柱坐标系下的流体力学控制方程组的微分形式的推导
柱坐标系下的流体力学控制方程组的微分形式的推导
直角坐标系下描述
我们以NS方程(Navier-Stokes Equation)为例,来推导控制方程的柱坐标表示。我这里考虑不可压的,密度和粘性系数都为常数的情况。
此时,直角坐标系下的NS方程的表达形式为,
ρDV⃗Dt=−∇p+ρg⃗+μ∇2V⃗∇⋅V⃗=0\begin{array}{c}{\rho \frac{D \vec{V}}{D t}=-\nabla p+\rho \vec{g}+\mu \nabla^{2} \vec{V}} \\ {\nabla \cdot \vec{V}=0}\end{array} ρDtDV=−∇p+ρg+μ∇2V∇⋅V=0
按分量的形式可以写为:
ρ(∂u∂t+u∂u∂x+v∂u∂y+w∂u∂z)=−∂P∂x+ρgx+μ(∂2u∂x2+∂2u∂y2+∂2u∂z2)\rho\left(\frac{\partial u}{\partial t}+u \frac{\partial u}{\partial x}+v \frac{\partial u}{\partial y}+w \frac{\partial u}{\partial z}\right)=-\frac{\partial P}{\partial x}+\rho g_{x}+\mu\left(\frac{\partial^{2} u}{\partial x^{2}}+\frac{\partial^{2} u}{\partial y^{2}}+\frac{\partial^{2} u}{\partial z^{2}}\right) ρ(∂t∂u+u∂x∂u+v∂y∂u+w∂z∂u)=−∂x∂P+ρgx+μ(∂x2∂2u+∂y2∂2u+∂z2∂2u)
ρ(∂v∂t+u∂v∂x+v∂v∂y+w∂v∂z)=−∂P∂y+ρgy+μ(∂2v∂x2+∂2v∂y2+∂2v∂z2)\rho\left(\frac{\partial v}{\partial t}+u \frac{\partial v}{\partial x}+v \frac{\partial v}{\partial y}+w \frac{\partial v}{\partial z}\right)=-\frac{\partial P}{\partial y}+\rho g_{y}+\mu\left(\frac{\partial^{2} v}{\partial x^{2}}+\frac{\partial^{2} v}{\partial y^{2}}+\frac{\partial^{2} v}{\partial z^{2}}\right) ρ(∂t∂v+u∂x∂v+v∂y∂v+w∂z∂v)=−∂y∂P+ρgy+μ(∂x2∂2v+∂y2∂2v+∂z2∂2v)
ρ(∂w∂t+u∂w∂x+v∂w∂y+w∂w∂z)=−∂P∂z+ρgz+μ(∂2w∂x2+∂2w∂y2+∂2w∂z2)\rho\left(\frac{\partial w}{\partial t}+u \frac{\partial w}{\partial x}+v \frac{\partial w}{\partial y}+w \frac{\partial w}{\partial z}\right)=-\frac{\partial P}{\partial z}+\rho g_{z}+\mu\left(\frac{\partial^{2} w}{\partial x^{2}}+\frac{\partial^{2} w}{\partial y^{2}}+\frac{\partial^{2} w}{\partial z^{2}}\right) ρ(∂t∂w+u∂x∂w+v∂y∂w+w∂z∂w)=−∂z∂P+ρgz+μ(∂x2∂2w+∂y2∂2w+∂z2∂2w)
直角坐标系到柱坐标系
如图所示,我们建立直角坐标系和柱坐标系。
由柱坐标系的定义,我们知道,直角坐标系和柱坐标系满足这样一个关系:
[rθz]=[x2+y2arctan(y/x)z],0≤θ<2π\left[ \begin{array}{l}{r} \\ {\theta} \\ {z}\end{array}\right]=\left[ \begin{array}{c}{\sqrt{x^{2}+y^{2}}} \\ {\arctan (y / x)} \\ {z}\end{array}\right], \quad 0 \leq \theta<2 \pi ⎣⎡rθz⎦⎤=⎣⎡x2+y2arctan(y/x)z⎦⎤,0≤θ<2π
[xyz]=[rcosθrsinθz]\left[ \begin{array}{l}{x} \\ {y} \\ {z}\end{array}\right]=\left[ \begin{array}{c}{r \cos \theta} \\ {r \sin \theta} \\ {z}\end{array}\right] ⎣⎡xyz⎦⎤=⎣⎡rcosθrsinθz⎦⎤
