Parameter-free numerical method for modeling thermal convection in square cavities in a wide range of Rayleigh numbers


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Some numerical results for the two- and three-dimensional de Vahl Davis benchmark are presented. This benchmark describes thermal convection in a square (cubic) cavity with vertical heated walls in a wide range of Rayleigh numbers (104 to 1014), which covers both laminar and highly turbulent f lows. Turbulent f lows are usually described using a turbulence model with parameters that depend on the Rayleigh number and require adjustment. An alternative is Direct Numerical Simulation (DNS) methods, but they demand extremely large computational grids. Recently, there has been an increasing interest in DNS methods with an incomplete resolution, which, in some cases, are able to provide acceptable results without resolving Kolmogorov scales. On the basis of this approach, the so-called parameter-free computational techniques have been developed. These methods cover a wide range of Rayleigh numbers and allow computing various integral properties of heat transport on relatively coarse computational grids. In this paper, a new numerical method based on the CABARET scheme is proposed for solving the Navier–Stokes equations in the Boussinesq approximation. This technique does not involve a turbulence model or any tuning parameters and has a second-order approximation scheme in time and space on uniform and nonuniform grids with a minimal computational stencil. Testing the technique on the de Vahl Davis benchmark and a sequence of refined grids shows that the method yields integral heat f luxes with a high degree of accuracy for both laminar and highly turbulent f lows. For Rayleigh numbers up to 1014, a several percent accuracy is achieved on an extremely coarse grid consisting of 20 × 20 cells refined toward the boundary. No definite or comprehensive explanation of this computational phenomenon has been given. Cautious optimism is expressed regarding the perspectives of using the new method for thermal convection computations at low Prandtl numbers typical of liquid metals.

Об авторах

V. Goloviznin

Faculty of Computational Mathematics and Cybernetics

Автор, ответственный за переписку.
Email: gol@ibrae.ac.ru
Россия, Moscow, 119991

I. Korotkin

Nuclear Safety Institute

Email: gol@ibrae.ac.ru
Россия, Moscow, 115191

S. Finogenov

Nuclear Safety Institute

Email: gol@ibrae.ac.ru
Россия, Moscow, 115191

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Ltd., 2016

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».