计算传热学数值模拟解决方案.doc

1、Jacobi迭代 在Jacobi迭代法中任一点上未知值的更新是用上一轮迭代中所获得的各邻 点之值来计算的，即 k=1,2,...,L1×M1 这里带括号的上角标表示迭代轮数。所谓一轮是指把求解区域中每一节点之值都更新一次的运算环节。显然，采用Jacobi迭代式，迭代前进的方向（又称扫描方向）并不影响迭代收敛速度。这种迭代法收敛速度很慢，一般较少采用。但对强烈的非线性问题，如果两个层次的迭代之间未知量的变化过大，容易引起非线性问题迭代的发散。在规定每一层次计算的迭代轮次数的情况下，有利于Jacobi迭代有利于非线性问题迭代的收敛。 2、Gauss-Seidel迭代 在这种迭代法中，每一种计算总是取邻点的最新值来进行。如果每一轮迭代按T的下角标由小到大的方式进行，则可表示为： 此时迭代计算进行的方向（即扫描方向）会影响到收敛速度，这是与边界条件的影响传入到区域内部的快慢有关的。 3、例题： 一矩形薄板几何尺寸如图所示，薄板左侧的边界温度TL=100K，右侧温度TR=300K，上侧温度TT=200K，下侧温度TB=200K，其余各面绝热，求板上个节点的温度。要求节点数目可以变化，写出程序。 解析： ⑴列出描述问题的微分方程和定解条件。 ；对于离散化的问题，其微分方程根据热平衡原理得到： 定解条件(边界条件): TL=100K，TR=300K，TT=200K，TB=200K。 ⑵网格划分示意图： 如下图所示，将薄板划分成(m=n)个网格，求个节点的温度分布。 ⑶内部节点的离散化代数方程： 即 边界节点的的离散化代数方程即各节点的温度等于对应边界的温度，不做赘述。 ⑷源程序： ① 采用高斯-赛德尔迭代的程序，如下： m=input(h); n=input(l); t=zeros(m,n); t0=zeros(m,n); dteps=0.01; for i=1:m t(i,1)=200; t(i,n)=200; end for j=1:n t(1,j)=100; t(m,j)=300; end for k=1:1000 for i=2:m-1 for j=2:n-1 t(i,j)=(t(i-1,j)+t(i+1,j)+t(i,j-1)+t(i,j+1))/4; end end dtmax=0; for i=2:m-1 for j=2:n-1 dtmax=max(abs(t(i,j)-t0(i,j)),dtmax); end end dtmax k t0=t; contour(t,40); pause; if dtmaxdteps break; end end ② 采用雅克比迭代的程序，如下： m=input(h); n=input(l); t=zeros(m,n); t0=zeros(m,n); dteps=0.01; for i=1:m t(i,1)=200; t(i,n)=200; end for j=1:n t(1,j)=100; t(m,j)=300; end t0=t; for k=1:1000 for i=2:m-1 for j=2:n-1 t(i,j)=(t0(i-1,j)+t0(i+1,j)+t0(i,j-1)+t0(i,j+1))/4; end end dtmax=0; for i=2:m-1 for j=2:n-1 dtmax=max(abs(t(i,j)-t0(i,j)),dtmax); end end dtmax k t0=t; contour(t,40); pause; if dtmaxdteps break; end end ⑸两种方法的收敛速度对比 下面是在相同的条件（m=n=20）下利用高斯-赛德尔迭代和雅克比迭代的得到的最终结果： 高斯-赛德尔迭代（只给出最后部分） …… dtmax = 0.0099 k = 250 雅克比迭代 …… dtmax = 0.0100 k = 444 由此可以看出，高斯-赛德尔迭代的收敛速度要比雅克比迭代的收敛速度快，因此高斯-赛德尔迭代更加优越。 ⑹不同节点数对收敛速度的影响 我们利用高斯-赛德尔迭代法，在m=n=20和m=n=30两种不同的条件下计算节点的温度，结果如下：（只给出m=n=30的结果） …… dtmax = 0.0099 k = 509 由结果可见迭代后一种情况迭代次数是前一种情况的两倍。收敛速度明显比前者慢。 画出等温线图如下：（m=n=20的情况下利用高斯-赛德尔迭代的结果）