假设在直角坐标系中,三个坐标轴方向的单位向量分别表示为i、j、k\mathbf{i、j、k}i、j、k,在柱坐标系中,三个轴向的单位向量表示为er,eθ,ez\mathbf{e_r,e_\theta,e_z}er,eθ,ez,那么,如图所示,我们将i、j、k\mathbf{i、j、k}i、j、k分解到柱坐标系中,将er,eθ,ez\mathbf{e_r,e_\theta,e_z}er,eθ,ez分解到直角坐标系中,可以得到二者之间的一个关系。
[ereθez]=[cosθsinθ0−sinθcosθ0001][ijk]\left[ \begin{array}{c}{\mathbf{e_r}} \\ {\mathbf{e_\theta}} \\ {\mathbf{e_z}}\end{array}\right]=\left[ \begin{array}{ccc}{\cos \theta} & {\operatorname{sin} \theta} & {0} \\ {-\sin \theta} & {\cos \theta} & {0} \\ {0} & {0} & {1}\end{array}\right] \left[ \begin{array}{l}{\mathbf{i}} \\ {\mathbf{j}} \\ {\mathbf{k}}\end{array}\right] ⎣⎡ereθez⎦⎤=⎣⎡cosθ−sinθ0sinθcosθ0001⎦⎤⎣⎡ijk⎦⎤
[ijk]=[cosθ-sinθ0sinθcosθ0001][ereθez]\left[ \begin{array}{l}{\mathbf{i}} \\ {\mathbf{j}} \\ {\mathbf{k}}\end{array}\right]=\left[ \begin{array}{ccc}{\cos \theta} & {\operatorname{-sin} \theta} & {0} \\ {\sin \theta} & {\cos \theta} & {0} \\ {0} & {0} & {1}\end{array}\right] \left[ \begin{array}{c}{\mathbf{e_r}} \\ {\mathbf{e_\theta}} \\ {\mathbf{e_z}}\end{array}\right] ⎣⎡ijk⎦⎤=⎣⎡cosθsinθ0-sinθcosθ0001⎦⎤⎣⎡ereθez⎦⎤
坐标系变换的雅克比矩阵体现了两个坐标系中变量的偏导关系,表示如下:
柱坐标系下常用算子表示
为了推导不可压NS方程在柱坐标下的表示形式,我们先推导一些常用算子的柱坐标表示(重要但后面不一定全会用到),即:
∇f=∂f∂rer+1r∂f∂θeθ+∂f∂zez∇⋅f=1r∂∂r(rfr)+1r∂fθ∂θ+∂fz∂z∇×f=(1r∂fz∂θ−∂fθ∂z)er+(∂fr∂z−∂fz∂r)eθ+1r(∂∂r(rfθ)−∂fr∂θ)ez∇2f=1r∂∂r(r∂f∂r)+1r2∂2f∂θ2+∂2f∂z2\begin{aligned} \nabla f &=\frac{\partial f}{\partial r} \mathbf{e_r}+\frac{1}{r} \frac{\partial f}{\partial \theta} \mathbf{e_\theta}+\frac{\partial f}{\partial z} \mathbf{e_z}\\ \nabla \cdot \boldsymbol{f} &=\frac{1}{r} \frac{\partial}{\partial r}\left(r f_{r}\right)+\frac{1}{r} \frac{\partial f_{\theta}}{\partial \theta}+\frac{\partial f_{z}}{\partial z} \\ \nabla \times \boldsymbol{f} &=\left(\frac{1}{r} \frac{\partial f_{z}}{\partial \theta}-\frac{\partial f_{\theta}}{\partial z}\right) \mathbf{e_r}+\left(\frac{\partial f_{r}}{\partial z}-\frac{\partial f_{z}}{\partial r}\right) \mathbf{e_\theta}+\frac{1}{r}\left(\frac{\partial}{\partial r}\left(r f_{\theta}\right)-\frac{\partial f_{r}}{\partial \theta}\right) \mathbf{e_z}\\ \nabla^{2} f &=\frac{1}{r} \frac{\partial}{\partial r}\left(r \frac{\partial f}{\partial r}\right)+\frac{1}{r^{2}} \frac{\partial^{2} f}{\partial \theta^{2}}+\frac{\partial^{2} f}{\partial z^{2}} \end{aligned} ∇f∇⋅f∇×f∇2f=∂r∂fer+r1∂θ∂feθ+∂z∂fez=r1∂r∂(rfr)+r1∂θ∂fθ+∂z∂fz=(r1∂θ∂fz−∂z∂fθ)er+(∂z∂fr−∂r∂fz)eθ+r1(∂r∂(rfθ)−∂θ∂fr)ez=r1∂r∂(r∂r∂f)+r21∂θ2∂2f+∂z2∂2f
