大数据-算法-强制旋转动边界的SPH算法及其在挤出中的应用.pdf

光滑粒子流体动力学（Smoothed Particle Hydrodynamics, SPH），它是一种无网格方法，适用于处理复杂的流体流动问题，尤其是涉及动态边界、大变形和自由表面的问题。在大数据和算法领域，SPH因其无需网格的优势，在处理如强制旋转动边界等复杂问题时具有独特优势。 在本研究中，研究人员探讨了SPH算法在处理强制旋转动边界问题的应用。他们建立了物理模型，并使用静态粒子法来实现模型的边界实施。接着，通过比较经典SPH算法（如ISPH和MLS修正的SPH）与静边界以及商业CFD软件FLUENT的计算结果，验证了SPH算法的计算可靠性。他们提出了一种改进的MLS密度策略，即在每个时间步只计算流体粒子密度，而边界粒子密度保持不变，每隔20个时间步对所有粒子进行MLS密度修正。这种方法能有效减少高压力梯度区域的压力振荡，确保计算的稳定性和效率。 针对非充满状态下的强制旋转动边界模拟，研究人员设计并制造了一套有机玻璃流体实验装置，以实验结果验证SPH方法的计算准确性。他们提出了一种静态粒子结合加密壁粒子的方案，解决了旋转动边界自由表面流问题中粒子逸出边界的问题。使用ISPH算法，实现了强制旋转动边界自由表面流模型的模拟。研究显示，在不同角速度下，ISPH计算结果与实验结果相吻合，揭示了自由表面形态受转速影响的规律。 此外，SPH方法在螺杆挤出领域的应用也得到了初步研究。计算二维单螺杆挤出过程中非牛顿流体的流场，结果显示剪切增稠现象，旋涡中心向螺槽底部移动。分析表明，对于非牛顿流的计算，采用镜像粒子边界法比静态粒子法更为可靠。在三维螺杆挤出模型中，入口和出口采用周期边界优于压力边界，可以更好地模拟环流和剪切应力分布。流量与反向压力梯度之间呈现线性关系。 该研究展示了SPH算法在处理大数据背景下的复杂流体动力学问题，特别是强制旋转动边界问题时的强大能力。通过对算法的改进和优化，可以提高计算的精度和稳定性，为工业生产中的螺杆挤出和类似工艺提供有力的理论支持和模拟工具。未来的研究可能将进一步扩展SPH的应用范围，以解决更多实际工程中的动态边界问题。