边界层气象：脉动量预报方程展开 | 湍流脉动速度方差预报方程 | 平均湍流动能收支方程推导
写成分量形式
原始式子：
∂ u i ′ ∂ t + u ‾ j ∂ u i ′ ∂ x j + u j ′ ∂ u ‾ i ∂ x j + u j ′ ∂ u i ′ ∂ x j = − 1 ρ ‾ ⋅ ∂ p ′ ∂ x i + g θ v ′ θ ‾ v δ i 3 + f ϵ i j 3 u j ′ + v ∂ 2 u i ′ ∂ x j 2 + ∂ ( u i ′ u j ′ ‾ ) ∂ x j \begin{align*} \frac{\partial u_i'}{\partial t}+ \overline u_j\frac{\partial u_i'}{\partial x_j}+ u_j'\frac{\partial \overline u_i}{\partial x_j}+u_j'\frac{\partial u_i'}{\partial x_j}= -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}} +g\frac{\theta_v'}{\overline \theta_v}\delta_{i3} +f\epsilon_{ij3}u_j' +v\frac{\partial^2u_i'}{\partial x_j^2} +\frac{\partial (\overline {u_i'u_j'})}{\partial x_j} \end{align*} ∂t∂ui′+uj∂xj∂ui′+uj′∂xj∂ui+uj′∂xj∂ui′=−ρ1⋅∂xi∂p′+gθvθv′δi3+fϵij3uj′+v∂xj2∂2ui′+∂xj∂(ui′uj′)
x 方向：
∂ u ′ ∂ t + ( u ‾ ∂ u ′ ∂ x + v ‾ ∂ u ′ ∂ y + w ‾ ∂ u ′ ∂ z ) + ( u ′ ∂ u ‾ ∂ x + v ′ ∂ u ‾ ∂ y + w ′ ∂ u ‾ ∂ z ) + ( u ′ ∂ u ′ ∂ x + v ′ ∂ u ′ ∂ y + w ′ ∂ u ′ ∂ z ) = − 1 ρ ‾ ⋅ ∂ p ′ ∂ x + f v ′ + v ∂ 2 u ′ ∂ x 2 + v ∂ 2 u ′ ∂ y 2 + v ∂ 2 u ′ ∂ z 2 + ∂ ( u ′ u ′ ‾ ) ∂ x + ∂ ( u ′ v ′ ‾ ) ∂ y + ∂ ( u ′ w ′ ‾ ) ∂ z \begin{align*} \frac{\partial u'}{\partial t}+ (\overline u\frac{\partial u'}{\partial x}+ \overline v\frac{\partial u'}{\partial y}+ \overline w\frac{\partial u'}{\partial z})+ ( u'\frac{\partial \overline u}{\partial x}+ v'\frac{\partial \overline u}{\partial y}+ w'\frac{\partial \overline u}{\partial z} )+ ( u'\frac{\partial u'}{\partial x}+ v'\frac{\partial u'}{\partial y}+ w'\frac{\partial u'}{\partial z} )=\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x}}\\ +fv'\\ +v\frac{\partial^2u'}{\partial x^2}+ v\frac{\partial^2u'}{\partial y^2}+ v\frac{\partial^2u'}{\partial z^2}\\ +\frac{\partial (\overline {u'u'})}{\partial x}+ \frac{\partial (\overline {u'v'})}{\partial y}+ \frac{\partial (\overline {u'w'})}{\partial z} \end{align*} ∂t∂u′+(u∂x∂u′+v∂y∂u′+w∂z∂u′)+(u′∂x∂u+v′∂y∂u+w′∂z∂u)+(u′∂x∂u′+v′∂y∂u′+w′∂z∂u′)=−ρ1⋅∂x∂p′+fv′+v∂x2∂2u′+v∂y2∂2u′+v∂z2∂2u′+∂x∂(u′u′)+∂y∂(u′v′)+∂z∂(u′w′)
y 方向：
∂ v ′ ∂ t + ( u ‾ ∂ v ′ ∂ x + v ‾ ∂ v ′ ∂ y + w ‾ ∂ v ′ ∂ z ) + ( u ′ ∂ v ‾ ∂ x + v ′ ∂ v ‾ ∂ y + w ′ ∂ v ‾ ∂ z ) + ( u ′ ∂ v ′ ∂ x + v ′ ∂ v ′ ∂ y + w ′ ∂ v ′ ∂ z ) = − 1 ρ ‾ ⋅ ∂ p ′ ∂ y − f u ′ + v ∂ 2 v ′ ∂ x 2 + v ∂ 2 v ′ ∂ y 2 + v ∂ 2 v ′ ∂ z 2 + ∂ ( v ′ u ′ ‾ ) ∂ x + ∂ ( v ′ v ′ ‾ ) ∂ y + ∂ ( v ′ w ′ ‾ ) ∂ z \begin{align*} \frac{\partial v'}{\partial t}+ (\overline u\frac{\partial v'}{\partial x}+ \overline v\frac{\partial v'}{\partial y}+ \overline w\frac{\partial v'}{\partial z})+ ( u'\frac{\partial \overline v}{\partial x}+ v'\frac{\partial \overline v}{\partial y}+ w'\frac{\partial \overline v}{\partial z} )+ ( u'\frac{\partial v'}{\partial x}+ v'\frac{\partial v'}{\partial y}+ w'\frac{\partial v'}{\partial z} )=\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial y}}\\ -fu'\\ +v\frac{\partial^2v'}{\partial x^2}+ v\frac{\partial^2v'}{\partial y^2}+ v\frac{\partial^2v'}{\partial z^2}\\ +\frac{\partial (\overline {v'u'})}{\partial x}+ \frac{\partial (\overline {v'v'})}{\partial y}+ \frac{\partial (\overline {v'w'})}{\partial z} \end{align*} ∂t∂v′+(u∂x∂v′+v∂y∂v′+w∂z∂v′)+(u′∂x∂v+v′∂y∂v+w′∂z∂v)+(u′∂x∂v′+v′∂y∂v′+w′∂z∂v′)=−ρ1⋅∂y∂p′−fu′+v∂x2∂2v′+v∂y2∂2v′+v∂z2∂2v′+∂x∂(v′u′)+∂y∂(v′v′)+∂z∂(v′w′)
