XiaoMi-AI文件搜索系统
World File Search System雷诺数
03.1 当泵送不同流量的冷却剂时，双排倾斜槽通道稳定段中层流传热的涡流强化
凹坑表面技术旨在通过涡流强化通道中的传热，同时保持水力损失的适度增长，该技术在热能工程中有着广泛的应用[1,2]。微电子领域对此也产生了一定的兴趣[3-5]，而关于普朗特数对层流传热强化影响的研究发表得就更少了。具体来说，在综述[2]中提到了[6,7]项研究，其中讨论了变压器油在加热壁面上具有单排球形和椭圆形凹坑的微通道中的流动。研究发现，在一个加热到 30 ◦ C 的九段微通道（宽度为 2，高度为 0.5，以通道高度为单位）的壁上，在低速（雷诺数 Re = 308）变压器油流动的情况下，定位具有中等深度（0.2）和螺距为 1.5 的球形凹坑，可以促进涡流强化传热，并且与光滑通道的情况相比，该壁面的传热增加了约 2.5 倍，水力损失减少了 7％。与光滑通道的情况相比，具有相同斑点面积（宽度为 0.55，长度为 1.5，以底部凹坑斑点直径为单位）和相同深度的椭圆形凹坑可以使传热进一步增强 3.4 倍（即，总共增强了 8.5 倍），水力损失减少 2.1％。 [8] 中发现了具有稀疏单排倾斜槽的通道稳定段中层流气流的局部加速。形成剪切流中的最大纵向速度几乎是平面平行通道中最大流速的 1.5 倍。后来确定，热效率由冲洗通道上平均的相对总努塞尔特数指定
利用组合强化传热...
摘要：本文重点研究了带有矩形实体翅片的组合式混合微通道散热器的数值优化。轴向长度和体积固定，外部结构可以变化。模拟是在微通道散热器的基本单元上进行的。优化的目的是找到内部和外部配置中的最佳几何排列，以使微通道散热器中的峰值温度最小化。假设微电子电路板设备在单元底壁上散发 250 W/cm 2 的高密度均匀热通量。计算流体动力学代码用于离散化流体域并求解一组控制方程。讨论了水力直径、外部结构形状和流体速度对峰值温度和全局热阻的影响。雷诺数范围为 400 至 500 的冷却剂或水以强制对流层流的形式通过计算域的入口引入，以去除矩形块微通道底部的热量。结果表明，当流体速度在微散热器轴向长度上从 9.8 m/s 增加到 12.3 m/s 时，从组合散热器底部移除的热量更多。结果表明，在带翅片的组合微通道中，泵功率增加了 37.1%，而在无翅片微散热器中增加了 27.2%。研究结果与公开文献中关于具有圆形流道的传统微散热器的记录相符，趋势一致。关键词：微通道结构、配置、组合微通道和微翅片 [2022 年 11 月 14 日收到；2023 年 4 月 4 日修订；2023 年 4 月 14 日接受] 印刷 ISSN：0189-9546 | 在线 ISSN：2437-2110
通过剪切和湍流环境中的剪切和波动调节生物膜生长
这项工作研究了剪切和湍流对多物种生物膜增长的作用。这项研究主要是通过了解海洋环境中的微塑料（MPS）的生物污染而激发的。通过增加颗粒粘性，生物膜促进MP聚集和下沉；因此，对这一多规模过程的透彻理解对于改善MPS命运的预测至关重要。我们使用振荡网格系统进行了一系列实验室实验，以在均质各向同性湍流下促进小型塑料表面上的生物膜生长，而网格雷诺数在305和2220之间。分析了两种配置：一种塑料样品与网格一起移动（剪切为主导），另一个将样品保持在网格下游固定，因此经历了湍流，但没有平均流（无剪切）。生物膜在所有情况下在几天的时间范围内形成，然后仔细测量和分析塑料碎片上形成的生物量作为湍流水平的函数。使用简约的物理模型进一步解释了无剪切结果，并将生物膜（单动力学）内的养分吸收率与周围散装液体的湍流扩散。结果表明：（i）在剪切主导的条件下，生物膜质量最初在腐烂之前以湍流强度生长，这可能是由于剪切引起的侵蚀； （ii）在无剪切实验中，质量在养分的可用性增强后单调增加，然后由于摄取受限的动力学而饱和。后一种行为由物理模型很好地再现。此外，用扫描电子显微镜分析了塑料片的子集，表明湍流还会影响生物纤维簇的显微镜结合，随着湍流的振幅增加，它们的紧凑性增加了。这些结果不仅有助于我们对流量下生物膜的基本理解，而且还可以为海洋环境中MP运输的全球模型提供信息。
![arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日](/simg/g:\will\search\icon\source\e\e6d7f0fb7343009c272d1412e7c60f99bba3c6d5.webp)
arXiv:2502.03567v1 [cond-mat.stat-mech] 2025 年 2 月 5 日
由于斯托克斯方程[1,2]的运动学可逆性，最令人信服的例证是 G.I.泰勒的库埃特细胞实验[3,4]，低雷诺数下的流体混合需要平流（搅拌）和扩散[5,6]的相互作用。剪切引起的扩散混合增强，也称为泰勒扩散[7]，是许多生物和人工系统的基础，从纤毛水生微生物对氧气、营养物质或化学信号的吸收，到微反应器和“芯片实验室”应用[8-12]。事实上，它代表了任何由平流扩散方程控制的非平衡松弛过程的基本特征[5]，包括对流层上部和平流层的污染物扩散[13]。因此，设计最优混合方案是一个既具有基础性又具有实际意义的问题[14-17]，并且与人们对将最优控制理论概念应用于非平衡物理[18-25]日益增长的兴趣相一致。传统上，全局混合效率通过施加一个初始模式(如溶质分布或温度分布)并通过其 L 2 /Sobolev 范数[26, 27]或 Shannon 熵的变化来表征搅拌对后者的影响[14, 28, 29]。局部混合也可以用 Lyapunov 指数来量化[2, 30]。最近，以混合前后粒子位置之间的互信息的形式引入了一种通用的无假设(即与模式无关)的全局混合效率度量[15]。在实验中，可以使用无损压缩算法从示踪数据中估计互信息 [ 31 ]。在这里，我们将这一新度量应用于无散度线性剪切流混合流体的问题。将时间相关的剪切速率定义为我们的协议，我们将互信息重新表示为后者的非线性函数，并精确求解最优控制问题，以在总剪切和总粘性耗散的约束下得出最优协议
COMPIT'22 - HIPER
1.简介 随着计算能力的提高，机器学习为加速初始设计阶段的船舶工程师工作流程提供了新的机会。以往往具有较高相对计算成本的开放水域计算为例，本文表明将测地线卷积神经网络 (GCNN) 等机器学习算法应用于此类计算很有前景，并且可以将初始设计过程的生产率提高几个数量级。因此，本研究的目的是描述该方法并讨论将 GCNN 应用于开放水域计算的结果，使用遵循瓦赫宁根 B 系列螺旋桨系列设计的几何形状，并探索通过将人工智能应用于船舶 CFD 结果可以实现的生产率提高。2.方法 2.1。使用 CFD 生成和验证几何形状 瓦赫宁根 B 系列螺旋桨系列被选为实验设计 (DoE) 的“母”系列。此系列中的螺旋桨由四个参数描述：直径 D、展开面积比 EAR、叶片数量 Z 和螺旋桨螺距 P。如果直径保持不变 (D = 1 m)，则几何形状完全由 EAR、Z 和 P 描述。螺旋桨使用 Rhino 3D 结合 Grasshopper 以及专有 Python 代码建模，该代码包含基于 Kuiper (1992) 中描述的定义进行的截面几何描述。使用 NURBS 将二维截面开发为三维叶片。Van Oossanen 和 Oosterveld (1975) 根据荷兰海事研究所 (MARIN) 进行的早期模型测试的回归分析，开发了适用于任何瓦赫宁根 B 系列螺旋桨的开阔水域性能曲线描述。推力和扭矩系数曲线的原始描述在雷诺数为 2,000,000 时有效。随后将这些回归曲线与选定数量的螺旋桨和操作条件的 CFD（计算流体动力学）结果进行比较，以验证创建的螺旋桨几何形状是否产生了与瓦赫宁根 B 系列相对应的预期结果。
主动流控制的基于伴随的机器学习
