基于晶格Boltzmann方法的液滴弹跳数值仿真研究

来源 :广西师范大学 | 被引量 : 0次 | 上传用户:gsxs
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多相流现象对我们的生活生产具有重要的借鉴和指导意义,在能源的开发与储备、生命科学的研究与探索、材料的制备与应用等方面有着广阔的发展前景。其中多相流中液滴弹跳现象与我们的生活最为紧密,已经应用于我们的生活中,如打印、喷涂、自清洁等。液滴弹跳现象的研究在国内外已经取得了丰硕的成果,但仍然还有许多未被研究和深入探索的领域,特别是对液滴弹跳现象定量分析的研究相当少,加之液滴微尺度、瞬息变化快、易于变形等诸多严苛条件,对于深入研究液滴弹跳现象带来了极大的挑战,这在一定程度上限制了人们对液滴弹跳现象的认识,阻碍了液滴弹跳现象在生活生产中的应用。近年来,基于晶格Boltzmann的数值模拟方法备受学者们青睐,该方法算法简单、易于编程、所需内存小、并行度高、易于处理复杂几何边界,及时跟踪相间动态变化,特别适合于研究微小液滴的动态变化过程。为此,本文采用基于晶格Boltzmann的数值模拟方法对液滴弹跳现象进行深入细致的研究。主要研究内容如下:
  (1).建立一种基于化学势晶格Boltzmann方法的液滴弹跳机制模型。该模型利用化学势来计算非理想力,避免了计算压力张量和张量散度复杂的过程,大大提高了数值计算的效率。在该建模的基础上还引入大密度比模型,结合化学势润湿边界条件,提高了模型的灵活性、准确性,同时该模型还具有高效性及鲁棒性,对于精准模拟液滴弹跳现象提供更加稳健的模拟环境。
  (2).使用本模型对液滴的弹跳高度、侧向弹跳距离、飞行时间、液滴内部动量模变化及反弹能力进行定量的研究。实验表明液滴的反弹行为取决于表面的疏水性和异质性程度。当液滴撞击均匀表面时,液滴垂直基板反弹至一定高度,且弹跳高度随着表面疏水性的增加而增加。当液滴撞击两种不同组分的异构表面时,液滴向疏水性较低的一侧横向反弹。通过大量的试验研究发现,液滴弹跳现象与表面化学异构程度有关,且液滴弹跳高度和飞行时间与表面接触角存在一定的定量关系。通过数值仿真研究加深了对液滴反弹机制的认识。
  (3).对均质和化学异构表面上的液滴弹跳现象进行力学机制分析。研究了液滴左右动态接触角、接触线及非平衡杨氏力变化情况。通过一系列的数值仿真研究,揭示了化学异构表面液滴弹跳现象的原因。研究表明化学异构表面液滴侧向弹跳是由左右两边不对称的非平衡杨氏力造成的。
  综上所述,本文采用基于化学势的晶格Boltzmann方法,深入研究了液滴机理变化行为。该研究促进了对液滴撞击化学异质表面的回弹机制的理解,并为通过疏水和异质表面精确控制回弹液滴的侧向弹跳行为提供了指导策略。
其他文献
学位
视频哈希作为数字媒体内容安全领域的一个重要研究课题,近年来受到研究人员的广泛关注,现已成功应用于视频拷贝检测、视频认证、视频检索和视频篡改检测等方面。视频哈希算法可以从一个输入视频中提取出一串基于内容的、简短的数字或比特序列,该序列称为输入视频的视频哈希。在实际应用中,可以用视频哈希来代表视频本身,有效地降低视频的存储代价和视频相似计算的复杂度。通常,视频哈希算法应该满足两个基本属性,即鲁棒性和唯
学位
图像描述主要解决的问题是如何使用自然语言自动描述图像的内容,该研究主要涉及了计算机视觉和自然语言处理两个研究领域,是人工智能中一项重要的研究工作。随着数字图像的广泛使用和传播,其信息价值飞速增长,图像描述作为图像与自然语言的桥梁,具有广阔的应用前景。图像描述可广泛应用于图像检索、语义视觉搜索、多模态检索、对话机器人的视觉智能、视障辅助、军情侦察、智能监控等。  本论文研究细粒度图像描述方法,使计算
