Ansys Fluent文档—理论篇:湍流模型(二)—Spalart-Allmaras 模型
2.1概述
Spalart-Allmaras模型是一个单方程模型,通过求解运动涡流(湍流)粘度的模拟输运方程进行工作。该模型专为涉及壁面流动的航空航天应用而设计,已被证明在承受逆压梯度的边界层计算中能提供良好结果。
Spalart-Allmaras模型在原始形式下本质是一种低雷诺数模型,要求边界层中受粘性影响的区域必须被充分解析(需采用y+~1网格)。在Fluent中,该模型通过y+不敏感的壁面处理方式进行扩展,使得模型应用不再依赖于近壁面y+分辨率。该公式基于y+自动实现从粘性底层公式到对数公式的平滑过渡。在中等网格下(1<y+<30),该公式能保持其完整性,并提供一致的壁面剪切应力和传热系数。虽然消除了对y+的敏感性,但仍需确保边界层具有至少10-15个网格单元的最小分辨率进行解析。
Spalart-Allmaras模型专为空气动力学流动而开发。该模型未针对一般工业流动进行校准,在某些自由剪切流动(尤其是平面和圆形射流)中会产生较大误差。此外,该模型无法可靠预测均匀各向同性湍流的衰减过程。
2.2 Spalart-Allmaras模型的输运方程
Spalart-Allmaras模型中的输运变量与湍流运动粘度相同,除了在近壁(受粘性影响的)区域外。修正湍流粘度的输运方程为:
其中是湍流粘度的生成项,是由于壁面阻塞和粘性阻尼在近壁区域产生的湍流粘度耗散项。和是常数,v是分子运动粘度。是用户自定义的源项。需要注意的是,由于Spalart-Allmaras模型不计算湍流动能k,因此在估算雷诺应力时会忽略1.4节公式中的最后一项。
2.3湍流粘度的定义
湍流粘度μt由下式计算得出:
其中粘性阻尼函数fv1由下式给出:
2.4湍流生成建模
生成项Gv被构建为:
其中
Cb1和κ是常数,d表示与壁面的距离,S是变形张量的标量度量。在Fluent中默认设置下,如同Spalart和Allmaras最初提出的模型一样,S基于涡量的大小:
其中Ωij是平均旋转速率张量,其定义为:
默认表达式中S的合理性在于,对于剪切流动,涡度和应变率是相同的。涡度的优势在于在无粘流区域(如滞止线)中为零,而这些区域中由应变率产生的湍流可能不符合物理实际。
这一修改在定义S时结合了涡度和应变张量的度量:
其中
平均应变率Sij,定义为:
同时考虑旋转张量和应变张量会减少涡粘度的产生,因此在涡度度量值超过应变率的区域,涡粘度会降低。涡流(即靠近涡旋核心的流动)就是一个例子,该区域承受纯旋转作用,湍流在这种条件下会受到抑制。同时包含旋转张量和应变张量能更准确地描述旋转对湍流的影响。默认选项(仅包含旋转张量)容易高估涡粘度的产生,从而高估涡旋内部的涡粘度。可以在“粘性模型”对话框中选择用于计算生成项的修正形式。
2.5湍流耗散建模
湍流耗散项定义为:
其中
、和是常数。需要注意的是,上述为包含平均应变对的影响而进行的修正,同时也会影响用于计算的值。
2.6模型常数
模型常数、、、、、、和具有以下默认值:
2.7壁面边界条件
在Fluent中,Spalart-Allmaras模型通过一种对y+不敏感的壁面处理方式进行扩展,会自动将来自粘性子层公式的所有解变量进行融合。
根据y+值对应的对数层值:
其中u是平行于壁面的速度,uτ是摩擦速度,y是到壁面的距离,κ是冯·卡门常数(0.4187),E=9.793。
这种混合方法经过校准,覆盖缓冲区(1<y+<30)中的中间y+值。
(1)适用于结冰模拟的Spalart-Allmaras模型处理方法
在标准Spalart-Allmaras模型方程的基础上,采用波音扩展模型来考虑壁面粗糙度的影响。估算输运变量(直接从S-A方程求解所得)的非零壁面值,该模型通过将壁面条件替换为=0形式,以模拟粗糙度效应:
其中n是壁面法线方向,dw是壁面与近壁第一层网格之间的最小单元到面距离,d0(hs)是根据局部粗糙度高度hs引入的用于施加偏移量的长度:
对于壁面湍流运动粘度,vt,w,按以下方式获得:
其中fv1是Spalart-Allmaras模型中的标准模型函数。当粗糙度效应较强时,壁面处的湍流粘度应远大于层流粘度,此时fv1趋近于1,因此:
κ是冯·卡门常数,而uτ是壁面摩擦速度:
此外,为在较小粗糙度下获得良好预测结果,Aupoix与Spalart提出应通过修正Spalart-Allmaras模型方程fv1中的χ来改变函数:
2.8对流热质传递建模
在Fluent中,湍流热传递采用雷诺类比于湍流动量传递的概念进行构建。能量方程如下:
在此情况下,表示热导率,表示总能量,表示偏应力张量,其定义为:
参考资料:《Ansys Fluent Theory Guide》 2023R1
CFD理论基础合集(持续更新中):
特别感谢您的阅读、点赞、转发、推荐!
夜雨聆风
