INTRODUCCION A LA DINAMICA DE FLUIDOS 1.

Campo de velocidad
En dinmica de fluidos, el flujo de velocidad, o campo de velocidad, de un fluido es un campo del vector que se utiliza para describir matemticamente el movimiento de un fluido. La longitud del vector de velocidad de flujo es la velocidad del flujo.

1.1. Definicin
La velocidad de flujo u de un fluido es un campo del vector

que da la velocidad de un elemento de fluido a una posicin x y el tiempo t. El q de la velocidad de flujo es la longitud del vector de velocidad de flujo

y es un campo escalar.

1.2. Utiliza
La velocidad de flujo de un fluido con eficacia describe todo sobre el movimiento de un fluido. Muchas propiedades fsicas de un fluido se pueden expresar matemticamente en trminos de la velocidad de flujo. Algunos ejemplos comunes siguen: Flujo constante El flujo de un fluido se dice que es constante, si usted no vara con el tiempo. Es decir si

Flujo incompresible

Un fluido es incompresible si la divergencia de ustedes es cero:

Es decir, si usted es un campo vectorial solenoidal. Flujo irrotacional Un flujo es irrotacional si el rizo de ustedes es cero:

Es decir, si usted es un campo vectorial irrotacional. Un flujo en un dominio simplemente conectado que es irrotacional puede describirse como un flujo potencial, mediante el uso de un potencial de velocidad con Si el flujo es irrotacional e incompresible, el Laplaciano

de la velocidad potencial debe ser cero: Vorticidad Vorticidad, , de un flujo puede definirse en trminos de su velocidad de flujo por

Por lo tanto en flujo irrotacional la Vorticidad es cero.

1.3. El potencial de velocidad

Si un flujo irrotacional ocupa una regin lquida simplemente conectado, entonces existe un campo escalar tal que

El campo escalar se llama la velocidad potencial del flujo.

Figura 3.1 campo de velocidad Campo de velocidad implica una distribucin de la velocidad en la voz de la regin R (Fig.3.1). Se denota en una forma funcional como V(x,y,z,t) lo que significa la velocidad es una funcin de lo espacial y coordenadas de tiempo. Es til recordar que estamos estudiando flujo de fluidos bajo la hiptesis del continuo que nos permite definir la velocidad en un punto. Ms velocidad es una cantidad vectorial, es decir, tiene una direccin junto con una magnitud. Esto est indicado por el campo de velocidad como de la escritura

(3.1) Velocidad puede tener tres componentes, uno en cada direccin, es decir, u, v y w en x, y y z direcciones respectivamente. Suele escribir como

(3.2)

Est claro que cada uno de ustedes, v y w puede ser funciones de x, y, z y as t.

(3.3) Tambin cada una de las variables involucradas en un fluido puede dar una representacin sobre el terreno. Tenemos campo de temperatura, T(x,y,z,t), campo, p(x,y,z,t), campo de densidad de la presin.

1.4. Campo de aceleracin

Otro parmetro importante en el estudio de fluidos en movimiento es la aceleracin. Aceleracin se relaciona con la velocidad, y puede determinarse una vez conocido el campo de velocidad. La aceleracin es el cambio de velocidad, V, sobre el cambio en el tiempo, t, a = [dV (t + ) - dV(t)] / t = V/t = dV/dt Pero no es slo un simple derivado del tiempo justo ya que la velocidad es una tiempo de funcin, espacio y (x, y, z). El cambio de velocidad debe ser pista en tiempo y espacio. Usando la regla de la cadena del clculo, es el cambio de velocidad,

Esto puede simplificado con u, v y w, las magnitudes de la velocidad en las tres direcciones coordenadas. En coordenadas cartesianas, el campo de la aceleracin es

Esta expresin puede ser ampliada y reorganizada como

La ecuacin de la aceleracin puede escribirse tambin en coordenadas polares y figuran en el apndice de ecuaciones bsicas.

1.5. MATERIAL derivado

El derivado del tiempo y el espacio utilizado para determinar que el campo de la aceleracin de la velocidad es tan comn en mecnica de fluidos, tiene un nombre especial. Se llama el Material o sustancial derivado y tiene un smbolo especial, D () / despegue. Para coordenadas cartesianas, es

o en forma de vector,

donde

es el operador gradiente. De la ecuacin anterior, se aprecia que el

derivado material consta de dos trminos. El (primer) el contorno de trmino / contorno se conoce como la tasa local de cambio, y representa el efecto de la inestabilidad. Para flujo continuo, se desvanece el derivado local (es decir, de contorno () / contorno = 0).

El segundo trmino,

, se denomina la tasa convectiva del cambio y

representa la variacin debido al cambio en la posicin de la partcula de fluido, se mueve a travs de un campo con un gradiente. Si no hay ningn gradiente (no se cambia espacial) entonces convectiva. Como ejemplo, la ecuacin de campo de aceleracin puede escribirse como es cero, no hay ningn cambio

1.6. AS de campos del VECTOR velocidad campos

Ahora le damos una interpretacin particular de campos del vector. Un campo del vector expresado utilizando (8,10) se puede utilizar para definir un conjunto de ecuaciones diferenciales de primer orden como

(8,11) Cada ecuacin representa el derivado de una coordenada con respecto al tiempo. Para cualquier punto como , un vector de la velocidad se define

(8,12)

Esto permite f debe interpretarse como un campo de velocidad. Se acostumbra utilizar la notacin corta velocidad puede ser acortado a . Cada componente de la . Usando f para denotar el vector

de funciones f1,..., fn(8.11) puede estar en corto circuito a

(8.13) El uso de f aqu es una coincidencia intencional con el uso de f para la ecuacin de la transicin de estado. En la parte IV, permitiremos campos del vector a parametrizar por acciones. Esto conduce a una ecuacin de transicin de estado tiempo continuo que parece y es muy similar a las

ecuaciones de transicin definidas sobre etapas discretas en el captulo 2. El diferencial ecuaciones expresadas en (8,11) se refieren a menudo como autnoma o estacionaria porque f no depende del tiempo. Tambin podra definirse un campo del vector varan con el tiempo, que los rendimientos . Esto no se cubrirn, sin embargo, en este captulo. Velocidad en un momento dado se define como la velocidad instantnea del fluido partcula, que en un instante dado est pasando por el punto. Est representado por V=V(x,y,z,t). Vectorially, V = ui + vj + wk donde u, v, w son tres componentes escalares de velocidad en x, y y z direcciones y (t) es el tiempo. Velocidad es una cantidad del vector y campo de velocidad es un campo del vector.

2. EULER y Lagrange mtodos

En dinmica de fluidos y deformacin finito plasticidad la especificacin mecnica lagrangiana del campo de flujo es una forma de mirar el movimiento fluido donde el observador sigue una parcela individual de fluido que se desplaza por el espacio y el tiempo.[1][2] Trazar la posicin de una parcela individual a travs del tiempo, le da la pathline de la parcela. Esto puede visualizarse como sentado en un barco y a la deriva por un ro. La especificacin de Eulerian del campo de flujo es una forma de mirar el movimiento fluido que se centra en lugares especficos en el espacio a travs del cual el lquido fluye como pasa el tiempo. Esto puede visualizarse sentado en la orilla de un ro y viendo el paso de agua la ubicacin fija. Las mecnica lagrangiana y Eulerian especificaciones del campo de flujo son a veces libremente denota como marco de referencia mecnica lagrangiana y eulerianos. Sin embargo, en general la mecnica lagrangiana y la Eulerian especificacin del campo de flujo puede aplicarse en el marco de referencia de cualquier observador y en cualquier sistema de coordenadas utilizado en el marco de referencia solicitada.