z 方向：
∂ w ′ ∂ t + ( u ‾ ∂ w ′ ∂ x + v ‾ ∂ w ′ ∂ y + w ‾ ∂ w ′ ∂ z ) + ( u ′ ∂ w ‾ ∂ x + v ′ ∂ w ‾ ∂ y + w ′ ∂ w ‾ ∂ z ) + ( u ′ ∂ w ′ ∂ x + v ′ ∂ w ′ ∂ y + w ′ ∂ w ′ ∂ z ) = − 1 ρ ‾ ⋅ ∂ p ′ ∂ z + g θ v ′ θ ‾ v + v ∂ 2 w ′ ∂ x 2 + v ∂ 2 w ′ ∂ y 2 + v ∂ 2 w ′ ∂ z 2 + ∂ ( w ′ u ′ ‾ ) ∂ x + ∂ ( w ′ v ′ ‾ ) ∂ y + ∂ ( w ′ w ′ ‾ ) ∂ z \begin{align*} \frac{\partial w'}{\partial t}+ (\overline u\frac{\partial w'}{\partial x}+ \overline v\frac{\partial w'}{\partial y}+ \overline w\frac{\partial w'}{\partial z})+ ( u'\frac{\partial \overline w}{\partial x}+ v'\frac{\partial \overline w}{\partial y}+ w'\frac{\partial \overline w}{\partial z} )+ ( u'\frac{\partial w'}{\partial x}+ v'\frac{\partial w'}{\partial y}+ w'\frac{\partial w'}{\partial z} )=\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial z}}\\ +g\frac{\theta_v'}{\overline \theta_v}\\ +v\frac{\partial^2w'}{\partial x^2}+ v\frac{\partial^2w'}{\partial y^2}+ v\frac{\partial^2w'}{\partial z^2}\\ +\frac{\partial (\overline {w'u'})}{\partial x}+ \frac{\partial (\overline {w'v'})}{\partial y}+ \frac{\partial (\overline {w'w'})}{\partial z} \end{align*} ∂t∂w′+(u∂x∂w′+v∂y∂w′+w∂z∂w′)+(u′∂x∂w+v′∂y∂w+w′∂z∂w)+(u′∂x∂w′+v′∂y∂w′+w′∂z∂w′)=−ρ1⋅∂z∂p′+gθvθv′+v∂x2∂2w′+v∂y2∂2w′+v∂z2∂2w′+∂x∂(w′u′)+∂y∂(w′v′)+∂z∂(w′w′)
湍流脉动速度方差得预报方程推导
对于原始式子
∂ u i ′ ∂ t + u ‾ j ∂ u i ′ ∂ x j + u j ′ ∂ u ‾ i ∂ x j + u j ′ ∂ u i ′ ∂ x j = − 1 ρ ‾ ⋅ ∂ p ′ ∂ x i + g θ v ′ θ ‾ v δ i 3 + f ϵ i j 3 u j ′ + v ∂ 2 u i ′ ∂ x j 2 + ∂ ( u i ′ u j ′ ‾ ) ∂ x j \begin{align*} \frac{\partial u_i'}{\partial t}+ \overline u_j\frac{\partial u_i'}{\partial x_j}+ u_j'\frac{\partial \overline u_i}{\partial x_j}+u_j'\frac{\partial u_i'}{\partial x_j}= -\frac{1}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}} +g\frac{\theta_v'}{\overline \theta_v}\delta_{i3} +f\epsilon_{ij3}u_j' +v\frac{\partial^2u_i'}{\partial x_j^2} +\frac{\partial (\overline {u_i'u_j'})}{\partial x_j} \end{align*} ∂t∂ui′+uj∂xj∂ui′+uj′∂xj∂ui+uj′∂xj∂ui′=−ρ1⋅∂xi∂p′+gθvθv′δi3+fϵij3uj′+v∂xj2∂2ui′+∂xj∂(ui′uj′)
在等式两边同时乘以 u i ′ u_i' ui′，根据微分的性质进行结合，类似
2 u i ′ ∂ u i ′ ∂ t = ∂ u i ′ 2 ∂ t 2u_i'\frac{\partial u_i'}{\partial t}=\frac{\partial u_i'^2}{\partial t} 2ui′∂t∂ui′=∂t∂ui′2
得到