重要PS: 注意到,这里散度和旋度的定义用到的是的fff在柱坐标系下的分量来表示(右边),而一阶和二阶梯度中的fff是一个函数,这个函数既可以在直角坐标系下,也可以在柱坐标系下。如果f=V⃗\mathbf{f} = \vec Vf=V,每个分量表示速度沿三个方向的分量。
因为Tex公式敲起来挺费事的,我这里只证明一下第一个,其他类似。使用坐标系单位向量之间的关系和链式法则。
∇f=fx+fy+fz=[(frcosθ−fθ1rsinθ)cosθ+(frsinθ+fθ1rcosθ)sinθ]er+[(fr1rcosθ−fθ1rsinθ)−sinθ+(frsinθ+fθ1rcosθ)cosθ]eθ+fzez=frer+1rfθeθ+fzez\nabla f = f_x+f_y+f_z=[(f_r\mathrm{cos \theta-f_\theta\frac{1}{r}\mathrm{sin\theta}})\mathrm{cos \theta}+(f_r\mathrm{sin\theta+f_\theta\frac{1}{r}\mathrm{cos\theta}})\mathrm{sin\theta}]\mathbf{e_r}\\+[(f_r\frac{1}{r}\mathrm{cos \theta-f_\theta\frac{1}{r}\mathrm{sin\theta}})\mathrm{-sin\theta}+(f_r\mathrm{sin\theta+f_\theta\frac{1}{r}\mathrm{cos\theta}})\mathrm{cos\theta}]\mathbf{e_\theta}+f_z\mathbf{e_z}\\=f_r\mathbf{e_r}+\frac{1}{r}f_\theta \mathbf{e_\theta}+f_z\mathbf{e_z}∇f=fx+fy+fz=[(frcosθ−fθr1sinθ)cosθ+(frsinθ+fθr1cosθ)sinθ]er+[(frr1cosθ−fθr1sinθ)−sinθ+(frsinθ+fθr1cosθ)cosθ]eθ+fzez=frer+r1fθeθ+fzez
不可压NS方程柱坐标形式推导
有了上述的工具,我们下一步要做的将Navier-Stokes方程直角坐标表达中的各种算子替换成上述的极坐标表示,整理合并即可。
对于NS方程,对左端求物质导数,NS方程表达为:
ρ∂V⃗∂t+ρV⃗⋅∇V⃗=−∇p+ρg⃗+μ∇2V⃗{\rho \frac{\partial \vec{V}}{\partial t}+\rho\vec V \cdot \nabla \vec V=-\nabla p+\rho \vec{g}+\mu \nabla^{2} \vec{V}} ρ∂t∂V+ρV⋅∇V=−∇p+ρg+μ∇2V
外力项不涉及求导,不发生变换,只要替换相应的变量即可。所以我们只要计算时间导数项,对流项,压强项和粘性项,以及连续性方程。
主要思路
我们想做的事情是,在NS方程的分量表达式
ρ(∂u∂t+u∂u∂x+v∂u∂y+w∂u∂z)=−∂P∂x+ρgx+μ(∂2u∂x2+∂2u∂y2+∂2u∂z2)\rho\left(\frac{\partial u}{\partial t}+u \frac{\partial u}{\partial x}+v \frac{\partial u}{\partial y}+w \frac{\partial u}{\partial z}\right)=-\frac{\partial P}{\partial x}+\rho g_{x}+\mu\left(\frac{\partial^{2} u}{\partial x^{2}}+\frac{\partial^{2} u}{\partial y^{2}}+\frac{\partial^{2} u}{\partial z^{2}}\right) ρ(∂t∂u+u∂x∂u+v∂y∂u+w∂z∂u)=−∂x∂P+ρgx+μ(∂x2∂2u+∂y2∂2u+∂z2∂2u)
