insights from Lagrangian correlation times, conditional quadrant analysis and flow topology to shed further light on the particle transport as a function of various parameters and the limits of gradient diffusion hypothesis.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
芒果好高发布了新的文献求助10
1秒前
善学以致用应助Liexinun采纳,获得10
1秒前
傻傻完成签到,获得积分10
2秒前
gaohigh完成签到 ,获得积分10
2秒前
Vincent完成签到,获得积分10
2秒前
zxh完成签到,获得积分10
3秒前
小刘爱读文献完成签到 ,获得积分10
3秒前
廿廿完成签到,获得积分10
3秒前
凤里发布了新的文献求助10
3秒前
调研昵称发布了新的文献求助10
3秒前
4秒前
汉堡包应助kylin采纳,获得10
4秒前
FashionBoy应助健康的幻珊采纳,获得30
4秒前
liyunma发布了新的文献求助10
5秒前
5秒前
在水一方应助迷了路的猫采纳,获得10
5秒前
in完成签到 ,获得积分10
6秒前
leec完成签到,获得积分10
7秒前
Ava应助烂漫的汲采纳,获得10
8秒前
陶醉觅夏发布了新的文献求助10
8秒前
wilson发布了新的文献求助20
8秒前
zy0411发布了新的文献求助10
9秒前
11秒前
12秒前
阳光青烟完成签到,获得积分10
13秒前
14秒前
甜蜜的曼冬完成签到 ,获得积分10
14秒前
小段完成签到,获得积分10
15秒前
酷波er应助磬筱采纳,获得10
16秒前
ssaixx完成签到,获得积分20
16秒前
可乐完成签到 ,获得积分10
17秒前
Geo_new发布了新的文献求助10
17秒前
共享精神应助矮小的聪展采纳,获得10
17秒前
18秒前
18秒前
18秒前
SAN完成签到,获得积分10
19秒前
19秒前
建新发布了新的文献求助10
20秒前
Geo_new完成签到,获得积分10
22秒前
高分求助中
Shape Determination of Large Sedimental Rock Fragments 2000
Sustainability in Tides Chemistry 2000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3129618
求助须知:如何正确求助?哪些是违规求助? 2780387
关于积分的说明 7747813
捐赠科研通 2435722
什么是DOI,文献DOI怎么找? 1294230
科研通“疑难数据库(出版商)”最低求助积分说明 623601
版权声明 600570