∂ u i ′ 2 ∂ t + u ‾ j ∂ u ′ 2 ∂ x j + 2 u i ′ u j ′ ∂ u ‾ i ∂ x j + 2 u i ′ u j ′ ∂ u i ′ ∂ x j = − 2 u i ′ ρ ‾ ⋅ ∂ p ′ ∂ x i + 2 g θ v ′ θ ‾ v δ i j 3 u j ′ + 2 v u i ′ ∂ 2 u i ′ ∂ x j 2 + 2 u i ′ u i ′ u j ′ ‾ ∂ x j \begin{align*} \frac{\partial u_i'^2}{\partial t}+ \overline u_j\frac{\partial u'^2}{\partial x_j}+ 2u_i'u_j'\frac{\partial \overline u_i}{\partial x_j}+ 2u_i'u_j'\frac{\partial u_i'}{\partial x_j}=\\ -\frac{2u_i'}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}}\\ +2g\frac{\theta_v'}{\overline \theta_v}\delta_{ij3}u_j'\\ +2vu_i'\frac{\partial^2u_i'}{\partial x_j^2}\\ +2u_i'\frac{\overline{u_i'u_j'}}{\partial x_j} \end{align*} ∂t∂ui′2+uj∂xj∂u′2+2ui′uj′∂xj∂ui+2ui′uj′∂xj∂ui′=−ρ2ui′⋅∂xi∂p′+2gθvθv′δij3uj′+2vui′∂xj2∂2ui′+2ui′∂xjui′uj′
其中，左侧第四项可以表示为，其中右侧第二项的右半边为连续方程，其值为 0
2 u i ′ u j ′ ∂ u i ′ ∂ x j = ∂ ( u i ′ 2 u j ′ ) ∂ x j − u i ′ 2 ∂ u j ′ ∂ x j = ∂ ( u i ′ 2 u j ′ ) ∂ x j 【由连续方程 ∂ u j ′ ∂ x j = 0 】 2u_i'u_j'\frac{\partial u_i'}{\partial x_j}= \frac{\partial({{u_i'^2u_j'}})}{\partial x_j}- {u_i'}^2\frac{\partial u_j'}{\partial x_j}= \frac{\partial({{u_i'^2u_j'}})}{\partial x_j}【由连续方程\frac{\partial u_j'}{\partial x_j}=0】 2ui′uj′∂xj∂ui′=∂xj∂(ui′2uj′)−ui′2∂xj∂uj′=∂xj∂(ui′2uj′)【由连续方程∂xj∂uj′=0】
对于右侧第一项
− 2 u i ′ ρ ‾ ⋅ ∂ p ′ ∂ x i = − 2 ρ ‾ ( ∂ ( u i ′ p ′ ) ∂ x i − ∂ u i ′ ∂ x i p ′ ) , 其中右侧第二项为连续方程，为 0 -\frac{2u_i'}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}}=-\frac{2}{\overline \rho}(\frac{\partial (u_i'p')}{\partial x_i}-\frac{\partial u_i'}{\partial x_i}p'),其中右侧第二项为连续方程，为0 −ρ2ui′⋅∂xi∂p′=−ρ2(∂xi∂(ui′p′)−∂xi∂ui′p′),其中右侧第二项为连续方程，为0
因此有
− 2 u i ′ ρ ‾ ⋅ ∂ p ′ ∂ x i = − 2 ρ ‾ ⋅ ∂ ( u i ′ p ′ ) ∂ x i -\frac{2u_i'}{\overline \rho}\cdot{ \frac{\partial p'}{\partial x_i}}=-\frac{2}{\overline \rho}\cdot{ \frac{\partial (u_i'p')}{\partial x_i}} −ρ2ui′⋅∂xi∂p′=−ρ2⋅∂xi∂(ui′p′)
对于右侧第三项有
2 v u i ′ ∂ 2 u i ′ ∂ x j 2 = v ∂ 2 u i ′ 2 ∂ x j 2 − 2 v ( ∂ u i ′ ∂ x j ) 2 = v ∂ 2 u i ′ 2 ∂ x j 2 − 2 ϵ 2vu_i'\frac{\partial^2u_i'}{\partial x_j^2}= v\frac{\partial^2u_i'^2}{\partial x_j^2}-2v(\frac{\partial u_i'}{\partial x_j})^2=v\frac{\partial^2u_i'^2}{\partial x_j^2}-2\epsilon 2vui′∂xj2∂2ui′=v∂xj2∂2ui′2−2v(∂xj∂ui′)2=v∂xj2∂2ui′2−2ϵ
将上述式子代入后对取雷诺平均，同时忽略两个小项（ v ∂ 2 u i ′ 2 ‾ ∂ x j 2 , 2 u i ′ ∂ ( u i ′ u j ′ ) ‾ ∂ x j ‾ v\frac{\partial^2\overline{u_i^{'2}}}{\partial x_j^2},2\overline{u_i'\frac{\partial \overline{(u_i'u_j')}}{\partial x_j}} v∂xj2∂2ui′2,2ui′∂xj∂(ui′uj′)），得到
∂ u i ′ 2 ‾ ∂ t + u ‾ j ∂ u ′ 2 ‾ ∂ x j = − 2 ρ ‾ ⋅ ∂ ( u i ′ p ′ ) ‾ ∂ x i + 2 g θ ‾ v ( u i ′ θ v ′ ) ‾ δ i j 3 − 2 u i ′ u j ′ ‾ ∂ u i ‾ ∂ x j − ∂ ( u i ′ 2 u j ′ ‾ ) ∂ x j − 2 ϵ \begin{align*} \frac{\partial \overline {u_i'^2}}{\partial t}+ \overline u_j\frac{\partial \overline{u'^2}}{\partial x_j} =\\ -\frac{2}{\overline \rho}\cdot{ \frac{\partial\overline{(u_i'p')}}{\partial x_i}}\\ +2\frac{g}{\overline \theta_v}\overline{(u_i'\theta_v')}\delta_{ij3}\\ -2\overline{u_i'u_j'}\frac{\partial \overline{u_i}}{\partial x_j}\\ -\frac{\partial(\overline{{u_i'^2u_j'}})}{\partial x_j}\\ -2\epsilon \end{align*} ∂t∂ui′2+uj∂xj∂u′2=−ρ2⋅∂xi∂(ui′p′)+2θvg(ui′θv′)δij3−2ui′uj′∂xj∂ui−∂xj∂(ui′2uj′)−2ϵ
TKE 方程推导