ρ(∂v∂t+u∂v∂x+v∂v∂y+w∂v∂z)=−∂P∂y+ρgy+μ(∂2v∂x2+∂2v∂y2+∂2v∂z2)\rho\left(\frac{\partial v}{\partial t}+u \frac{\partial v}{\partial x}+v \frac{\partial v}{\partial y}+w \frac{\partial v}{\partial z}\right)=-\frac{\partial P}{\partial y}+\rho g_{y}+\mu\left(\frac{\partial^{2} v}{\partial x^{2}}+\frac{\partial^{2} v}{\partial y^{2}}+\frac{\partial^{2} v}{\partial z^{2}}\right) ρ(∂t∂v+u∂x∂v+v∂y∂v+w∂z∂v)=−∂y∂P+ρgy+μ(∂x2∂2v+∂y2∂2v+∂z2∂2v)
ρ(∂w∂t+u∂w∂x+v∂w∂y+w∂w∂z)=−∂P∂z+ρgz+μ(∂2w∂x2+∂2w∂y2+∂2w∂z2)\rho\left(\frac{\partial w}{\partial t}+u \frac{\partial w}{\partial x}+v \frac{\partial w}{\partial y}+w \frac{\partial w}{\partial z}\right)=-\frac{\partial P}{\partial z}+\rho g_{z}+\mu\left(\frac{\partial^{2} w}{\partial x^{2}}+\frac{\partial^{2} w}{\partial y^{2}}+\frac{\partial^{2} w}{\partial z^{2}}\right) ρ(∂t∂w+u∂x∂w+v∂y∂w+w∂z∂w)=−∂z∂P+ρgz+μ(∂x2∂2w+∂y2∂2w+∂z2∂2w)
当中,将u,v,wu,v,wu,v,w换成ur,uθ,uzu_r,u_\theta,u_zur,uθ,uz,并且我柱坐标系下的三个式子是关于er,eθ,ez\mathbf{e_r,e_\theta,e_z}er,eθ,ez三个方向的分量,即考虑将三个式子做线性组合,左边对左边,右边多右边:
[柱式1柱式2柱式3]=[cosθsinθ0−sinθcosθ0001][直式1直式2直式3]\left[ \begin{array}{c}{柱式1} \\ {柱式2} \\ {柱式3}\end{array}\right]=\left[ \begin{array}{ccc}{\cos \theta} & {\operatorname{sin} \theta} & {0} \\ {-\sin \theta} & {\cos \theta} & {0} \\ {0} & {0} & {1}\end{array}\right] \left[ \begin{array}{l}{直式1} \\ {直式2} \\ {直式3}\end{array}\right] ⎣⎡柱式1柱式2柱式3⎦⎤=⎣⎡cosθ−sinθ0sinθcosθ0001⎦⎤⎣⎡直式1直式2直式3⎦⎤
考虑直角坐标系向量到柱坐标系的替换:
V⃗=[uvw]=[cosθ-sinθ0sinθcosθ0001][uruθuz]\vec V = \left[ \begin{array}{l}{u} \\ {v} \\ {w}\end{array}\right]=\left[ \begin{array}{ccc}{\cos \theta} & {\operatorname{-sin} \theta} & {0} \\ {\sin \theta} & {\cos \theta} & {0} \\ {0} & {0} & {1}\end{array}\right] \left[ \begin{array}{c}{{u_r}} \\ {{u_\theta}} \\ {{u_z}}\end{array}\right] V=⎣⎡uvw⎦⎤=⎣⎡cosθsinθ0-sinθcosθ0001⎦⎤⎣⎡uruθuz⎦⎤
将其代入,并利用梯度和拉普拉斯算子在柱坐标下的表示公式(不全用到):
∇f=∂f∂rer+1r∂f∂θeθ+∂f∂zez∇⋅f=1r∂∂r(rfr)+1r∂fθ∂θ+∂fz∂z∇×f=(1r∂fz∂θ−∂fθ∂z)er+(∂fr∂z−∂fz∂r)eθ+1r(∂∂r(rfθ)−∂fr∂θ)ez∇2f=1r∂∂r(r∂f∂r)+1r2∂2f∂θ2+∂2f∂z2\begin{aligned} \nabla f &=\frac{\partial f}{\partial r} \mathbf{e_r}+\frac{1}{r} \frac{\partial f}{\partial \theta} \mathbf{e_\theta}+\frac{\partial f}{\partial z} \mathbf{e_z}\\ \nabla \cdot \boldsymbol{f} &=\frac{1}{r} \frac{\partial}{\partial