2.1. Descripcin
En la especificacin de Eulerian del campo de flujo, las cantidades de flujo se describe como una funcin de la posicin x y el tiempo t. especficamente, el flujo se describe por una funcin

dando la velocidad de flujo en la posicin x en el tiempo t. Por otra parte, en la especificacin de Lagrange, parcelas individuales de fluido se siguen a travs del tiempo. Las parcelas del fluido estn etiquetadas por algunos a. de campo (independiente del tiempo) vector (a menudo, una es elegido para ser el centro de la masa de las parcelas en algn tiempo inicial t0. Es elegido de esta manera particular para tomar en cuenta los posibles cambios de la forma con el tiempo. Por lo tanto el centro de masas es una

buena parametrizacin de la velocidad v de la parcela). En la descripcin lagrangiana, el flujo es descrito por una funcin

dar la posicin de la parcela con la etiqueta una en el tiempo t. La especificacin de dos se relacionan con lo siguiente:

porque ambos lados describen la velocidad de la parcela con la etiqueta una en el tiempo t. Dentro de un sistema de coordenadas elegido, a y x se conocen como las coordenadas de Lagrange y Eulerian coordenadas del flujo.

2.2. Sustancial derivado

Est relacionados con las mecnica lagrangiana y Eulerian especificaciones de la cinemtica y dinmica del campo de flujo por el sustancial derivado (tambin llamado el Lagrangiano derivado, derivado de la conveccin, material derivado o derivado de la partcula).[1] Supongamos que tenemos un campo de flujo con Eulerian especificacin v y tambin se nos da alguna funcin F(x,t) definidos para cada posicin x y cada tiempo t. (por ejemplo, F podra ser un campo de fuerza externo, o la temperatura.) Ahora uno podra preguntarse sobre la tasa total de cambio de F experimentada por una parcela de flujo especfico. Esto puede ser computado como

(donde denota el gradiente con respecto a x y el operador v debe ser aplicada a cada componente de f el.) Esto nos indica que la tasa total de

cambio de la funcin F las parcelas del fluido se mueve a travs de un campo de flujo descrito por su Eulerian especificacin v es igual a la suma de la tasa local de cambio y la tasa convectiva de cambio de f el. Esto es una consecuencia de la regla de la cadena, ya que estamos diferenciando la funcin F(X(a,t),t) con respecto a t.

2.3. Mtodos de LANGRANGIAN-EULERIANOS

Williams desarrollaron la ecuacin fundamental aerosol basada en una descripcin lagrangiana de las gotitas de roco [8] utilizando la funcin de distribucin de la gota. Enfoques analticos basados en la reduccin de una ecuacin de Liouvillelike a una funcin de distribucin de oneparticle han sido desarrollados para suspensiones de particleladen [9] y burbujeante fluye [27]. O ' Rourke desarroll el mtodo LE para aerosoles por acoplamiento explcitamente la ecuacin de ddf Williams a una descripcin Eulerian de las ecuaciones de gasphase media, y deriva los trminos de intercambio de la interfase en trminos integrales sobre el ddf. A hito en la evolucin del mtodo LE es el trabajo pionero de O'Rourke y el impulso que desarroll una implementacin numrica del mtodo LE para aerosoles en aplicaciones de motores de combustin interna que ahora es ampliamente utilizado como la familia KIVA de cdigos. Estas obras sentaron las bases del moderno enfoque LE y establecieron los principios sub models para describir la fsica de la aceleracin de la gotita, vaporizacin, colisiones, coalescencia y desintegracin. Estas vias acoplado clculos fueron un avance importante sobre cmputos anteriores de Megahertz juntada, que son esencialmente los algoritmos de seguimiento Lagrangiano. Dukowicz desarroll un modelo numrico de vias acoplado uid de partculas de aerosoles que incluye acoplamiento de impulso y volumen desplazamiento eects. Los mtodos LE tratados hasta el momento seguimiento de Lagrange del par de partculas computacionales a una descripcin del flujo de portador basado en ecuaciones de Reynoldsaveraged NavierStokes (RANS). Sin embargo,

es posible utilizar el enfoque LE para acoplar una descripcin lagrangiana de la fase dispersada con simulaciones de remolino grande (LES) o la simulacin numrica directa (DNS) de la fase de gas portador, resultando en las siguientes categoras principales de mtodos LE: (1) Fullyresolved DNS (FR-DNS) de gota o flujo de partculas cargadas donde se resuelven las ecuaciones de Navier-Stokes exactas por resolver completamente la gotita o partcula mediante la imposicin de condiciones de contorno en cada partcula o superficie de la gota: FR-DNS en el cuadro 1 (2) Punto-partcula DNS (PP-DNS) con fsicas gotas o partculas: PP-DNS(p) en la tabla 1 (3) PP-DNS con partculas estocsticas [48]: PP-DNS(s) en la tabla 1 (4) Puntos partculas LES con gotitas fsicas [49,50]: LES(p) en la tabla 1 (5) Punto partculas LES con partculas estocsticas [incluso]: LES(s) en la tabla 1 (6) Un promedio de ecuaciones: RANS CFD en la tabla 1 El principal diERENCIA entre FR-DNS y DNS PP es que mientras el primero se puede utilizar para cuantificar los modelos de interfase, PP-DNS requiere modelos asumidos para trminos de transferencia de interfase como vaporizacin de aceleracin y gotita de la partcula. En PP-DNS puede hacerse una distincin ms si las partculas computacionales o parcelas se utilizan para representar el sistema fsico. En los estudios LES esta distincin es menos importante, puesto que las partculas o gotas siempre obedecen ecuaciones modeladas para la transferencia de la interfase debido a la vaporizacin o arrastre. El tratamiento de colisiones puede utilizarse tambin para categorizar LE mtodos como aquellos que emplean un tratamiento estadstico de colisiones en contraste con el clculo directo de colisiones entre las partculas con cualquiera de los dos choques de hard sphere volumen baja fraccin o softsphere elemento discreto mtodo (DEM) colisin para modelos fraccin de

alto volumen. SoftSphere DEM colisin modelos son utilizados en la simulacin de LE de camas uidized.

2.4. Representacin del flujo de MULTPHASE

Se describen las principales representaciones matemticas de multifase fluye por lo que el enfoque LE puede entenderse en este contexto ms amplio. Esto nos lleva al principio de modelado de consistencia: especficamente, el desarrollo de LE submodels que son consistentes con la teora de two uid EE. Tambin da penetracin en comparacin significativa de LE simulaciones con resultados del experimento y simulacin numrica directa. Por ltimo, muestra las extensiones en el enfoque LE deba una representacin exacta de los fenmenos fsicos como la concentracin preferencial y clustering. Una descripcin estadstica de multifase fluye es til para representar la variabilidad estadstica en congurations de las partculas de la fase dispersa o gotas. Tambin a diferencia de fase sencilla fluye, los campos de velocidad y presin incluso en laminar fluye multifase muestran variabilidad estadstica y significativo estn representados por campos al azar. A pesar de las similitudes entre la teora estadstica de multifase fluye y la de flujo turbulento de fase sencilla, de hecho hay muchos importantes diERENCIAS. Enfoques estadsticos a flujo multifase pueden ser clasificadas en base a tres critiera: (i) si cada fase est representada con un campo aleatorio o estocstico punto Descripcin del proceso 3, (ii) si cada fase se representa en un marco de referencia Euleriano o Lagrange y (iii) el nivel de cierre en la teora estadstica. Como se muestra en la figura 1, los dos enfoques principales son: enfoque de campo (i) el azar en el que ambos dispersin y fases de portador se representan como campos al azar en el marco de Eulerian y (ii) el proceso de punto de enfoque en el que la fase dispersa es representado como un proceso estocstico de punto en el marco de la mecnica lagrangiana y la fase de portador representado como un campo aleatorio en el marco de eulerianos. El enfoque de campo al azar en el nivel de cierre de momentos conduce a la

teora de twouid EE volumeaveraged variantes [60] y ensembleaveraged [10,11]. El enfoque LE corresponde a un encierro del enfoque de procesos de punto a nivel del ddf o FDN, con la fase de portador en un marco de Eulerian a travs de un cierre RANS, LES o DNS. En las subsecciones siguientes, el enfoque LE se desarrolla en el contexto de esta familia de teoras estadsticas de flujo multifsico.