将湍流脉动速度方差展开
写成分量形式 (将湍能耗散项放在了 x 方向，确保下方求和后只有 2 ϵ 2\epsilon 2ϵ)：
∂ u ′ 2 ‾ ∂ t + ∂ v ′ 2 ‾ ∂ t + ∂ w ′ 2 ‾ ∂ t + ( u ‾ ∂ u ′ 2 ‾ ∂ x + v ‾ ∂ u ′ 2 ‾ ∂ y + w ‾ ∂ u ′ 2 ‾ ∂ y ) + ( u ‾ ∂ v ′ 2 ‾ ∂ x + v ‾ ∂ v ′ 2 ‾ ∂ y + w ‾ ∂ v ′ 2 ‾ ∂ y ) + ( u ‾ ∂ v ′ 2 ‾ ∂ x + v ‾ ∂ v ′ 2 ‾ ∂ y + w ‾ ∂ v ′ 2 ‾ ∂ y ) = − 2 ρ ‾ ⋅ [ ∂ ( u ′ p ′ ) ‾ ∂ x + ∂ ( v ′ p ′ ) ‾ ∂ y + ∂ ( w ′ p ′ ) ‾ ∂ z ] + 2 g θ ‾ v ( w ′ θ v ′ ‾ ) − 2 ( u ′ u ′ ‾ ∂ u ‾ ∂ x + u ′ v ′ ‾ ∂ u ‾ ∂ y + u ′ w ′ ‾ ∂ u ‾ ∂ x + v ′ u ′ ‾ ∂ v ‾ ∂ z + v ′ v ′ ‾ ∂ v ‾ ∂ y + v ′ w ′ ‾ ∂ v ‾ ∂ z + w ′ u ′ ‾ ∂ w ‾ ∂ z + w ′ v ′ ‾ ∂ w ‾ ∂ y + w ′ w ′ ‾ ∂ w ‾ ∂ z ) − [ ∂ ( u ′ 2 u ′ ) ‾ ∂ x + ∂ ( u ′ 2 v ′ ‾ ) ∂ y + ∂ ( u ′ 2 w ′ ‾ ) ∂ z + ∂ ( v ′ 2 u ′ ) ‾ ∂ x + ∂ ( v ′ 2 v ′ ‾ ) ∂ y + ∂ ( v ′ 2 w ′ ‾ ) ∂ z + ∂ ( w ′ 2 u ′ ) ‾ ∂ x + ∂ ( w ′ 2 v ′ ‾ ) ∂ y + ∂ ( w ′ 2 w ′ ‾ ) ∂ z ] − 2 ϵ \begin{align*} \frac{\partial \overline{{u^{'}}^2}}{\partial t}+ \frac{\partial \overline{{v^{'}}^2}}{\partial t}+ \frac{\partial \overline{{w^{'}}^2}}{\partial t} \\ +(\overline u\frac{\partial \overline{{u^{'}}^2}}{\partial x}+ \overline v\frac{\partial \overline{{u^{'}}^2}}{\partial y}+ \overline w\frac{\partial \overline{{u^{'}}^2}}{\partial y})+(\overline u\frac{\partial \overline{{v^{'}}^2}}{\partial x}+ \overline v\frac{\partial \overline{{v^{'}}^2}}{\partial y}+ \overline w\frac{\partial \overline{{v^{'}}^2}}{\partial y})+ (\overline u\frac{\partial \overline{{v^{'}}^2}}{\partial x}+ \overline v\frac{\partial \overline{{v^{'}}^2}}{\partial y}+ \overline w\frac{\partial \overline{{v^{'}}^2}}{\partial y}) =\\ -\frac{2}{\overline \rho}\cdot{[ \frac{\partial\overline{(u'p')}}{\partial x}+ \frac{\partial\overline{(v'p')}}{\partial y}+ \frac{\partial\overline{(w'p')}}{\partial z}]}\\ +2\frac{g}{\overline \theta_v}(\overline {w'\theta_v^{'}})\\ -2(\overline{u'u'}\frac{\partial \overline u}{\partial x}+ \overline{u'v'}\frac{\partial \overline u}{\partial y}+ \overline{u'w'}\frac{\partial \overline u}{\partial x}+ \overline{v'u'}\frac{\partial \overline v}{\partial z}+ \overline{v'v'}\frac{\partial \overline v}{\partial y}+ \overline{v'w'}\frac{\partial \overline v}{\partial z}+ \overline{w'u'}\frac{\partial \overline w}{\partial z}+ \overline{w'v'}\frac{\partial \overline w}{\partial y}+ \overline{w'w'}\frac{\partial \overline w}{\partial z})\\ -[\frac{\partial (\overline{{u^{'}}^2u')}}{\partial x}+ \frac{\partial (\overline{{u^{'}}^2v'})}{\partial y}+ \frac{\partial (\overline{{u^{'}}^2w'})}{\partial z}+ \frac{\partial (\overline{{v^{'}}^2u')}}{\partial x}+ \frac{\partial (\overline{{v^{'}}^2v'})}{\partial y}+ \frac{\partial (\overline{{v^{'}}^2w'})}{\partial z}+ \frac{\partial (\overline{{w^{'}}^2u')}}{\partial x}+ \frac{\partial (\overline{{w^{'}}^2v'})}{\partial y}+ \frac{\partial (\overline{{w^{'}}^2w'})}{\partial z}] \\ -2\epsilon \end{align*} ∂t∂u′2+∂t∂v′2+∂t∂w′2+(u∂x∂u′2+v∂y∂u′2+w∂y∂u′2)+(u∂x∂v′2+v∂y∂v′2+w∂y∂v′2)+(u∂x∂v′2+v∂y∂v′2+w∂y∂v′2)=−ρ2⋅[∂x∂(u′p′)+∂y∂(v′p′)+∂z∂(w′p′)]+2θvg(w′θv′)−2(u′u′∂x∂u+u′v′∂y∂u+u′w′∂x∂u+v′u′∂z∂v+v′v′∂y∂v+v′w′∂z∂v+w′u′∂z∂w+w′v′∂y∂w+w′w′∂z∂w)−[∂x∂(u′2u′)+∂y∂(u′2v′)+∂z∂(u′2w′)+∂x∂(v′2u′)+∂y∂(v′2v′)+∂z∂(v′2w′)+∂x∂(w′2u′)+∂y∂(w′2v′)+∂z∂(w′2w′)]−2ϵ