r}\left(r f_{r}\right)+\frac{1}{r} \frac{\partial f_{\theta}}{\partial \theta}+\frac{\partial f_{z}}{\partial z} \\ \nabla \times \boldsymbol{f} &=\left(\frac{1}{r} \frac{\partial f_{z}}{\partial \theta}-\frac{\partial f_{\theta}}{\partial z}\right) \mathbf{e_r}+\left(\frac{\partial f_{r}}{\partial z}-\frac{\partial f_{z}}{\partial r}\right) \mathbf{e_\theta}+\frac{1}{r}\left(\frac{\partial}{\partial r}\left(r f_{\theta}\right)-\frac{\partial f_{r}}{\partial \theta}\right) \mathbf{e_z}\\ \nabla^{2} f &=\frac{1}{r} \frac{\partial}{\partial r}\left(r \frac{\partial f}{\partial r}\right)+\frac{1}{r^{2}} \frac{\partial^{2} f}{\partial \theta^{2}}+\frac{\partial^{2} f}{\partial z^{2}} \end{aligned} ∇f∇⋅f∇×f∇2f=∂r∂fer+r1∂θ∂feθ+∂z∂fez=r1∂r∂(rfr)+r1∂θ∂fθ+∂z∂fz=(r1∂θ∂fz−∂z∂fθ)er+(∂z∂fr−∂r∂fz)eθ+r1(∂r∂(rfθ)−∂θ∂fr)ez=r1∂r∂(r∂r∂f)+r21∂θ2∂2f+∂z2∂2f
另外链式法则需要用到两个坐标系变换的求导关系:
综上进行合并整理,即可。
连续性方程(质量守恒)
由柱坐标下的散度公式,可知不可压连续性条件为:
1r∂(rur)∂r+1r∂(uθ)∂θ+∂uz∂z=0\frac{1}{r} \frac{\partial\left(r u_{r}\right)}{\partial r}+\frac{1}{r} \frac{\partial\left(u_{\theta}\right)}{\partial \theta}+\frac{\partial u_{z}}{\partial z}=0 r1∂r∂(rur)+r1∂θ∂(uθ)+∂z∂uz=0
时间导数项
因为柱坐标变换是对空间的变换,不涉及时间变量,所以时间导数项在直角坐标系下不发生变化,做一个式分量的线性组合即可。
[∂ur∂t∂uθ∂t∂uz∂t]=[cosθsinθ0−sinθcosθ0001][∂u∂t∂v∂t∂w∂t]\left[ \begin{array}{c}{\frac{\partial u_r}{\partial t}} \\ {\frac{\partial u_\theta}{\partial t}} \\ {\frac{\partial u_z}{\partial t}}\end{array}\right]=\left[ \begin{array}{ccc}{\cos \theta} & {\operatorname{sin} \theta} & {0} \\ {-\sin \theta} & {\cos \theta} & {0} \\ {0} & {0} & {1}\end{array}\right] \left[ \begin{array}{l}{\frac{\partial u}{\partial t}} \\ {\frac{\partial v}{\partial t}} \\ {\frac{\partial w}{\partial t}}\end{array}\right] ⎣⎡∂t∂ur∂t∂uθ∂t∂uz⎦⎤=⎣⎡cosθ−sinθ0sinθcosθ0001⎦⎤⎣⎡∂t∂u∂t∂v∂t∂w⎦⎤
对流项
因为V⃗\vec VV是一个向量,我们可以分别考虑它的每一个分量:
ρV⃗⋅∇f=ρ(∂f∂ru+1r∂f∂θv+∂f∂zw)\rho\vec{V}\cdot \nabla f =\rho(\frac{\partial f}{\partial r} {u}+\frac{1}{r} \frac{\partial f}{\partial \theta} {v}+\frac{\partial f}{\partial z} {w})ρV⋅∇f=ρ(∂r∂fu+r1∂θ∂fv+∂z∂fw)
将fff分别替换为u,v,wu,v,wu,v,w,并将其替换为ur,uθ,uzu_r,u_\theta,u_zur,uθ,uz,合并化简,即可得到对流项。