我们使用深度学习PDE增强方法（DPM）开发神经网络活动流量控制器。使用管理方程的伴随计算优化的端到端敏感性，而无需限制目标函数中可能出现的术语。在具有分析性（制造）控制功能的一维汉堡的示例中，基于DPM的控制功能与样本外溶液的标准监督学习相当有效，并且对不同的分析控制功能更有效。分析了优化时间间隔和中性网络宽度的影响，其结果影响算法设计和超参数选择，平衡控制功效与计算成本。随后，我们为两个流动方案开发了基于伴随的控制器。首先，我们比较了基于伴随的控制器的拖放性能和优化成本和基于深入的强化学习（DRL）的控制器，用于在RE = 100处二维，不可压缩的，不可压缩的，可压缩的，限制性的流动，并通过沿圆柱体边界的合成体力来控制。基于DRL的控制器所需的模型复杂性是基于DPM的控制器所需的4,229倍。在这些测试中，基于DPM的控制器的效率高4.85倍，而训练的计算量则比基于DRL的控制器少63.2倍。第二，我们测试了基于DPM的控制，以在圆柱体上进行可压缩的，无约束的流量，并将控制器推断为样本外雷诺数。我们还根据DPM控制法训练简化，稳定的离线控制器。在线（DPM）和离线（稳定）控制器都以减少99％的阻力稳定涡旋脱落，证明了学习方法的鲁棒性。对于样本外流（RE = {50，200，300，400}），在线和离线控制器都成功地减少了阻力和稳定涡流脱落，这表明基于DPM的方法会导致稳定的模型。一个关键的吸引人特征是基于伴随的优化的灵活性，该功能允许对任意定义的控制定律进行优化，而无需匹配先验已知的功能。
超音速的计算和实验研究...
本研究涉及光束-目标相互作用模拟的开发和验证，以确定给定目标几何形状、表面辐射强度和自由流条件的目标温度分布随时间的变化。通过数值和实验研究了湍流超音速流动的影响。实验在弗吉尼亚理工大学超音速风洞中进行，喷嘴速度为 4 马赫，环境总温度，总压力为 1。1 × 10 6 Pa，雷诺数为 5 × 10 7 / m。目标由涂成平黑色的 6.35 毫米不锈钢板组成。用 300 瓦连续光束镱光纤激光器照射目标，产生 4 毫米高斯光束，光束直径为 1.08 微米，距前缘 10 厘米，其中存在 4 毫米湍流边界层。吸收的激光功率为 65、81、101、120 瓦，最大热通量在 1035 至 1910 W/cm2 之间。使用中波红外摄像机测量目标表面和背面温度。还使用八个 K 型热电偶测量背面温度。进行了两次测试，一次是流动，另一次是流动。对于流动情况，隧道启动后开启激光器，流动达到稳定状态。对于流出情况，板以相同功率加热，但没有超音速流动。通过从流出温度中减去流动温度可以看到冷却效果。此温度减法有助于消除偏差误差，从而显着降低整体不确定性。使用 GASP 共轭传热算法模拟 81 和 65 瓦的实验。大多数计算都是使用 Spalart-Allmaras 湍流模型在 280、320 单元网格上进行的。进行了网格收敛研究。与 65 瓦的情况相比，81 瓦的情况显示出更多的不对称性，并且在上游发现了一个冷却增加的区域。通过热电偶和红外温度测量也可以看到背面的不对称性增加。对于流出的情况，计算低估了表面温度 7%。对于 65 瓦和 81 瓦的情况，靠近中心的表面冷却都被低估了。对于所有功率设置，对流冷却都会显著增加达到给定温度所需的时间。
流体动力学分部 - APS DFD 2022
上午 8:00 – 上午 9:57 并行会议 A01 焦点会议：流体 接下来：软体撞击流体 I Sagamore 宴会厅 1–7 A02 空气动力学：常规 130 A03 主动物质 I：主动湍流 131 A04 动脉瘤 132 A05 动物飞行：飞行昆虫 I 133 A06 高雷诺数游泳 I 134 A07 生理、发声和言语 135 A08 气泡：常规 136 A09 CFD：浸入边界法 I 137 A10 粒子-湍流相互作用 I 138 A11 声学：常规 139 A12 颗粒流 I 140 A13 生物流体动力学：生理 I 141 A14 自由表面流：常规142 A15 实验技术：生物和多相测量 143 A16 流动控制：概述 144 A17 流动不稳定性：多相流和瑞利-泰勒 145 A18 喷射流 I 205 A19 非牛顿流：理论与建模 206 