将 (1)除以 1/2，整理后得到 (2)
1 2 [ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ t u ‾ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ x + v ‾ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ y + w ‾ ∂ ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) ∂ z ] = − 1 ρ ‾ ⋅ [ ∂ ( u ′ p ′ ) ‾ ∂ x + ∂ ( v ′ p ′ ) ‾ ∂ y + ∂ ( w ′ p ′ ) ‾ ∂ z ] + g θ ‾ v ( w ′ θ v ′ ‾ ) − ( u ′ u ′ ‾ ∂ u ‾ ∂ x + u ′ v ′ ‾ ∂ u ‾ ∂ y + u ′ w ′ ‾ ∂ u ‾ ∂ x + v ′ u ′ ‾ ∂ v ‾ ∂ z + v ′ v ′ ‾ ∂ v ‾ ∂ y + v ′ w ′ ‾ ∂ v ‾ ∂ z + w ′ u ′ ‾ ∂ w ‾ ∂ z + w ′ v ′ ‾ ∂ w ‾ ∂ y + w ′ w ′ ‾ ∂ w ‾ ∂ z ) − 1 2 [ ∂ u ′ ( u ′ 2 + v ′ 2 + w ′ 2 ) ‾ ∂ x + 1 2 [ ∂ v ′ ( u ′ 2 + v ′ 2 + w ′ 2 ) ‾ ∂ y + 1 2 [ ∂ w ′ ( u ′ 2 + v ′ 2 + w ′ 2 ) ‾ ∂ z ] − ϵ \begin{align*} \frac{1}{2}[ \frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial t}\\ \overline{u}\frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial x}+ \overline{v}\frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial y}+ \overline{w}\frac{\partial (\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2})}{\partial z} ]=\\ -\frac{1}{\overline \rho}\cdot{[ \frac{\partial\overline{(u'p')}}{\partial x}+ \frac{\partial\overline{(v'p')}}{\partial y}+ \frac{\partial\overline{(w'p')}}{\partial z}]}\\ +\frac{g}{\overline \theta_v}(\overline {w'\theta_v^{'}})\\ -(\overline{u'u'}\frac{\partial \overline u}{\partial x}+ \overline{u'v'}\frac{\partial \overline u}{\partial y}+ \overline{u'w'}\frac{\partial \overline u}{\partial x}+ \overline{v'u'}\frac{\partial \overline v}{\partial z}+ \overline{v'v'}\frac{\partial \overline v}{\partial y}+ \overline{v'w'}\frac{\partial \overline v}{\partial z}+ \overline{w'u'}\frac{\partial \overline w}{\partial z}+ \overline{w'v'}\frac{\partial \overline w}{\partial y}+ \overline{w'w'}\frac{\partial \overline w}{\partial z})-\\ \frac{1}{2}[\frac {\partial \overline{ {u'}({{u'}^2}+ {{v'}^2}+{{w'}^2})}}{\partial x}+ \frac{1}{2}[\frac {\partial \overline{ {v'}({{u'}^2}+ {{v'}^2}+{{w'}^2})}}{\partial y}+ \frac{1}{2}[\frac {\partial \overline{ {w'}({{u'}^2}+ {{v'}^2}+{{w'}^2})}}{\partial z} ]- \epsilon \end{align*} 21[∂t∂(u′2+v′2+w′2)u∂x∂(u′2+v′2+w′2)+v∂y∂(u′2+v′2+w′2)+w∂z∂(u′2+v′2+w′2)]=−ρ1⋅[∂x∂(u′p′)+∂y∂(v′p′)+∂z∂(w′p′)]+θvg(w′θv′)−(u′u′∂x∂u+u′v′∂y∂u+u′w′∂x∂u+v′u′∂z∂v+v′v′∂y∂v+v′w′∂z∂v+w′u′∂z∂w+w′v′∂y∂w+w′w′∂z∂w)−21[∂x∂u′(u′2+v′2+w′2)+21[∂y∂v′(u′2+v′2+w′2)+21[∂z∂w′(u′2+v′2+w′2)]−ϵ 由平均湍流动能表达式 (3)
e ‾ = 1 2 ( u ′ 2 ‾ + v ′ 2 ‾ + w ′ 2 ‾ ) \overline e=\frac{1}{2}(\overline {{u'}^2}+\overline {{v'}^2}+\overline {{w'}^2}) e=21(u′2+v′2+w′2)