ρ(ur∂ur∂r+uθr∂ur∂θ−uθ2r+uz∂ur∂z)\begin{array}{l}{\rho\left(u_{r} \frac{\partial u_{r}}{\partial r}+\frac{u_{\theta}}{r} \frac{\partial u_{r}}{\partial \theta}-\frac{u_{\theta}^{2}}{r}+u_{z} \frac{\partial u_{r}}{\partial z}\right)} \end{array} ρ(ur∂r∂ur+ruθ∂θ∂ur−ruθ2+uz∂z∂ur)
ρ(ur∂uθ∂r+uθr∂uθ∂θ+uruθr+uz∂uθ∂z)\begin{array}{l}{\rho\left(u_{r} \frac{\partial u_{\theta}}{\partial r}+\frac{u_{\theta}}{r} \frac{\partial u_{\theta}}{\partial \theta}+\frac{u_{r} u_{\theta}}{r}+u_{z} \frac{\partial u_{\theta}}{\partial z}\right)} \end{array} ρ(ur∂r∂uθ+ruθ∂θ∂uθ+ruruθ+uz∂z∂uθ)
ρ(ur∂uz∂r+uθr∂uz∂θ+uz∂uz∂z)\begin{array}{l}{\rho\left(u_{r} \frac{\partial u_{z}}{\partial r}+\frac{u_{\theta}}{r} \frac{\partial u_{z}}{\partial \theta}+u_{z} \frac{\partial u_{z}}{\partial z}\right)} \end{array} ρ(ur∂r∂uz+ruθ∂θ∂uz+uz∂z∂uz)
打tex比较麻烦,将手算稿纸黏贴如下,(ρ\rhoρ在外面,先不考虑,下同):
压强项
我们想要的其实就是直角坐标系中的各个分量在柱坐标系下的表达,由前提到的梯度公式,直接可得:
−∇p=−∂p∂rer−1r∂p∂θeθ−∂p∂zez-\nabla p =- \frac{\partial p}{\partial r} \mathbf{e_r}-\frac{1}{r} \frac{\partial p}{\partial \theta} \mathbf{e_\theta}-\frac{\partial p}{\partial z} \mathbf{e_z}−∇p=−∂r∂per−r1∂θ∂peθ−∂z∂pez
粘性项
∇2f=1r∂∂r(r∂f∂r)+1r2∂2f∂θ2+∂2f∂z2\nabla^{2} f =\frac{1}{r} \frac{\partial}{\partial r}\left(r \frac{\partial f}{\partial r}\right)+\frac{1}{r^{2}} \frac{\partial^{2} f}{\partial \theta^{2}}+\frac{\partial^{2} f}{\partial z^{2}}∇2f=r1∂r∂(r∂r∂f)+r21∂θ2∂2f+∂z2∂2f
将fff分别替换为u,v,wu,v,wu,v,w,做式分量的线性组合,并使用ur,uθ,uzu_r,u_\theta,u_zur,uθ,uz线性表出替换后并整理,即可。
Tex打起来比较麻烦,手稿如下:
合并
因为等式两边貌似没有一个统一表示的方法,所以最后只能写成分量的形式,最后方程的形式可以写为:
ρ(∂ur∂t+ur∂ur∂r+uθr∂ur∂θ−uθ2r+uz∂ur∂z)=−∂P∂r+ρgr+μ[1r∂∂r(r∂ur∂r)−urr2+1r2∂2ur∂θ2−2r2∂uθ∂θ+∂2ur∂z2]\begin{array}{l}{\rho\left(\frac{\partial u_{r}}{\partial t}+u_{r} \frac{\partial u_{r}}{\partial r}+\frac{u_{\theta}}{r} \frac{\partial u_{r}}{\partial \theta}-\frac{u_{\theta}^{2}}{r}+u_{z} \frac{\partial u_{r}}{\partial z}\right)} \\ {=-\frac{\partial P}{\partial r}+\rho g_{r}+\mu\left[\frac{1}{r} \frac{\partial}{\partial r}\left(r \frac{\partial u_{r}}{\partial r}\right)-\frac{u_{r}}{r^{2}}+\frac{1}{r^{2}} \frac{\partial^{2} u_{r}}{\partial \theta^{2}}-\frac{2}{r^{2}} \frac{\partial u_{\theta}}{\partial \theta}+\frac{\partial^{2} u_{r}}{\partial z^{2}}\right]}\end{array} ρ(∂t∂ur+ur∂r∂ur+ruθ∂θ∂ur−ruθ2+uz∂z∂ur)=−∂r∂P+ρgr+μ[r1∂r∂(r∂r∂ur)−r2ur+r21∂θ2∂2ur−r22∂θ∂uθ+∂z2∂2ur]