2.4.1. Flujo de la realizacin de un MULTIFASE

La base de cualquier teora estadstica se basa en la definicin de la de realizaciones (o eventos) de conjunto de para que la medida de la probabilidad es delimitado. La figura 1 muestra la descripcin de una realizacin de un flujo multifase en el campo aleatorio y descripcin de procesos de punto. A continuacin una breve descripcin de estas dos representaciones estadsticas principales de multifase fluye.

2.4.2. EULERIAN representacin de ambas fases

2.4.2.1. Descripcin de campo aleatorio

En teoras estadsticas de flujo monofsico turbulento, el campo de velocidad Eulerian se representa como un campo del vector aleatorio [61]. Un enfoque similar se puede adoptar para two phase fluye, pero adems el campo de velocidad (y presin) es necesario especificar la ubicacin y la forma de los elementos de la fase dispersa de 9also. El campo de velocidad U (x, t; ), que est definido en ambas fases termodinmicas, es un campo del vector que es definido en cada punto x en el dominio de flujo en el espacio fsico, en la realizacin de th. Los elementos de dispersedphase en esa misma comprensin igualmente son descritos por un campo de indicador de dispersedphase Id (x, t; ), que es la unidad de todos los puntos dentro de los elementos dispersedphase que figuran en el dominio de flujo y cero exterior. Teoras estadsticas de representaciones random eld requieren la consideracin de las funciones de densidad de multipunto robability conjunta, y stos no se han producido en los modelos de ingeniera manejables incluso para flujo turbulento de fase sencilla [61 63]. Edwards presenta un intento de formular tal teora para multifase fluye [64], pero no manejables modelos han surgido en base a esta teora. La teora multipunto ms simple basada en la representacin de randomeld que es til a los modeladores es una representacin de twopoint. Una descripcin estadstica de twopoint integral de two phase fluye basado en la representacin del campo al azar puede encontrarse en Sundaram y Collins [65]. Sin embargo, incluso esta teora de la twopoint debe extenderse a estadsticamente no homognea fluye antes de que se puede aplicar a problemas realistas. Incluso en el caso homogneo el twopoint resultante ecuaciones conducen a muchos trminos no cerradas que necesitan modelos de cierre. Por ltimo, eciente computacional implementaciones deben formularse antes de la aplicacin prctica de la teora de two point se

puede observar. Por lo tanto, la mayora de modelos de ingeniera actualmente dependen de una teora ms simple de single point.

2.4.2.2. Teora de dos fluidos

Si se considera la informacin estadstica en slo nico espacio-tiempo en lugar (x, t) de la representacin de random eld, esto resulta en un singlepoint Eulerian Eulerian twouid teora. En este caso las estadsticas del campo de velocidad U (x, t; ) y el campo de indicador de dispersedphase Id (x, t; ), se consideran en un lugar nico espacio-tiempo, es decir, que el campo de indicador se reduce a una funcin de indicador. La funcin de la velocidad y el indicador puede ser tratada como variables aleatorias (o vector aleatorio en el caso de la velocidad) parametrizadas por variables de espacio y tiempo. Las ecuaciones promedio resultante de este enfoque se describen en Drew [10] y Drew y Passman [11]. El singlepoint EulerianEulerian teora puede ser desarrollado en el nivel ms fundamental de las funciones de densidad de probabilidad tambin, y esta teora se describe en el Pai y Subramaniam [13].

2.4.3. Representacin de Lagrange de la fase DISPERSA

Un enfoque alternativo es describir la dispersedphase que consiste en partculas slidas Ns o pulverizar gotas utilizando coordenadas

lagrangianas {X(i) (t), v (i) (t), R(i) (t), i = 101,..., Ns(t)}, donde X(i) (t) denota la posicin del elemento de dispersedphase de th en el tiempo t, v (i) (t) representa su velocidad y R(i) (t) su radio. Propiedades adicionales pueden incluirse en las variantes de esta representacin sin prdida de generalidad. El desarrollo riguroso de una teora estadstica de multifase fluye [66] utilizando el enfoque lagrangiano se basa en la teora de procesos estocsticos punto [67], que es considerablemente didiferentes de la teora de campos al azar [61,68,69] que forman la base para el enfoque de Eulerian eulerianos. Tal teora de multifase fluye no es una extensin trivial

de las teoras estadsticas para fluye turbulento de fase sencilla, pero de hecho tiene una relacin ms estrecha con la teora clsica de la cintica de gases y su extensin a granulares gases [70] y el caudal de gas-slido [9].

2.4.4. Descripcin del proceso de punto

Teora de procesos estocsticos punto [67,71,72] permite la descripcin estadstica de objetos noncontiguous que se distribuyen en el espacio, tales como partculas slidas o pulverizar gotas, como un proceso de punto. Esto proporciona los fundamentos matemticos necesarios para describir las estadsticas de partculas slidas o gotitas de aerosol. La teora del punto marcado procesos permite asignar el tamao de la partcula o gota como una "marca" o etiqueta a la ubicacin de la partcula o gota. De esto est claro que teora de procesos estocsticos punto no requiere que las gotas de Roco ser modelados como punto-partculas que corresponden a las fuentes de -funcin de la masa y el impulso. Sin embargo, existe una idea generalizada en la literatura de aerosol que modelos de procesos de punto implican modelos punto de partcula. El proceso estocstico punto ms sencillo es el proceso de Poisson homogneo caracterizado por la total independencia entre la distribucin de puntos, se muestra un ejemplo de que en la figura 2. Esto no es un buen modelo de partculas o gotas de tamao limitado, porque la propiedad de independencia permite vecinos partculas o gotas se superponen (ver Fig. enajenarse. Un modelo de proceso analtico punto mejor para diluir multifase fluye es la Matern proceso de Hard-Core, que se obtiene por reduccin (o poda) se superpone desde el modelo de Poisson. Se muestra un ejemplo del proceso de Hard-Core Matern obtenido por enrarecer el proceso de Poisson de Fig. 2 en 2 (Fig. b). La ventaja de los modelos matemticos como el proceso de Matern Hard-Core es que sus propiedades estadsticas, tales como densidad y correlacin de par (ver Fig. 3), son conocidos analticamente. Es interesante comparar la distribucin espacial de las partculas de simulacin con estos modelos de proceso

analtico punto. C de la figura muestra la distribucin espacial del equilibrio obtenido colisiones siguientes partculas elstico utilizando un modelo DEM softsphere, y su funcin de correlacin par correspondiente se muestra en la figura 3. Hay una mayor probabilidad de encontrar vecinos dentro de 2 dimetros de partculas de la simulacin DEM en comparacin con el modelo de Matern. Aunque estos modelos de proceso de punto son idealizados representa-ciones de multifase fluye, proporcionan un marco conceptual til analizar experimental y los datos de simulacin. La representacin estadstica de un flujo multifase como un proceso de punto ha sido formulada por Subramaniam [66]. Se muestra que la caracterizacin completa de todos los eventos multi-particle requiere la consideracin de los pdf de Liouville (vase Fig. 1), y puede establecerse una jerarqua similar a la jerarqua BBGKY [73] multifase fluye as [66].

