Improved SST turbulence model for supersonic flows with APG/separation

雷诺平均Navier-Stokes方程 湍流 超音速 雷诺应力方程模型 Kε湍流模型 湍流动能 湍流模型 K-omega湍流模型 雷诺应力 机械 唤醒 计算流体力学 物理 雷诺分解 统计物理学
作者
Chao Wang,Mingbo Sun,Yixin Yang,Hongbo Wang,X. Liu,Dapeng Xiong,Yanan Wang
出处
期刊:Computers & Fluids [Elsevier]
卷期号:274: 106237-106237 被引量:4
标识
DOI:10.1016/j.compfluid.2024.106237
摘要

A goal in modeling the turbulent flows in computational fluid dynamics is to find an empirical yet universal model to address the complex scenarios. Menter's Shear Stress Transfer (SST) [1] is a Reynolds-Averaged Navier-Stokes (RANS) based two-equation turbulence model and has been one of the most widely used turbulence models for numerical simulation of viscous flows. However, in some practical cases on supersonic, the standard SST model shows unsatisfactory prediction of flow separation and the often underestimation of Reynolds stress. The error mainly comes from the inappropriate use of Bradshaw's assumption which is proposed under turbulent kinetic energy (TKE) equilibrium flow conditions. This paper proposes an improved SST turbulence model which combines the structural parameter with the ratio of the turbulence generation term to the dissipation term and imposes a mixing function to correct the logarithmic and wake parts of the region. Several supersonic test cases are carried out to verify the new model. The calculation results show that the new model exhibits better performance in capturing the separation zones than the baseline model (BSL) and the standard SST model.
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
刚刚
1秒前
1秒前
1秒前
1秒前
彭于晏应助科研通管家采纳,获得10
3秒前
隐形曼青应助科研通管家采纳,获得10
3秒前
加菲丰丰应助科研通管家采纳,获得10
3秒前
桐桐应助科研通管家采纳,获得10
3秒前
爆米花应助科研通管家采纳,获得10
3秒前
pooolw发布了新的文献求助10
4秒前
wanci应助科研通管家采纳,获得10
4秒前
烟花应助科研通管家采纳,获得10
4秒前
4秒前
4秒前
跳跃仙人掌应助不高兴采纳,获得20
4秒前
5秒前
一路生花发布了新的文献求助10
5秒前
酷炫服饰完成签到,获得积分20
6秒前
落日飞鱼关注了科研通微信公众号
7秒前
黄宇腾发布了新的文献求助10
7秒前
王先森发布了新的文献求助20
8秒前
9秒前
酷炫服饰发布了新的文献求助10
9秒前
马雪荣关注了科研通微信公众号
10秒前
调皮的啊啊啊完成签到 ,获得积分20
15秒前
16秒前
SciGPT应助雯雯采纳,获得10
18秒前
19秒前
丘比特应助杨y123采纳,获得10
21秒前
落日飞鱼发布了新的文献求助10
21秒前
22秒前
pooolw完成签到,获得积分10
22秒前
Randy完成签到,获得积分10
23秒前
所所应助FZY采纳,获得10
23秒前
JamesPei应助黄宇腾采纳,获得10
24秒前
26秒前
Randy发布了新的文献求助10
27秒前
叙温雨发布了新的文献求助10
31秒前
科研通AI2S应助啦啦啦采纳,获得10
31秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
China's Relations With Japan 1945-83: The Role of Liao Chengzhi 400
Classics in Total Synthesis IV 400
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 3149387
求助须知:如何正确求助?哪些是违规求助? 2800406
关于积分的说明 7840028
捐赠科研通 2458019
什么是DOI,文献DOI怎么找? 1308162
科研通“疑难数据库(出版商)”最低求助积分说明 628456
版权声明 601706