由于 u, v, w 三者是独立的，因此对平均湍流动能得偏导数等于 u ′ 2 ‾ , v ′ 2 ‾ , w ′ 2 ‾ \overline {{u'}^2},\overline {{v'}^2},\overline {{w'}^2} u′2,v′2,w′2 各自的偏导数之和除以 2，因此将该式代入 (2) 中得到
∂ e ‾ ∂ t + u ‾ ∂ e ‾ ∂ x + v ‾ ∂ e ‾ ∂ y + w ‾ ∂ e ‾ ∂ z = − 1 ρ ‾ ⋅ [ ∂ ( u ′ p ′ ) ‾ ∂ x + ∂ ( v ′ p ′ ) ‾ ∂ y + ∂ ( w ′ p ′ ) ‾ ∂ z ] + g θ ‾ v ( w ′ θ v ′ ‾ ) − ( u ′ u ′ ‾ ∂ u ‾ ∂ x + u ′ v ′ ‾ ∂ u ‾ ∂ y + u ′ w ′ ‾ ∂ u ‾ ∂ x + v ′ u ′ ‾ ∂ v ‾ ∂ z + v ′ v ′ ‾ ∂ v ‾ ∂ y + v ′ w ′ ‾ ∂ v ‾ ∂ z + w ′ u ′ ‾ ∂ w ‾ ∂ z + w ′ v ′ ‾ ∂ w ‾ ∂ y + w ′ w ′ ‾ ∂ w ‾ ∂ z ) − [ ∂ ( u ′ e ) ‾ ∂ x + ∂ ( v ′ e ) ‾ ∂ y + ∂ ( w ′ e ) ‾ ∂ z ] − ϵ \begin{align*} \frac{\partial \overline e}{\partial t}+ \overline{u}\frac{\partial \overline e}{\partial x}+ \overline{v}\frac{\partial \overline e}{\partial y}+ \overline{w}\frac{\partial \overline e}{\partial z} =\\ -\frac{1}{\overline \rho}\cdot{[ \frac{\partial\overline{(u'p')}}{\partial x}+ \frac{\partial\overline{(v'p')}}{\partial y}+ \frac{\partial\overline{(w'p')}}{\partial z}]}\\ +\frac{g}{\overline \theta_v}(\overline {w'\theta_v^{'}})\\ -(\overline{u'u'}\frac{\partial \overline u}{\partial x}+ \overline{u'v'}\frac{\partial \overline u}{\partial y}+ \overline{u'w'}\frac{\partial \overline u}{\partial x}+ \overline{v'u'}\frac{\partial \overline v}{\partial z}+ \overline{v'v'}\frac{\partial \overline v}{\partial y}+ \overline{v'w'}\frac{\partial \overline v}{\partial z}+ \overline{w'u'}\frac{\partial \overline w}{\partial z}+ \overline{w'v'}\frac{\partial \overline w}{\partial y}+ \overline{w'w'}\frac{\partial \overline w}{\partial z})\\ -[\frac{\partial \overline {(u' e)}}{\partial x}+ \frac{\partial \overline {(v' e)}}{\partial y}+ \frac{\partial \overline {(w' e)}}{\partial z} ]-\epsilon\\ \end{align*} ∂t∂e+u∂x∂e+v∂y∂e+w∂z∂e=−ρ1⋅[∂x∂(u′p′)+∂y∂(v′p′)+∂z∂(w′p′)]+θvg(w′θv′)−(u′u′∂x∂u+u′v′∂y∂u+u′w′∂x∂u+v′u′∂z∂v+v′v′∂y∂v+v′w′∂z∂v+w′u′∂z∂w+w′v′∂y∂w+w′w′∂z∂w)−[∂x∂(u′e)+∂y∂(v′e)+∂z∂(w′e)]−ϵ
即
∂ e ‾ ∂ t + u j ‾ ∂ e ‾ ∂ x j = − 1 ρ ‾ ⋅ ∂ ( u i ′ p ′ ) ‾ ∂ x i + g θ ‾ v ( u i ′ θ v ′ ‾ ) δ i 3 − u i ′ u j ′ ‾ ∂ u i ‾ ∂ x j − ∂ ( u j ′ e ) ‾ ∂ x j − ϵ \begin{align*} \frac{\partial \overline e}{\partial t}+ \overline{u_j}\frac{\partial \overline e}{\partial x_j} =\\ -\frac{1}{\overline \rho}\cdot{ \frac{\partial\overline{(u_i'p')}}{\partial x_i} }\\ +\frac{g}{\overline \theta_v}(\overline {u_i'\theta_v^{'}})\delta_{i3}\\ -\overline{u_i'u_j'}\frac{\partial \overline {u_i}}{\partial x_j} \\ -\frac{\partial \overline {(u_j' e)}}{\partial x_j}\\ -\epsilon\\ \end{align*} ∂t∂e+uj∂xj∂e=−ρ1⋅∂xi∂(ui′p′)+θvg(ui′θv′)δi3−ui′uj′∂xj∂ui−∂xj∂(uj′e)−ϵ
相关文章：
边界层气象：脉动量预报方程展开 | 湍流脉动速度方差预报方程 | 平均湍流动能收支方程推导
写成分量形式 原始式子： ∂ u i ′ ∂ t u ‾ j ∂ u i ′ ∂ x j u j ′ ∂ u ‾ i ∂ x j u j ′ ∂ u i ′ ∂ x j − 1 ρ ‾ ⋅ ∂ p ′ ∂ x i g θ v ′ θ ‾ v δ i 3 f ϵ i j 3 u j ′ v ∂ 2 u i ′ ∂ x j 2 ∂ ( u i ′ u j ′ ‾ ) ∂ x j…...