2.4.4.1. Representacin completa de la fase de DSIPERSED como un proceso de punto

Un resultado clave de la teora de la pointprocess de multifase fluye [66] es la descripcin estadstica de pointprocess completa. Se trata de especificar la secuencia de probabilidades para los eventos [Ns = k], k 1, que se denota PK = P [Ns = k], k 1, (1) y la secuencia correspondiente de symmetrized densidades de Liouville fsymNs = k (x 1, v1, r1,..., xk, vk, rk; t), k 1. (2) Esta descripcin estadstica completa de proceso de punto de un flujo multifase entonces se relaciona con funcin de distribucin de gota Williams (ddf) a travs de la singleparticle sustituto pdf. El pdf de sustituto de singleparticle es definido en trminos of13the

simetrizndolos de densidad de probabilidad de Liouville, de manera anloga a la densidad de probabilidad de singleparticle en la jerarqua

BBGKY de la teora cintica. La densidad de sustituto de singleparticle es definido como f [Ns = k] 1s (x 1, v1, r1; t) Zdx2 dv2 dr2... dxk dvk drkfsym [Ns = k] (x 1, v1, r1,..., xk, vk, rk;t),(3) donde el superndice [Ns = k] sirve para indicar que esta densidad de sustituto de singleparticle est definido para el conjunto que cuenta con un total de Ns = k partculas o gotitas. Por lo tanto el suplente single particle densidad f [Ns = k] 1s (x 1, v1, r1; t) es una densidad condicional sobre el nmero total de partculas o gotitas Ns igual a k. Para comodidad de notacin utilizamos la forma ms simple f (k) 1s (x 1, v1, r1; t) para denotar f [Ns = k] 1s (x 1, v1, r1; t).

2.4.4.2. La funcin de distribucin de la gota

Funcin de distribucin de gotita de Williams se relaciona con el pdf de sustituto de singleparticle mediante la siguiente relacin: f (x, v, r, t) = Xk1pkf(k) (x, v, r, t) = Xk1pk k f (k) 1s (x, v, r, t), (4) que revela que el ddf es una superposicin de cada una de las densidades nmeros de partculas o gotitas en fase espacio f(k) (x, v, r, t), donde cada nmero f(k) de la densidad (x, v, r, t) es ponderado por el probabilidad apropiado pk. Si el flujo multifase se modela como un punto marcado proceso [74], el ddf puede expresarse como el producto de la intensidad del proceso punto en espacio fsico y una funcin de densidad de probabilidad conjunta (jpdf) de velocidad y condicionado a la ubicacin fsica de la radio. Jpdf de velocidad y el radio estn condicionados al fcVR ubicacin fsica (v, r | x; t) se expresa en trminos de ddf como: fcVR (v, r | x; t) = donde f (x, v, r, t)/ns(x;t) if r > 00 if r 0, (5)

NS(x;t) Zf (x, v, r, t) dv dr (6) es la densidad del nmero. Esto demuestra que el ddf es capaz de representar polidispersidad y capturar la dependencia no lineal de aceleracin de partculas en velocidad. Sin embargo, el ddf no contiene informacin de twoparticle, ni da cuenta de la uctuations en el nmero de partculas sobre su valor medio. Estos puntos se discuten en el apartado siguiente.

2.4.4.3. Diferencias de la teora cintica clsica

Mientras que esta caracterizacin es similar a la teora clsica de la cintica de gases moleculares [73], algunos de los importante diERENCIAS se resumen a continuacin: (1) Eect de partculas del vecino puede ser importante incluso en la fraccin de volumen bajo porque estas interacciones estn mediadas por el uid del portador. Figura 2 muestra que los contornos escalares que rodea las partculas del vecino pueden interactuar incluso en la fraccin de volumen de 1%, mientras que la regla tpica por descuidar estas interacciones vecino en aerosoles diluidos es para la fraccin de volumen hasta un 10%. Chiu y compaeros de trabajo [75] han considerado aerosol modelos que incorporan modelos para la correlacin par funcionan esa informacin de containstwoparticle. (2) Separacin de escala puede estar ausente en fluye multifase: en molecular gases la variacin de macroescala de variables

hidrodinmicas tales como densidad aparente se produce a escala mucho mayor que la microescala (tamao molecular) o de mesoescala (gama de interaccin de molculas como camino libre medio). Sin embargo, esto no se garantiza en multifase fluye. Como el ejemplo de la figura 4 muestra, puede variar la temperatura media uid en escalas comparables a la estructura espacial de mesoescala de partculas caracterizado por la funcin de correlacin de par. Esto es debido al

fuerte acoplamiento entre las fases mediante el cual las partculas pueden calentar o enfriar el uid, de tal modo unejo la temperatura media uid a escalas relativamente pequea longitud. (3) Las fluctuaciones en el nmero de partculas o gotas pueden ser importante en comparacin con la media: fluctuaciones en el nmero pueden ser importantes cerca del borde de aerosoles o cuando forman racimos y serpentinas en uidized las canalizaciones verticales de la cama. Tales uctuations tpicamente se descuidan en la clsica teora cintica de gases moleculares y granulares [76,77]. Sin embargo, Subramaniam y Pai han demostrado recientemente que estos uctuations puede ser importantes en la teora cintica de gases granulares inelsticas [78]. (4) Ecuacin multifase Liouville no est cerrado: otro importante diERENCIA es que mientras que la ecuacin de Liouville en la teora clsica de la cintica de gases moleculares es una ecuacin cerrada, el mismo no es vlido para la ecuacin de Liouville multifase. La ecuacin multifase de Liouville depende de las estadsticas de la fase de portador porque la aceleracin de la inerciales gotas o partculas depende de la velocidad de deslizamiento.

2.4.4.4. Equivalencia y consistencia

El esquema en la figura 1 muestra que una jerarqua de cierres que van desde funciones de densidad de probabilidad multipunto (PDF) a las ecuaciones de momento son posibles en el campo aleatorio y descripcin de procesos de punto. Se puede demostrar que bajo ciertas condiciones existe una equivalencia entre los niveles correspondientes de cierre en ambas descripciones. La jerarqua de cierres implica que un cierre en el nivel de FDN o ddf en el enfoque LE implica un conjunto de ecuaciones de momento que corresponden a la teora de la twouid en la descripcin del campo al azar. Esto conduce al principio de

desarrollar modelos consistentes en cualquier acercamiento. Trabajo reciente de Pai y Subramaniam establece las relaciones entre el punto de proceso (LE) y descripciones de campo al azar (EE) [13] en el nivel PDF singlepoint de cierre.