互联网不断地发展带来了海量的高维数据,其特点是维度众多,而其中许多维度价值密度相对较低。如何在众多维度中找到价值高的维度,是许多研究者研究的问题;而且由于数据的快速增长以及赋予数据类别标签的成本高昂,越来越多的数据没有标签。因此,特征选择、半监督学习成为研究的热点。此外,由于图模型可以模拟数据的流形结构,有很好的数据表达能力,因而结合特征选择、半监督以及图学习理论的基于图的半监督特征选择进入大家的
图结构数据,像交通运输网、地铁网络和社交网络等在现实世界中大量存在。因此,学习并理解图是机器学习中的关键。目前关于图的研究主要分为:图分类和节点分类。节点分类通过给定一个在某些节点上带有标签的网络,它将预测该网络上其他节点的标签,是网络挖掘中非常重要的任务。节点分类实际上是一个机器学习问题,它将机器学习中的分类模型应用到了网络中。节点分类本质是对已有的分类模型进行改进,使其获得更好的分类效果。图表
学位
针对传统的物联网集中式访问控制模型,这些模型一般建立在可信第三方之上。物联网存在单点故障和数据篡改等问题,容易造成隐私泄露。此外,物联网设备还受到电力、内存,计算能力等限制,这种建立在可信第三方之上的访问控制模型面临巨大的管理和维护成本。随着物联网设备的急剧增加,这种模型无法满足物联网节点随时加入或离开的动态性特点,使得越来越多的物联网设备存在管理效率低等问题。因此,物联网的安全和隐私问题一直是物
学位
区块链技术(Blockchain)因其特有的去中心化、去信任、无法篡改、可追溯等特点,可以实现无信任基础的多方建立可信的数据共享和点对点的价值传输,从而得到了学术界和工业界的广泛关注。在区块链中,所有完成的交易都需要进行数字签名后存储用来验证交易。因此,如何增强区块链的数字签名可扩展性成为了一个具有挑战性的问题。其中,区块链交易的数字签名的大小和验证签名的计算成本是限制签名可伸缩性的主要因素。多重
学位
电子商务的发展使得在线交易日益频繁,在线交易规模也日益扩大。消费者与商家的交互越来越多,不可避免地要进行在线谈判。传统的在线谈判方式是低效的人工谈判,人工谈判已经不能满足广大消费者日益增长的潜在需求。随着人工智能技术的发展,智能主体技术已日益成熟,使得电子商务领域的自动谈判成为了可能。智能主体能够随时与人类进行高效的谈判,节约了大量人工成本。因此,人机谈判吸引越来越多的学者的兴趣。目前有很多关于自
学位
当前,人们利用互联网进行信息传递日益频繁,图像、视频等多媒体数据被广泛于各种互联网应用,因此如何确保信息在传输过程中的安全已成为一个亟待解决的重要问题。初期阶段,研究人员使用加密技术将原始信息内容打乱成无实际意义的乱码,有效解决了信息的安全问题。随着云存储与大数据技术的兴起,越来越多的用户希望将数据传送到云端保存。由于对服务商的不信任,因此许多用户会对信息进行加密,然后再上传到云端,这导致云端出现
学位
随着各种网络社交平台的兴起,文本作为这些平台的主要信息载体,数据量每天都在高速增长,如何正确处理这些海量的文本信息,即,将文本分类管理和应用,已经成为一项重要研究课题。近年来,文本分类的深度学习方法获得快速发展,可以快速准确的对大规模文本数据进行处理,具有广阔的应用前景。因此,本论文瞄准文本分类的深度学习方法,在下面两个方面取得研究进展:(1)提出基于改进的Cluster GCN的文本分类方法。首
学位