第七课相似模拟因次分析模型建立.docVIP

第七章 相似法，因次分析，模型建立 流力的問題是有許多可以靠解方程式，求取解析解。但是也有更多的問題是要仰賴實驗提供數據來完成問題的真正解決。本章便是要介紹這方面的一些方法及觀念，對實驗的設計規劃以及結果的整理及應用，將有實質的幫助。 相似法(similitude)的觀念就是要在一個系統(實驗室裡)上的測量，可以用來描述另外一個相似的系統(實驗室外)的行為表現。模型便是指實驗室裡的系統，用來觀察某些控制條件下的重要現象，（實驗室外的則稱為原型）。經由因次分析，建立出兩個系統的關聯性。而由模型的研究中，研發出預測原型某些物理量的方法（如經驗公式）。 7.1 通常一個流力的問題跟許多因數有關，為了觀察這些因數的影響，實驗上可能十分耗時與不經濟。利用因次分析，可以整合這些許多的因數。例如，決定管路中每一固定長的壓降，有影響的因數如管徑、流體密度、流體粘滯度、流體平均速度等， 於是我們可能有四張圖來表示壓降與這四個變數的關係。但是經由因次分析，我們可以的到兩個無因次參數，一樣來表示上式的關係，這樣就簡單清楚多了。 而實驗室裡的模型便可以選擇適當的尺寸或不同的流體，選擇的依據就是上面的式子。 7.2 白金漢Pi定理說一個方程式內如有k個變數，它的關係就能整合成k – r個無因次的參數來表示，r是這些變數內所使用到的因次數。通常以?來表示無因次參數。最常見的基本因次是質量(M，或是力量F)、長度(L)、時間(T)。 7.3 決定Pi項的方法有很多。首先看的是重覆變數法(repeating variables)。幾個重要的程序是， 1. 決定一個問題的有關變數(k個) 2. 這些變數的基本因次是哪些，有幾個(r個) 3. 從所有變數中，選擇r個所謂的重覆變數 4. 剩下的k – r個變數裡，逐一跟重覆變數以不同的次方相乘結合成共k – r個Pi項 5. 決定各變數的次方，使每一個Pi項成為無因次 重覆變數的選擇要以較平常的變數為優先，因為它會重覆出現在Pi項裡面。假如某一變數是受其他變數的影響的，那麼則要避免選擇該變數做重覆變數。 此時，原先變數之間的關係， 改變成Pi項之間的關係， 7.4 提醒注意一下，Pi項是無因次的，所以任意兩個Pi項的次方乘積也都是一個Pi項，但是總數只有k – r個。 7.5 7.6 流體力學裡常見的無因次參數列如下表，這些無因次參數通常也代表著一些作用力的相對大小。 名稱 型式 物理意義 註 雷諾數，Re Reynolds number 慣性力/粘滯力 最重要的流力無因次參數 福洛得數，Fr Froude number 慣性力/重力 出現於有自由表面時 歐拉數，Eu Euler number 壓力/慣性力 出現於當壓力或壓力降很重要時 馬赫數，Ma Mach number 慣性力/壓縮力 出現於流體壓縮性很重要時 偉柏數，We Weber number 慣性力/表面張力 出現於流體表面張力很重要時 例如看雷諾數，慣性力是指流體在其運動方向上的力，是質量與流線上加速度的乘積，，。粘滯切應力是粘滯度乘以速度梯度，所以慣性力與粘滯力的比值等於 這就是雷諾數，是最常見的無因次數，也是層流與紊流的判斷基準。 慣性力與重力的比值， 開根號就是福洛得數。 壓力係數是壓力與動態壓力(dynamic pressure)之比，所以它的一半就是歐拉數。 7.7 依據得到的Pi項，便能有效的整理實驗數據，並簡潔的表現出來。 7.8 一個模型的建立如何可以正確來預測原型的表現？當我們用因次分析寫下， 我們只需要了解物理現象的一般性本質以及相關的變數就夠了。變數本身的值，例如長多少，有多重，或是粘滯度的大小，在因次分析中，都不需要知道。 上式適用於任何由相同變數控制的系統，所以對一個原型建立的模型也會有， 當兩者的物理現象相同時，函數?的形式也就會相同。因此，當，，等等（稱為模型設計條件），最後（預測方程式）也要成立。模型測量得到的便能用來預測某一構成此Pi項的原型變數。 模型大小有各種比例，有的是長度比例，有的是速度比例，密度比例，粘滯度比例等等。 在各種比例條件下的限制，常會發生模型設計條件的Pi項無法全部滿足，此時便有所謂的扭曲模型，可能需要犧牲重要性比較低的效應。例如在一個選定長度比例下的模型，如果為了在其中兩個含速度的Pi項要有相同的速度比例，你可能會找不到滿足設計條件的粘滯度比例（或流體的其他物理性質）的流體。 這時候，相似法分析中便要借重其他的理論分析或已知的條件來補充。例如船舶前進的阻力有來自船體表面的摩擦切應力阻力，以及船體形狀的壓力差阻力兩種。模型（滿足福洛得數相同）中可以量得總阻力，再減掉借重其他分析找出切應力的阻力，便得到壓力阻力。以此結果去預測原型的壓力阻力，最後再將由前面所提的其他分析得