2.4.5. Resumen
Esta seccin describe las principales representaciones estadsticas de flujo multifsico. Explic la clasicacin de multifase teoras de rasgos en punto proceso (LE) y categoras de campo al azar (EE). Los fundamentos de la teora de 16twouid EE fueron briey descrito. Se estableci la conexin del enfoque LE teora cintica. Importante diERENCIAS entre la descripcin del proceso (LE) punto de multifase fluye y la teora clsica de la cintica de gases moleculares fueron observados. Explic la relacin del ddf para obtener una descripcin completa de un multifase en el enfoque de procesos estocsticos punto de Lagrange. Esto proporciona los

antecedentes necesarios para entender la formulacin LE y su relacin con la teora de twouid EE.

2.5. Formulacin LAGRANGIANA EULERIANOS

Un concepto central en la formulacin de LE es la equivalencia estadstica de la evolucin del conjunto de partculas o gotas {X(i) (t), V(i)(t), R(i)(t), i = 1,..., Ns(t)} descritos en 2.3 segundos de la evolucin de la ddf. Por generalidad aqu consideramos gotas para que la radio tambin puede cambiar debido a la vaporizacin.

2.5.1. Ecuaciones de evolucin de gota

Las propiedades de la gotita asociadas con la gota de ith evolucionan por las siguientes ecuaciones:

donde rijan es la aceleracin experimentada por la gota, y (i) es la tasa de cambio de radio debido a la vaporizacin. La aceleracin de la gotita cumplindose surge de la fuerza ejercida por el gas portador en la gota que puede ser calculado desde el tensor de la tensin en la superficie de la gota. Gotitas de aerosol tambin sufren colisiones que modifican su trayectoria y velocidad. Tras las colisiones, gotas pueden fusionarse o romper en gotitas ms pequeas. La evolucin de la ddf correspondientes a las ecuaciones de evolucin de gota puede obtenerse usando mtodos estndar [74,73].

2.5.2. Ecuacin de evolucin para el DDF o FND

Uno puede derivar [74] el siguiente formulario de collisionless de la ecuacin de evolucin de ddf (tambin conocido como el 17equation de aerosol) que corresponde a las ecuaciones de evolucin de gotas Eqs a partir de la definicin del ddf en la ecuacin 4. 7-9:

En la anterior ecuacin hAk|x, v, r; ti representa la aceleracin esperada depender de la localizacin [x, v, r] en el espacio de la fase. Del mismo modo h|x, v, r; ti representa la tasa esperada de cambio de condicionales de radio (en lo sucesivo, la tasa de vaporizacin esperado) en la localizacin [x, v, r] en el espacio de la fase. La eects de colisiones, coalescencia y desintegracin puede tambin incorporar [8,21] para obtener

2.5.2.1. Rgimen de validez de la ecuacin de aerosol

Se da una descripcin detallada de la base matemtica del enfoque ddf en [74]. Las consecuencias prcticas de los supuestos subyacentes en el enfoque de ddf son briey resumido aqu. El modelo de proceso de punto subyace el enfoque de ddf asume que una escala de longitud caracterstica de tamao puede estar asociada con cada gota. Desde un punto de vista puramente representativa esto no plantea didificultades incluso para las regiones del roco donde la fase lquida est presente como elementos nonspherical, en lugar de como totalmente dispersin gotitas. Como el volumen de dichos elementos de lquido puede ser definido, uno puede siempre asociar cada elemento lquido a escala de longitud de tamao caracterstico que es el radio de una gota esfrica de igual volumen 4. El modelo de proceso de punto es estrictamente slo en la regin del ncleo intacto de un aerosol. Por lo tanto, el enfoque LE requieren un modelo separado para la desintegracin primaria de un chorro de lquido dando por resultado una condicin inicial para el ddf. Cabe destacar que dos supuestos que comnmente son percibidas como sea necesario para establecer la validez de la ecuacin de aerosol, no han sido utilizados en esta derivacin. Son: (i) la asuncin del punto de partculas y (ii) la asuncin de aerosol diluido.

2.5.2.1.1. Punto proceso VS. Asuncin de la partcula de punto

La asuncin del punto de partculas es didiferentes de la estocstica elija modelo de proceso de un flujo multifase y es considerablemente ms restrictivo. La asuncin de la partcula de punto requiere que el tamao (radio) de las partculas o gotas de innitesimal, o al menos ms pequeo que la escala ms pequea de las mociones de uid,

por ejemplo, la prueba de Kolmogorov escala si el flujo gasphase es turbulento. Aqu se demuestra que multifase fluye con partculas o gotas de radio limitado (que puede ser mayor que la escala de Kolmogorov de turbulencia gasphase) puede ser con xito modelado utilizando el modelo de proceso estocstico punto. En Resumen, la asuncin de la partcula de punto es innecesaria para la representacin y modelado de multifase fluye mediante el ddf o el enfoque de la FDN, que admite las partculas o gotas de tamao limitado.

2.5.2.1.2. Diluir la Asuncin

Otro lugar comnmente opina que el enfoque de ddf es vlido slo para diluir fluye multifase. Esto se traduce en restricciones innecesarias en simulaciones de LE que requieren la estimacin computada para la fraccin de volumen medio dispersedphase en una celda de la cuadrcula para que tengan menos de cierto valor de delimitado de usuario (por ejemplo, 0.1). Esto confunde a una cuestin terica con caracteres numricos. La cuestin terica es claried en esta seccin revelan que esta restriccin no tiene ninguna base, mientras que 5.2 segundos muestra numricamente

convergente mtodos de estimacin tambin no impone ninguna limitacin en la fraccin de volumen. La fraccin de volumen de dispersedphase media es una medida de cmo diluir un spray es. El volumen de media dispersed phase hVd (A; t) en una regin A espacio fsico puedo ser definido en trminos de ddf como:

Donde

es la densidad del volumen promedio de dispersedphase en el espacio fsico. Si VA es el volumen asociado con una regin, entonces la fraccin de volumen de dispersedphase promedio en la regin A viene dada por

que revela que si la (x;t) de densidad media dispersedphase volumen es uniforme en la regin en el espacio fsico (es decir, el ddf f (x, v, r, t) es estadsticamente homogneo en el A), entonces es igual a la fraccin de volumen medio dispersedphase. Si f es estadsticamente no homognea en el A, 14 EQ. afirma que el valor medio de (x;t) sobre el volumen A es la fraccin de volumen de dispersedphase media. La validez de la ecuacin de evolucin de ddf no depende de la densidad de volumen medio dispersedphase. Mientras que algunos modelos para arrastre o calientan transferencia [21] puede limitarse a la fraccin de volumen (x;t) 1 debido a limitaciones en las correlaciones en que se basan, stos pueden ampliarse para incluir una dependencia de la fraccin de volumen. En Resumen, las restricciones a la fraccin de volumen en simulaciones LE son innecesarias porque no hay ninguna limitacin terica intrnseca en la fraccin de volumen medio dispersedphase en el enfoque LE, pero ms bien surgen de las implementaciones de non convergent numrica que calcular la fraccin de volumen de dispersed phase utilizando medias locales basadas en clulas de Eulerian rejilla. 5.2 Segundos se muestra que gridfree kernel-based estimation methods generen valores numricamente convergentes para el promedio

dispersedphase transferencia y.