TOSUN同星TsMaster使用入门——2、使用TS发送报文，使用graphics分析数据等
在第一章里面已经介绍了关于同星工程的创建和最基础的总线分析，接下来看看怎么使用TS发送报文以及图形化分析数据。 目录 一、使用Graphics分析报文信号/变量（对标CANoe Graphics） 二、使用数值窗口统计信号值/变量 三、使用TS发送报文 3…...
【操作系统】实验七：显示进程列表
实验7 显示进程列表 练习目的：编写一个模块，将它作为Linux内核空间的扩展来执行，并报告模块加载时内核的当前进程信息，进一步了解用户空间和内核空间的概念。 7.1 进程 进程是任何多道程序设计的操作系统中的基本概念。为了管理…...
day10 电商系统后台API——接口测试（使用postman）
【没有所谓的运气🍬，只有绝对的努力✊】 目录 实战项目简介： 1、用户管理（8个） 1.1 登录 1.2 获取用户数据列表 1.3 创建用户 1.4 修改用户状态 1.5 根据id查询用户 1.6 修改用户信息 1.7 删除单个用户 1.8 …...
JavaScript ES6+ 语法速通
一、ES6 基础语法 1. let 和 const 声明变量 let：块级作用域，可以重新赋值。const：块级作用域，声明常量，不能重新赋值。 let name Li Hua; name Li Ming; // 可修改const age 21; // age 22; // 报错࿰…...
移动端h5自适应rem适配最佳方案
网页开发中，我们常用的单位有如下几个： px：像素固定，无法适配各分辨率的移动设备em: 该单位受父容器影响，大小为父元素的倍数rem: 因为html根元素大小为16px，所以默认 1rem 16px，rem只受根元素…...
2024年使用 Cython 加速 Python 的一些简单步骤
文章结尾有最新热度的文章，感兴趣的可以去看看。 本文是经过严格查阅相关权威文献和资料，形成的专业的可靠的内容。全文数据都有据可依，可回溯。特别申明：数据和资料已获得授权。本文内容，不涉及任何偏颇观点，用中立态度客观事实描述事情本身 文章有点长，期望您能坚持看…...
EasyExcel设置表头上面的那种大标题（前端传递来的大标题）
1、首先得先引用easyExcel的版本依赖，我那 <dependency><groupId>com.alibaba</groupId><artifactId>easyexcel</artifactId><version>2.2.6</version> </dependency> 2、然后得弄直接的实体类，&…...
【Linux网络编程】第十弹---打造初级网络计算器：从协议设计到服务实现
✨个人主页： 熬夜学编程的小林 💗系列专栏： 【C语言详解】 【数据结构详解】【C详解】【Linux系统编程】【Linux网络编程】 目录 1、Protocol.hpp 1.1、Request类 1.1.1、基本结构 1.1.2、构造析构函数 1.1.3、序列化函数 1.1.4、反…...
无限弹窗？无限重启？
Windows开机自启目录： "%USERPROFILE%\AppData\Roaming\Microsoft\windows\StartMenu\Programs\Startup" 基于这个和 start 命令， shutdown 命令， 编写 bat 病毒程序。 无限弹窗 echo start cmd > hack.txt echo %0 >>…...
深入详解人工智能机器学习常见算法中的K-means聚类
目录 引言 1. K-means聚类的基本概念 1.1 K-means聚类的定义 1.2 K-means聚类的核心思想 1.3 K-means聚类的目标函数 2. K-means聚类的核心原理 2.1 初始化 2.2 分配 2.3 更新 2.4 迭代 3. K-means聚类的具体实现 3.1 K-means聚类的算法流程 3.2 K-means聚类的Pyt…...
lc146LRU缓存——模仿LinkedHashMap
146. LRU 缓存 - 力扣（LeetCode） 法1： 调用java现有的LinkedHashMap的方法，但不太理解反正都不需要扩容，super(capacity, 1F, true);不行吗，干嘛还弄个装载因子0.75还中途扩容一次浪费时间。 class LRUC…...
全面深入解析：C语言动态库
引言 动态库（Dynamic Library）是现代软件开发中不可或缺的一部分，它们不仅提高了代码的重用性和维护性，还显著提升了系统的性能和资源利用率。本文将全面探讨C语言中的动态库，从基础概念到高级应用，通过丰…...
运用 SSM 实现垃圾分类系统智能化升级
目 录 摘 要 1 前 言 3 第1章 概述 4 1.1 研究背景 4 1.2 研究目的 4 1.3 研究内容 4 第二章 开发技术介绍 5 2.1Java技术 6 2.2 Mysql数据库 6 2.3 B/S结构 7 2.4 SSM框架 8 第三章 系统分析 9 3.1 可行性分析 9 3.1.1 技术可行性 9 3.1.2 经济可行性 10 3.1.3 操作可行性 10 …...
LeNet-5：深度学习与卷积神经网络的里程碑
目录 编辑 引言 LeNet-5的结构与原理 输入层 C1层：卷积层 S2层：池化层 C3层：卷积层 S4层：池化层 C5层：卷积层 F6层：全连接层 输出层 LeNet-5的算法基础 LeNet-5的优点 LeNet-5的现代应用 …...
