湍流在我们的日常生活中扮演着关键的作用,让飞机颠簸的是它,影响天气和气候的也是它,它还会限制我们驾驶的汽车的燃料效率,影响着清洁能源技术的发展。 湍流是混沌的,随着时间的推移,很小的外部干扰都有可能导致截然不同的行为,表现出不同的时间和空间结构。科学家和工程师一直困惑于预测和改变湍流的方法,它一直是科学和工程领域最具挑战性的问题之一。 现在,一组物理学家已经通过数值和实验证明,在流体动力学支配方程的一套较小的特解的帮助下,湍流可以被理解和量化,这些解可以为特定的几何形状进行预先计算。 这项研究提供了第一个实验说明,在一段适当短的时间尺度上,湍流的动力学是确定性的,并将湍流和它基本的确定性支配方程联系在了一起。研究论文已于近日发表在《美国国家科学院院刊》上。 湍流研究的新“路线图” 量化预测湍流的演变相当困难,事实上,湍流的几乎任何一种属性都难以捉摸。数值模拟可以说是目前唯一可靠的预测方法,但它往往代价高昂。研究团队的目标就是降低预测成本。从几年前开始,他们便展开了对湍流的研究。先前的一些发现着重在理想化的二维流动中,但新研究则着手解决实际情况中更重要、且更复杂的三维流动。 研究人员通过观察被限制在两个独立旋转的圆柱体之间的弱湍流,创建了一个新的湍流“路线图”。由于这种情况不包含那些更熟悉的几何形状中存在的端效应(比如管道中的水流),从而给了研究小组一种独特的方式,来比较实验观察和数值计算的流动。 用一个相对贴切的类比来说,湍流就像一列火车,它不仅按照规定的时间表顺着铁路的轨迹行进,还具有与铁路一样的形状。 这项实验专门设置了透明墙壁,让科学家有机会充分观察,它还使用了最先进的流动可视化,通过追踪数百万个悬浮的荧光颗粒的运动来重建流动的细节。 实验装置 (图/Michael Schatz, Roman Grigoriev) 同时,先进的数值方法被用来计算偏微分方程(纳维-斯托克斯方程)的复现解,这一方程支配着与实验完全匹配的条件下的流体流动。 研究示意图 (图/Michael Schatz, Roman Grigoriev) 两种频率的复现解 众所周知,湍流会表现出一系列模式,也就是所谓的“拟序结构”,它们具有明确的空间轮廓,但会以一种明显随机的方式出现和消失。通过分析实验和数值数据,研究人员发现,这些流动模式及其演变与他们计算的特解所描述的非常相似。这些特解既是复现的,也是不稳定的,这意味着它们描述了在很短时间内重复的流动模式。 在这种几何条件下发现的所有复现解都是准周期性的,也就是说,它以两种不同的频率为特征。 其中一种频率描述了流动模式围绕流动对称轴的整体旋转,而另一种则描述了流动模式在与其共同旋转的参考系中的形状变化。相应的流动在这些共同旋转的参考系中周期性地重复着。 随后,团队将实验和数值模拟中的湍流,与这些复现解进行了比较,发现只要湍流持续存在,湍流就会紧紧“追随”着一个又一个复现解。 这样的定性行为被预测为低维混沌系统,其中的典型代表包括著名的洛伦茨模型,它在60年前作为一个极大简化的大气模型得出。这是首次通过实验在湍流中实际观察到混沌运动追踪复现解的情况。当然,由于复现解的准周期性,湍流的动力学就变得复杂得多了。 三维流体流动的新动力学基础 研究使用这种方法,确切地表明,湍流在空间和时间上的组织可以被这些结构很好地捕捉到。这些结果为用拟序结构描述湍流奠定了基础,也帮助我们可以利用它们在时间上的持久性,克服混沌对我们预测、控制和设计流体流动的能力的破坏性影响。 面对湍流这个“科学界悬而未决的大问题”,这项研究为湍流奠定了一个数学基础,它在本质上是动力学的,而非统计的,因此我们可以进行定量预测。这些发现对仍在试图理解流体湍流的物理学家、数学家和工程师群体产生了最直接的影响。 未来,我们有望极大地提高天气预报的准确性,甚至可以预测各种极端事件,它对于设计具有所需特性的流动的能力同样至关重要。 参考来源: https://research.gatech.edu/phys ... ramework-turbulence https://www.pnas.org/doi/full/10.1073/pnas.2120665119 图片来源: 封面图:Michael Schatz, Georgia Institute of Technology 首图:Michael Schatz, Roman Grigoriev, Georgia Institute of Technology 来源:原理微信公众号(ID:principia1687),作者:Gaviota。 |
GMT+8, 2024-11-24 15:49 , Processed in 0.053268 second(s), 23 queries , Gzip On.
Powered by Discuz! X3.4
Copyright © 2001-2021, Tencent Cloud.