ρ(∂uθ∂t+ur∂uθ∂r+uθr∂uθ∂θ+uruθr+uz∂uθ∂z)=−1r∂P∂θ+ρgθ+μ[1r∂∂r(r∂uθ∂r)−uθr2+1r2∂2uθ∂θ2+2r2∂ur∂θ+∂2uθ∂z2]\begin{array}{l}{\rho\left(\frac{\partial u_{\theta}}{\partial t}+u_{r} \frac{\partial u_{\theta}}{\partial r}+\frac{u_{\theta}}{r} \frac{\partial u_{\theta}}{\partial \theta}+\frac{u_{r} u_{\theta}}{r}+u_{z} \frac{\partial u_{\theta}}{\partial z}\right)} \\ {=-\frac{1}{r} \frac{\partial P}{\partial \theta}+\rho g_{\theta}+\mu\left[\frac{1}{r} \frac{\partial}{\partial r}\left(r \frac{\partial u_{\theta}}{\partial r}\right)-\frac{u_{\theta}}{r^{2}}+\frac{1}{r^{2}} \frac{\partial^{2} u_{\theta}}{\partial \theta^{2}}+\frac{2}{r^{2}} \frac{\partial u_{r}}{\partial \theta}+\frac{\partial^{2} u_{\theta}}{\partial z^{2}}\right]}\end{array} ρ(∂t∂uθ+ur∂r∂uθ+ruθ∂θ∂uθ+ruruθ+uz∂z∂uθ)=−r1∂θ∂P+ρgθ+μ[r1∂r∂(r∂r∂uθ)−r2uθ+r21∂θ2∂2uθ+r22∂θ∂ur+∂z2∂2uθ]
ρ(∂uz∂t+ur∂uz∂r+uθr∂uz∂θ+uz∂uz∂z)=−∂P∂z+ρgz+μ[1r∂∂r(r∂uz∂r)+1r2∂2uz∂θ2+∂2uz∂z2]\begin{array}{l}{\rho\left(\frac{\partial u_{z}}{\partial t}+u_{r} \frac{\partial u_{z}}{\partial r}+\frac{u_{\theta}}{r} \frac{\partial u_{z}}{\partial \theta}+u_{z} \frac{\partial u_{z}}{\partial z}\right)} \\ {=-\frac{\partial P}{\partial z}+\rho g_{z}+\mu\left[\frac{1}{r} \frac{\partial}{\partial r}\left(r \frac{\partial u_{z}}{\partial r}\right)+\frac{1}{r^{2}} \frac{\partial^{2} u_{z}}{\partial \theta^{2}}+\frac{\partial^{2} u_{z}}{\partial z^{2}}\right]}\end{array} ρ(∂t∂uz+ur∂r∂uz+ruθ∂θ∂uz+uz∂z∂uz)=−∂z∂P+ρgz+μ[r1∂r∂(r∂r∂uz)+r21∂θ2∂2uz+∂z2∂2uz]
不可压连续性条件为:
1r∂(rur)∂r+1r∂(uθ)∂θ+∂uz∂z=0\frac{1}{r} \frac{\partial\left(r u_{r}\right)}{\partial r}+\frac{1}{r} \frac{\partial\left(u_{\theta}\right)}{\partial \theta}+\frac{\partial u_{z}}{\partial z}=0 r1∂r∂(rur)+r1∂θ∂(uθ)+∂z∂uz=0
柱坐标系下的流体力学控制方程组的微分形式的推导相关推荐
- 18.0.高等数学四-柱坐标系下三重积分的计算
柱坐标系下三重积分的计算 问题引入 空间上点的柱坐标表示 例题1 三重积分的柱坐标形式 例题2 例题3 例题4 问题引入 如何计算飞船返回舱的体积? 空间上点的柱坐标表示
- 柱坐标系下的ns方程_麦克斯韦方程组小结
一.▽ 算子.点积.叉积 l▽ 算子叫"del"算子,即<< span="">∂/∂x,∂/∂y,∂/∂z>,可以理解为一个符号向量,向 ...