volumen

fraccin

media

interfase

impulso

2.5.3. EULERIAN representacin de la fase de portador

LE el enfoque descrito hasta el momento es muy general y se aplica a toda la gama de las simulaciones que se describe anteriormente en 1.2 segundos, incluyendo acoplamiento con Eulerian representacin de la fase de portador RANS, LES y DNS. La tabla 1 enumera la representacin del campo de flujo de portador y fase dispersa para di diferentes mtodos de simulacin de LE. Trmino de transferencia de las ecuaciones especficas adecuadas a cada uno de estos simulacin mtodos pueden ser recuperados por la interpretacin apropiada (realizacin, realizacin de ltered o media estadstica) del campo de velocidad de uid Eulerian, tensor de tensin e interfase impulso. La forma de especficas de las ecuaciones de Eulerian portador-fase naturalmente depende del enfoque de simulacin: DNS, LES o RANS

2.5.3.1. Instantnea o filtrado EULERIAN portador-fase ecuaciones

Para FR-DNS donde cada partcula fsica o gota es completamente resuelta, estos son simplemente las bajo nmero de Mach variable density NavierStokes ecuaciones con condiciones de lmite apropiadas en cada partcula o superficie de la gota. Detalles de tales partculas resuelven simulaciones pueden encontrarse en muchas obras [32 35, 7982, 15]). Si las partculas o gotitas son ms pequeas que la escala de Kolmogorov de turbulencia de la fase gaseosa, PP-DNS son tiles. En este caso la fase dispersa es juntada por kernelaveraging esa particular comprensin del punto de proceso [83]. Sin embargo, Moiss y Edwards [84] demostrados coarsegraining FR-DNS de fuerza sobre una partcula no conduce a una fuente de impulso de -funcin, como a menudo es tratada en PP-DNS. El coarsegraining apropiado del mpetu

transferencia de partculas de punto y su eect en el campo de presin de carrierphase debe investigarse ms a fondo. Puesto que hay muchos enfoques para LES de two phase fluye, la forma de especficas del acoplamiento en LES(p) depende de la aplicacin: en trminos generales, los resultados de acoplamiento en volumeaveraging locales del Lagrangiano punto proceso de realizacin de la fase dispersa. Aplican los mismos comentarios en coarsegraining FR-DNS al PP-DNS para LES(p) as. PP-DNS(s) y LES(s) par a una representacin de la partcula estocstico de la fase dispersa y son mtodos hbridos en el sentido que ellos par una realizacin de la fase de uid del portador con una representacin estadstica de la fase dispersa. La base terica de LE desarrollada en este trabajo es relevante para estas simulaciones. Para DNS(s) y LES(s) con partculas estocsticas, la ecuacin de impulso Eulerian fase uid en el lmite diluido se toma a menudo de la forma

donde U(f) representa la velocidad instantnea de fase de uid en DNS(a) (y su contraparte de ltered en LES(a)). Tenga en cuenta que esto es simplemente la fase sencilla impulso conservacin ecuacin aumentada por el trmino de transferencia de impulso de interfase

representa el acoplamiento del impulso dispersedphase con la fase de uid. En la medida en que se refieren a mtodos LE, el beneficio principal de FR-DNS es cuantificar no cerradas trminos en la ecuacin de evolucin

de ddf (o sus momentos) y para desarrollar mejores modelos para estas condiciones. En Garg [82] se dan algunos detalles de cmo se pueden utilizar soluciones DNS particle o 21dropletresolved para desarrollar submodelos LE y EE. Si se utilizan partculas de punto, como en PPDNS(p) y LES(p), el desarrollo terico de anterior LE puede utilizarse para interpretar los resultados. Sin embargo, tales simulaciones tienen menos valor para LE desarrollo de modelo en comparacin con FRDNS. Simulaciones estocsticas partculas tales como DNS(s) y LES(s) son esencialmente LE modelos con la mejor representacin de la fase de portador Eulerian que RANS, y el desarrollo terico anterior es til para interpretar los resultados de estos modelos y compararlos con FRDNS y LE juntada con RANS.

2.5.3.2. Un promedio de EULERIAN portador-fase ecuaciones

Las ecuaciones de portador-fase Eulerian promedio son dadas por la teora de la twouid [10,11]. La forma especficas de estas ecuaciones se toma del Pai y Subramaniam [13]. Para simulaciones de aerosol CFD utilizando un promedio de ecuaciones de la fase de portador que cuenta para el acoplamiento de Vias y no nos hacemos un aerosol diluido, la ecuacin de conservacin de masa media es de Eulerian

El supuesto "diluida aproximacin" a estas ecuaciones que descuida el volumen desplazado por la presencia de la partculas de Dispersed Phase o gotitas de aerosol es a menudo usado 5. Se obtiene mediante el establecimiento de f = 1 en las ecuaciones anteriores y descuidar la fraccin de volumen de la fase dispersa. Por ejemplo, en esta notacin la ecuacin de conservacin de masa de subidad [21] Lee

donde f = fh | Si = 1i (en cdigos como KIVA f se establece en la unidad, as el bulto o densidad aparente gas es simplemente la densidad de termodinmicas del gas). Sin embargo, hay otra hiptesis implcita en esta "aproximacin diluida" a la ecuacin de conservacin de masa que vale la pena destacar. La simplication correcta de la ecuacin de conservacin de masa media en el lmite diluida no se obtiene mediante una simple configuracin f = 1 en 16 EQ., pero por la primera expansin de los trminos y reorganizar para obtener

Incluso en los aerosoles diluidos el eect de grandes gradientes en la fraccin de volumen en el borde del spray puede resultar en importantes contribuciones del trmino en f ln, y por lo tanto este trmino debe ser cuanticados en clculos de aerosol. Claramente, la asuncin de f = 1 slo valida la simplication hs (f) i/f hS (f) i. Ferrante de APTE y Patankar [85] y Elghobashi [86,87] tienen desarrollados LE simulaciones que representan volumen desplazamiento eects.

2.5.4. Interfase TRANSPHER trminos

Los trminos de la fuente (i hS (f) y hS (f) M ii) que aparecen en la gas phase de Eulerian promediada ecuaciones (cf. Eqs. 16 20) par la dispersedphase a la carrierphase y son opuestas en signo de sus contrapartes en la fase dispersa:

donde = /R y el promedio de volumeweighted de cualquier funcin suave Q (v, r) es definido como:

Es conveniente descomponer el impulso interfacial fuente trmino hS (d) M i en dos partes, atribuible a la transferencia masiva de interfase derivados de cambio de fase hS(d)(P C) M i y el otro a la interfacial estrs hS(d) (IS) M i, que es distinto de cero incluso en la ausencia de interfase una transferencia de masa. Estos son la definen como:

La fuente de impulso debido a la tensin interfacial puede expresarse en trminos de la descripcin lagrangiana de dispersedphase como

mientras que la fuente de impulso debido al cambio de fase se puede escribir como:

Derivacin detallada y discusin de estos trminos pueden encontrarse en Ref. [13].

