Boiling is a complex phenomenon where different non-linear physical interactions take place and for which the quantitative modeling of the mechanism involved is not fully developed yet. In the last years, many works have been published focusing on the numerical analysis of this problem. However, a lack of numerical works assessing quantitatively the sensitivity of these numerical simulations to grid parameters can be identified, especially for the Lattice Boltzmann method (LBM). The main goal of this work is to propose a mesh refinement methodology for simulating phase-change heat transfer problems by means of the pseudopotential LBM. This methodology was based on relating the physical parameters to their lattice counterparts for an arbitrary mesh under the viscous regime (where $\Delta t \propto \Delta x ^2$). A suitable modification of the EOS parameters and the adjusting of thermodynamic consistency and surface tension for a certain $\Delta x$ were the main steps of the proposed methodology. A first ensemble of simple simulations including the droplet vaporization and the Stefan problems was performed to validate the proposed method and to assess the influence of some physical mechanisms. Global norms in space and time were used to evaluate the variations of both the density and temperature fields for pool boiling simulations when the lattice discretization is refined. It was observed that the proposed methodology provides convergent results for all the problems considered, and the convergence orders depend on the complexity of the simulated phenomena.


翻译:在一个复杂的现象中,出现了不同的非线性物理互动,而且所涉机制的定量模型尚未充分发展,因此,博宁是一个复杂的现象,在这个复杂的现象中,出现了不同的非线性物理互动,因此,所涉机制的定量模型尚未充分开发。在过去几年中,出版了许多侧重于这一问题的数值分析的著作,然而,在数量上评估这些数字模拟对电网参数的敏感性方面,特别是在Lattice Boltzmann 方法(LBM)方面,可以确定这些数字模拟对电网参数的敏感性,特别是对于Lattice Boltzmann 方法(LBM)而言,这项工作的主要目的是提出一种模拟方法,通过假冒的LBM,模拟阶段变化热量传输问题。 这种方法的基础是将物理参数与其对等相挂钩,以便任意的网状网状网状网状网状网状网状网状的任意网状网状网状网状图($\ Delta t\ propto x $2$),但是,拟议方法的主要步骤是适当修改EOS参数和调整温度一致性和表面紧张度。,在计算时,对于精确的精确的温度的模型的模型的精确度的精确度和温度变化进行了评估。

0
下载
关闭预览

相关内容

IFIP TC13 Conference on Human-Computer Interaction是人机交互领域的研究者和实践者展示其工作的重要平台。多年来,这些会议吸引了来自几个国家和文化的研究人员。官网链接:http://interact2019.org/
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年7月7日
VIP会员
相关VIP内容
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员