- Helmholtz方程在柱坐标系下的变量分离及Bessel方程的导出 | 特殊函数(二) |偏微分方程(二十四)
在圆柱坐标曲面所围的区域上求解时,应采用柱坐标系(r,θ,z)(r,\theta,z)(r,θ,z),此时 Δ3=1r∂∂r(r∂∂r)+1r2∂2∂θ2+∂2∂z2\Delta_3=\frac{1} ...
- [流体力学] 推导柱坐标系下的连续性方程
- 柱坐标系下的ns方程_笛卡尔坐标系到底是什么?
最近,我上传了一张名为"数学的深渊"的图片,大家颇感兴趣(可能被数学伤的很深吧^_^).接下来的日子,我会和大家一起,开启"十舍数学"号潜水艇,一层一层,前往数 ...
- 井壁稳定,comsol柱坐标系下井周应力
- 静止坐标系下,永磁同步电机PR控制,QPR控制。
静止坐标系下,永磁同步电机PR控制,QPR控制. ID:2710649678673849
- mavros 基于体轴坐标系下的无人机行人跟踪
该任务是为了实现无人机对于行人的跟踪,飞控采用的是px4,机载的板子是使用jetson nano.利用darknet_ros和自己训练的行人检测的yolov3 tiny模型,在jetson nano板 ...
- 【声辐射】——不同坐标系下的格林函数
概述 本文整理了不同坐标系下Helmholtz方程对应的格林函数 (∇2+k2)G(x)=δ(x)(\nabla^2+k^2)G(x)=\delta (x)(∇2+k2)G(x)=δ(x) 直角坐标系 ...
- 柱坐标下多重网格法解泊松方程-python
写了一个柱坐标下多重网格法解泊松方程的code,外边界采用的是第一类边界条件,直接用解析解赋值,内边界需要注意的是在x=0的转轴上面有奇点. 柱坐标下泊松方程形式为 当x趋向于0时, 将方程离散化,其 ...
最新文章
- 字符串匹配算法 -- AC自动机 基于Trie树的高效的敏感词过滤算法
- 人民搜索,该怎么说你才好
- 为什么delete表数据,磁盘空间却还是被占用
- python使用openCV图像加载(转化为灰度图像)、Canny边缘检测器检测图像的边缘(Detect Edges)
- [RHEL] RHEL7.0 下 Postfix + Dovecot 实现邮件发送
- MemoryStream的一些问题
- 【转】 Linux内核中读写文件数据的方法--不错
- 04.local_gateway和network相关设置
- ASP.NET Core中的Http缓存
- opencv+python视频实时质心显示
- 华为鸿蒙3799跟4799有啥区别,华为鸿蒙智慧屏出世!3799元高价,是增智慧还是智商税?...
- [ES6] 细化ES6之 -- 前端模块化
- 关于AVOD, 你需要知道的事
- CCA分析图如何解读_欧易/鹿明生物云平台:点点鼠标,轻松完成RDA/CCA分析
- 前端使用cesium加载地球
- 【深入理解Java原理】Java类加载机制
- 你是否也陷入了《能力陷阱》?
- 好玩有趣的Workerman小蝌蚪匿名聊天室HTML源码
- H264中4x4、8x8和16x16尺寸对应场景
- lol1月24服务器维护,《lol》1月24日停机到几点 1月24日停机维护内容一览