2.5.5. Ecuaciones medias fase DISPERSA: conservacin de la masa y el impulso

La ecuacin de evolucin de ddf implica una evolucin del promedio de la masa y el impulso en la fase dispersa. Si se asume una densidad constante termodinmica de la d de la fase dispersa, entonces la ecuacin de conservacin de masa media implicada por la ecuacin de evolucin de ddf se obtiene multiplicando la ecuacin 10 por r3d (4/3) e integrando sobre todos [v, r +] (r + es simplemente la regin del espacio de radio correspondiente a r > 0), para obtener:

El trmino de fuente en el lado derecho de la ecuacin 32 contiene dos partes. Una parte corresponde a una prdida de masa media debido a la vaporizacin. La otra parte representa el agotamiento de la densidad del nmero debido a una ux de gotas a travs de la r = 0 + lmite, que corresponde al radio ms pequeo por debajo del cual se considera una gota se evapor. La ecuacin de conservacin de momentum media implicada por la ecuacin de evolucin de ddf EQ. 10 se obtiene multiplicando la ecuacin 10 por r3dvj (4/3) e integrando sobre todos [v, r +]:

donde un promedio de massweighted se han utilizado como en la ecuacin 32. El ltimo trmino en el lado derecho de la ecuacin anterior corresponde a una prdida de impulso media debido a la vaporizacin y el agotamiento del impulso media debida o una ux de gotas a travs de la r = 0 + lmite. Sustituyendo la ecuacin 32 en los resultados de la ecuacin 33 en:

Al construir modelos de trminos tales como interfase de masa, transferencia de impulso y energa, es til modelar las formas de Galilean invariant (GI) de estos trminos, porque tales modelos son entonces marcoinvariante con respecto a las transformaciones de galileos. Una

transformacin de Galilea consiste en transformar la posicin y del tiempo como x = x + Wt y t = t, respectivamente, donde W es una constante velocidad de traslacin. Si una cantidad Q es invariante de Galileo, entonces Q (x, t) = Q (x, t).La velocidad se transforma como U(x, t) = U(x + Wt, t) = U(x,t) + W y no es Galileo invariante. Si se modelan las formas no-GI, entonces los modelos resultantes no sean marco invariante. Las siguientes son que las combinaciones de GI de trminos no cerradas son:

Soluciones de mtodo de partculas a la ecuacin de ddf que modelo hA|x, v, r; ti y h|x, v, r; ti automticamente garantizan GI modelado de lo s trminos mencionados en la ecuacin de momentum media.

2.5.6. Ecuacin de segundo momento

El segundo momento de la velocidad de la partcula conduce a la temperatura granular en flujo de gassolid, y asimismo es delimitado gotitas as. Para derivar la ecuacin de secondmoment en el enfoque LE, es til definir primero el ddf de volumeweighted de uctuating velocidad veamos (x, w, r, t) definido como

donde veamos c (w, r|x; t) es el r3weighted o el volumen ponderado pdf de uctuating velocidad. La ecuacin de evolucin de veamos puede derivarse de la ecuacin 10 (ver Apndice A para una derivacin):

El segundo momento o dispersedphase ecuacin de Reynolds estrs puede obtenerse multiplicando la ecuacin de evolucin veamos por wiwj (y un factor =26(4/3)d) e integrando sobre todos [w, r +] espacio para obtener:

En la ecuacin anterior es el derivado material con la media de mass weighted velocidad de dispersedphase y el trmino de produccin es debido a los gradientes promedios en la velocidad de dispersedphase. La covarianza de accelerationvelocity de uctuating representa a la transferencia de la interfase de energa cintica en uctuations, y los dos ltimos trminos corresponden a la variacin neta de estrs Reynolds debido a la transferencia de masa de interfase. Los trminos de la ecuacin anterior se agrupan en combinaciones de Galileaninvariant.

2.5.7. Equivalencia y coherencia entre LE y enfoques de campo aleatorio

Establecer las relaciones entre estos dos enfoques bsicos utilizados para formular la teora de multifase fluye es importante para el desarrollo de modelos compatibles y puede ser de uso prctico en enfoques de simulacin hbrido [88,89]. Una derivacin integral de estas relaciones puede encontrarse en el Pai y Subramaniam [13]. En trabajo una fundamentacin terica para las representaciones estadsticas random eld y pointprocess de multifase fluye se establece en el marco del formalismo (pdf) de la funcin de densidad de probabilidad. Rigurosamente se

establecen relaciones de consistencia entre las cantidades fundamentales estadsticas en las representaciones de EE y LE. Est demostrado que estas cantidades fundamentales en las dos representaciones estadsticas llevan una relacin exacta entre ellas solamente bajo condiciones de homogeneidad espacial. 27Equations de transporte para las densidades de probabilidad en cada representacin estadstica se derivan. Ecuaciones que gobierna para la masa media, significa impulso y segundo momento de la velocidad correspondiente a las dos representaciones estadsticas se derivan de estas ecuaciones de transporte. En particular, para la representacin de EE, el formalismo pdf aparece conducen naturalmente a las ecuaciones de ensembleaveraged ampliamente utilizado para el two phase fluye. Galileaninvariant combinaciones de trminos no cerradas en las ecuaciones gobernantes que deban ser modelados son claramente identican. Se establece la correspondencia entre trmino s no cerradas en cada representacin estadstica. Cmputos de EELE hbrido pueden benecio de esta correspondencia, que sirve en la transferencia de informacin de una representacin a la otra.

2.6. Modelado
La ecuacin de evolucin para el ddf (ecuacin 10) contiene hAk|x trminos de expectativa condicional, v, r; ti y h|x, v, r; ti que representan el promedio de partcula o aceleracin de la gotita y tasa de evolucin de radio promedio, respectivamente. Estos no estn cerrados a nivel del ddf, es decir, no son determinados totalmente por el ddf o sus momentos solos, ya que cuentan con estadsticas de multiparticle higherorder (cf. Fig. 1) y propiedades carrier phase. En forma ms general de la evolucin del ddf (ecuacin 11) que permite las colisiones, coalescencia y desintegracin, los trminos correspondientes de la fuente en la ecuacin de ddf que son integrales de colisin con ncleos apropiados tambin deben ser modelados.

2.6.1. Modelado de la ecuacin de evolucin de DDF

La especificacin de modelos para los trminos no cerrados en la ecuacin de evolucin de ddf da lugar a una ecuacin de evolucin de ddf modelados:

donde Ak (x, v, r, t), (x, v, r, t) y fcoll/carbn/bu representan una familia de modelos para hAk|x, v, r; h|x, ti, r, v, ti y fcoll/carbn/bu, respectivamente. El modelado ddff , que es la solucin a la ecuacin 40, es el modelo para implcitos en estas especicaciones modelo de f. Para problemas de flujo multifase prctica la solucin a la ecuacin de evolucin de ddf se acopla a un solucionador de flujo de carrierphase de Eulerian [29,21]. Aqu sobre todo consideramos acoplamiento a un solver Reynoldsaveraged Navier Stokes (RANS), aunque muchas de las consideraciones de modelado son igualmente aplicables a LES o DNS acoplamiento as. La inuencia de la fase dispersa en la fase de portador est representada por la adicin de interfase acoplamiento trminos de fuente (cf.Sec. 3.4) las ecuaciones de carrierphase generalmente RANS (cf. Eqs. 16). Fase de gas cuando est representado por Reynolds averaged campos, una clase de modelos determinsticos de trminos no cerradas hAk|x, v, r; ti y h|x, v, r; ti puede escribirse como sigue:

donde los modelos Ak y dependen de {hQf (x, t) i} y M (f (x, v, r, t)). Aqu {hQf (x, t) i} representa el conjunto de campos de la solucin de uid de portador (que incluye tales campos como el energa turbulento cintica y la velocidad media uid) en promedio, y M(f) es cualquier momento de la ddf. La dependencia de M(f) es una representacin general de la dependencia que tengan los trminos modelados en cantidades como la densidad de

fraccin de volumen medio dispersedphase en espacio fsico, que son momentos de la ddf (cf. EQ. 13).

2.6.2. Enfoques de solucin

Para solucionar un problema de flujo multifase general usando el ddf o el enfoque de la FDN, EQ. 40 para el ddf modelado debe resolverse numricamente con adecuadas condiciones iniciales y lmite en f , para una especificacin particular de los trminos modelados Ak, y los trminos de inicar fuente.