从资产流动分析WIF市场潜力X.game深究其他未知因素
近日，两则关于WIF最新消息引起了投资者们的注意。据报道，11月28日Vintermute在过去13小时内累计从Binance交易所提取了价值533万美元的WIF，此举不仅彰显了其强大的资金实力，更在某种程度上推动了WIF币价的反弹；另一方面…...
深入解析Vue3响应式系统：从Proxy实现到依赖收集的核心原理
深入解析Vue3响应式系统：从Proxy实现到依赖收集的核心原理 响应式系统的基本原理 作为一个热门的JavaScript框架，Vue在3.x版本中引入了基于Proxy的响应式系统。这个系统的核心思想是利用Proxy对象拦截对数据的访问和修改，从而实现数据的自动更…...
FPGA实现GTP光口数据回环传输，基于Aurora 8b/10b编解码架构，提供2套工程源码和技术支持
目录 1、前言工程概述免责声明 2、相关方案推荐我已有的所有工程源码总目录----方便你快速找到自己喜欢的项目我这里已有的 GT 高速接口解决方案 3、工程详细设计方案工程设计原理框图用户数据发送模块基于GTP高速接口的数据回环传输架构GTP IP 简介GTP 基本结构GTP 发送和接收…...
Linux网络 UDP socket
背景知识 我们知道， IP 地址用来标识互联网中唯一的一台主机， port 用来标识该主机上唯一的一个网络进程，IPPort 就能表示互联网中唯一的一个进程。所以通信的时候，本质是两个互联网进程代表人来进行通信，{srcIp&…...
如何持续优化呼叫中心大模型呼入机器人的性能？
如何持续优化呼叫中心大模型呼入机器人的性能？ 原作者：开源呼叫中心FreeIPCC，其Github：https://github.com/lihaiya/freeipcc 持续优化呼叫中心大模型呼入机器人的性能是一个复杂而细致的过程，它涉及到数据、模型结构…...
【Axure高保真原型】引导弹窗
今天和大家中分享引导弹窗的原型模板，载入页面后，会显示引导弹窗，适用于引导用户使用页面，点击完成后，会显示下一个引导弹窗，直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…...
智慧医疗能源事业线深度画像分析（上）
引言 医疗行业作为现代社会的关键基础设施，其能源消耗与环境影响正日益受到关注。随着全球"双碳"目标的推进和可持续发展理念的深入，智慧医疗能源事业线应运而生，致力于通过创新技术与管理方案，重构医疗领域的能源使用模式。这一事业线融合了能源管理、可持续发…...
练习（含atoi的模拟实现,自定义类型等练习）
一、结构体大小的计算及位段 （结构体大小计算及位段 详解请看：自定义类型：结构体进阶-CSDN博客） 1.在32位系统环境，编译选项为4字节对齐，那么sizeof(A)和sizeof(B)是多少？ #pragma pack(4)st…...
Vue3 + Element Plus + TypeScript中el-transfer穿梭框组件使用详解及示例
使用详解 Element Plus 的 el-transfer 组件是一个强大的穿梭框组件，常用于在两个集合之间进行数据转移，如权限分配、数据选择等场景。下面我将详细介绍其用法并提供一个完整示例。 核心特性与用法 基本属性 v-model：绑定右侧列表的值&…...
【JVM】- 内存结构
引言 JVM：Java Virtual Machine 定义：Java虚拟机，Java二进制字节码的运行环境好处： 一次编写，到处运行自动内存管理，垃圾回收的功能数组下标越界检查（会抛异常，不会覆盖到其他代码…...
Auto-Coder使用GPT-4o完成：在用TabPFN这个模型构建一个预测未来3天涨跌的分类任务
通过akshare库，获取股票数据，并生成TabPFN这个模型 可以识别、处理的格式，写一个完整的预处理示例，并构建一个预测未来 3 天股价涨跌的分类任务 用TabPFN这个模型构建一个预测未来 3 天股价涨跌的分类任务，进行预测并输…...
MODBUS TCP转CANopen 技术赋能高效协同作业
在现代工业自动化领域，MODBUS TCP和CANopen两种通讯协议因其稳定性和高效性被广泛应用于各种设备和系统中。而随着科技的不断进步，这两种通讯协议也正在被逐步融合，形成了一种新型的通讯方式——开疆智能MODBUS TCP转CANopen网关KJ-TCPC-CANP…...
在Ubuntu中设置开机自动运行（sudo）指令的指南
在Ubuntu系统中，有时需要在系统启动时自动执行某些命令，特别是需要 sudo权限的指令。为了实现这一功能，可以使用多种方法，包括编写Systemd服务、配置 rc.local文件或使用 cron任务计划。本文将详细介绍这些方法，并提供…...
SpringCloudGateway 自定义局部过滤器
场景： 将所有请求转化为同一路径请求（方便穿网配置）在请求头内标识原来路径，然后在将请求分发给不同服务 AllToOneGatewayFilterFactory import lombok.Getter; import lombok.Setter; import lombok.extern.slf4j.Slf4j; impor…...
html-＜abbr＞ 缩写或首字母缩略词
定义与作用 <abbr> 标签用于表示缩写或首字母缩略词，它可以帮助用户更好地理解缩写的含义，尤其是对于那些不熟悉该缩写的用户。 title 属性的内容提供了缩写的详细说明。当用户将鼠标悬停在缩写上时，会显示一个提示框。 示例&#x…...