A20 非线性动力学：库普曼和相关方法 207 A21 湍流：湍流建模的机器学习方法 I 208 A22 多孔介质流：对流和传热 231 A23 自由表面流：自然流 232 A24 反应流：LES 和 DNS 233 A25 表面张力效应：界面现象 I 234 A26 波：非线性动力学与湍流 235 A27 涡旋动力学：概述 I 236 A28 CFD：不确定性量化和机器学习 237 A29 液滴：电场效应 238 A30 液滴：超疏水表面和多液滴相互作用 239 A31 流动不稳定性：复杂流体 240 A32 地球物理流体动力学：大气 241 A33 微/纳米流动：通道 242 A34 相变 I 243 A35 一般流体动力学：越过障碍物的流动 244
基于MRI的糖尿病和胃肠道症状受试者的泛主功能和运动性的定量
大规模生物量存储用于现代生物能源，由于生物量的内在自我加热引起了潜在的安全问题。尽管如此，在该领域进行了非常有限的研究。该项目通过开发一个综合的建模框架来填补一个关键的空白，以在生物质桩中进行自加热并进行一系列实验研究，以探索这些桩中复杂的子过程。本文仅介绍建模和测试工作的一小部分。它成功地证明了该模型在预测煤炭堆自动加热方面的有用性，从而指导煤炭储存的安全措施。在各种存储参数中，桩高，粒径和环境风速度已被确定为对煤桩内的自加热和自我命运产生重大影响。本文还说明了初始生物质水分含量对微生物反应性和氧气消耗率的明显影响。初始水分含量的增加显着提高了整体微生物反应性和氧气消耗率。小麦稻草在相同的储存条件下更容易自热，这可以证明，较高的热量产生，更快的氧气消耗以及较短的时间到达峰值温度。此外，发现微生物活性在生物质自加热中起着至关重要的作用，尤其是在热量累积的初始阶段，在0 - 75℃的温度范围内。对于此处讨论的建模，尽管桩上的流动较高，但必须将多孔桩中的流动视为层流。这是基于雷诺数的数量，该数字是根据速度的in-count量平均值和燃料颗粒的平均直径计算得出的，燃料颗粒的平均直径明显低于临界阈值（RE CR = 200）。可以将生物量桩中相关子过程得出的见解和子模型集成到模型框架中。这种整合将创建一个更全面，更强大的模型，以预测生物质储存桩中的自我加热和自命不凡，从而增强对这些现象的理论和实践管理。
用于行星探索的无人机：建模挑战
在过去十年中，太空探索的力度大大增加，因此需要新的方法来研究行星和其他天体。现代趋势是制造能够从更高角度侦察表面的航天器，而无人机已被证明是最有用的。一般来说，无人机以其灵活性、速度、悬停能力、避障、目标跟踪和跟随而闻名。认为任何类型的无人机都适合太空应用都是合理的，因为它们都具有可以满足任务要求的优势。太空领域的设计选择深受一些限制的影响，例如最大尺寸、总重量、成本、环境、温度。此外，还需要考虑使平台能够执行任务的基本要求，这些要求通常由各种子系统来确保：热、通信、机载数据处理、电力、推进以及制导、导航和控制。太空探索的主要焦点是火星和旋翼机概念：事实上，Ingenuity 直升机就是一个很好的例子，如图 1 所示，它于 2021 年在红色星球上进行了首次飞行。火星大气与地球不同，这带来了特殊的空气动力学挑战。第一个很大的变化是低大气密度，再加上无人机尺寸有限，导致弦基雷诺数流动非常低（103-104）[1]。这些流动更多的是以粘性力而非惯性力为特征，导致机翼性能效率下降。这会影响升力，但较低的重力加速度（3.71 m/s2）略微补偿了升力。自 20 世纪 30 年代以来，人们在该领域进行了各种研究，并且可以确定三个描述流动行为的区域：亚临界（ Re < 10 5 ）、临界（ Re ∼ 10 5 ）和超临界（ Re > 10 5 ）。对于火星研究，重点放在亚临界区域，其中层流边界层倾向于分离，导致阻力系数较大，升力系数降低。这种层流分离流的不稳定性导致向湍流的转变，这会引起重新附着，从而产生层流分离气泡，影响翼部的性能。可以采用各种方法来进行气动分析：例如，将流动视为完全层流 [2] 或使用 RANS、LES