2.6.2.1. Mtodos de la partcula

Para facilitar la representacin computacional y modelada de

condiciones de contorno, un enfoque de solucin basado en mtodos de partculas se utiliza comnmente para resolver indirectamente EQ. 40 en un cmputo eciente manera [21]. Este enfoque de la solucin es similar a partcula mtodos utilizados en el enfoque de la funcin de densidad de probabilidad para modelado turbulento fluye reactiva, una exposicin exhaustiva de las cuales se da por Papa [4]. Como se explica en [66,74], uno puede asociar un conjunto de gotitas de sustituto de Ns idnticamente distribuidas con propiedades {X(i)(t), V(i)(t), R(i)(t), i = 1,..., Ns(t)}, donde X(i)(t) denota la posicin de la gota de ith en sustituto en el tiempo t, V(i)(t) representa su velocidad y R(i) (t) su radio. Las propiedades asociadas con la gota de sustituto de ith evolucionan por las siguientes ecuaciones modeladas:

donde A(i) es la aceleracin modelada experimentada por la gota de suplente y (i) es su modelado tasa de cambio de radio debido a la vaporizacin. La correspondencia entre las gotas de suplente (o sustituto de partculas) en el LE simulacin y las gotas de roco (o partculas fsicas) estn slo a nivel de la condicional expectat ivas hAk|x, v, r, ti y h|x, v, r; ti. Sustituto de partculas en la solucin del mtodo de partcula para el ddf no es partculas fsicas individuales o arrastre de gotas de roco, a pesar de la resistencia que experimenta una partcula de sustituto a menudo se modela como la partcula aislada o singledroplet. De hecho, la interpretacin correcta es que hAk|x, v, r; ti es el arrastre promedio experimentado por una partcula fsica o gotas en suspensin, y que es didiferentes del arrastre de partculas aisladas ya que incluye volumen fraccin y vecino partcula eects. Conceptualizacin sustituto partculas ya slo son estadsticamente equivalentes a partculas fsicas o gotitas da considerable flexibilidad en modelado. El principio de equivalencia estocstico (vase Papa [4]) nos dice que dos sistemas pueden surgir tales que las realizaciones individuales en cada sistema son radicalmente didiferentes, pero los dos pueden tener idnticos valores medios. Por lo tanto, el sistema de gotitas de suplente (o partculas de suplente) tenga realizaciones individuales que son enormemente didiferentes de las de las partculas o gotitas fsicas (obedeciendo nondierentiable trayectorias, por ejemplo), y sin embargo su expectativa condicional implcita trminos Apuede emparejark y hAk|x, v, r; ti y h|x, v, r; ti. (El principio de equivalencia estocstico [4] tambin revela que la asignacin de partcula modelos a un k y es manytoone, es decir, didiferentes modelos de partcula pueden resultar en el mismo Ak y .) Un corolario directo del principio de equivalencia estocstico es que adems de modelos de evolucin determinista de la partcula, se pueden tambin utilizar modelos

estocsticos de la partcula con trminos aleatorios en las ecuaciones de evolucin de propiedad de partcula (Eqs. aparejadas). La adicin de trminos aleatorios (estrictamente hablando, incrementos de proceso de Wiener) la partcula computacional posicin y velocidad evolucin resultados en el aspecto de difusin correspondiente trminos (en el espacio de la posicin y la velocidad) en la ecuacin de evolucin de ddf modelados que ahora se asemeja a la ecuacin de FokkerPlanck [90]. All es otra clase de modelos que pueden denominarse odelos de interaccin de partculas, y a menudo se encuentran en el trmino de colisin de modelado. En estos modelos pueden interactuar las partculas sustituto dentro de un conjunto. Un error comn en el modelado de Lagrange es la suposicin de que el sustituto 30particles (o sus homlogos computacionales en 5 seg.) contienen informacin precisa de la twoparticle. Por supuesto esto no es el caso si slo corresponden al conjunto de gota a la altura de las expectativas condicional hAk|x, v, r, v, ti y h|x, r; ti. A fin de correspondencia a nivel de estadsticas twoparticle, las partculas de sustituto tendra que coincidan con los trminos no cerrados en la ecuacin de evolucin de la densidad de la twoparticle y alsomatch twoparticle estadsticas al tiempo inicial. Otra caracterstica indeseable de los modelos de interaccin de la partcula es que desarrollan incontroladas

correlaciones con el tiempo [91] debido a las repetidas interacciones con los vecinos en el mismo conjunto. Modelos estocsticos de colisin no suer de este inconveniente [92] y es ms fcil para su convergencia numrica. Adems, los supuestos de modelado en el nivel de two particle aparecen explcitamente en modelos estocsticos. Por lo tanto, incluso para el trmino de colisin parece que los modelos estocsticos son ms promisorios. BIBLIOGRAFA http://en.wikipedia.org/wiki/Flow_velocity

http://wwwmdp.Eng.Cam.AC.uk/web/Library/enginfo/aerothermal_dvd_only/Aero/fprop s/cvanalysis/node5.html

https://eCourses.ou.edu/cgibin/ebook.cgi?doc=&topic=FL&chap_sec=03.4&page=Theory

http://Planning.cs.uiuc.edu/node381.html http://eLearning.VTU.AC.in/12/eNotes/FM/Unit2A-VK.pdf http://Web.mit.edu/Fluidsmodules/www/potential_flows/LecturesHTML/lec07/tutorial-vfexmp/tutorialvfexmp.html

http://en.wikipedia.org/wiki/Euler%E2%80%93Lagrange_equation http://en.wikipedia.org/wiki/Lagrangian_and_Eulerian_specification_of_the_ flow_field

http://www.WHOI.edu/Science/Po/people/jprice/Class/ELreps.pdf http://EU.Wiley.com/Legacy/wileychi/ECM/pdfs/Volume_1_Chapter_14.pdf http://www.me.iastate.edu/files/2012/05/pecs_le.pdf http://mathsci.KAIST.AC.kr/~NIPL/AM621/lecturenotes/EulerLagrange_equation.pdf

http://en.wikipedia.org/wiki/Streamlines,_streaklines,_and_pathlines http://www.Princeton.edu/~asmits/Bicycle_web/Streamline.html http://staff.Science.uva.nl/~dshamoni/myprojects/PathLines.html http://en.wikipedia.org/wiki/Circulation_(fluid_dynamics) http://en.wikipedia.org/wiki/Velocity_potential

http://wwwmdp.Eng.Cam.AC.uk/web/Library/enginfo/aerothermal_dvd_only/Aero/fprop s/poten/node22.html

http://www.edforall.net/index.php/Engineering-a-Technology/AeronauticalEngineering/79-Fluid-Mechanics/1647-Stream-function-and-Velocitypotential-

http://Stommel.tamu.edu/~Baum/Reid/Book1/Book/node23.html http://www.See.ed.AC.uk/~johnc/Teaching/fluidmechanics4/200304/fluids2/node30.html

http://www.freestudy.co.uk/Fluid%20mechanics/t5203.pdf http://Faculty.Poly.edu/~rlevicky/Handout14_6333.pdf http://www.diam.unige.it/~Irro/richiami2_e.html http://en.wikipedia.org/wiki/Material_derivative http://www.SFU.CA/~mbahrami/ensc%20283/Notes/Differential%20Relatio ns%20for%20Fluid%20Flow.pdf