ارزیابی عملکرد مدل تلاطمی استاندارد در مقایسه با مدل Rng در پیش‌بینی ارتفاع غوطه‌وری جریان غلیظ

نقطه غوطه وری هنگامی روی می دهد که در برخورد جریان غلیظ با سیال ساکن، جریان غلیظ به درون سیال ساکن نفوذ کرده باشد. در این تحقیق پارامترهای هیدرولیکی جریان غلیظ و هم چنین شیب بستر سیال ساکن که بر نقطه غوطه وری تاثیر گذار هستند، تحت شرایط دو مدل تلاطمی استاندارد و rng (که در سراسر متن به اختصار مدل استاندارد و rng از آنها یاد خواهد شد) با استفاده از مدلflow3d مورد بررسی قرار گرفته اند. در این تحقیق ابتدا یک مدل فیزیکی ساخته شد و آزمایش های مختلف در مجموع 36 آزمایش در آن انجام گردید. سپس با استفاده از مدل flow3d ارتفاع نقطه غوطه وری برای شرایط آزمایشگاهی موجود تحت شرایط دو مدل آشفتگی مذکور شبیه سازی شد. بررسی مقایسه ای نشان داد که عمق غوطه وری برآورد شده تحت مدل آشفتگی rng نسبت به مدل استاندارد، به مقادیر اندازه گیری شده آزمایشگاهی نزدیک تر می باشد. این در حالی است که در شیب 12 درصد مدل rng مقدار 28/12 درصد و مدل استاندارد حدود 30 درصد نتایج را بیشتر از داده های آزمایشگاهی پیش بینی نموده است. در مجموع برای کلیه شیب ها به طور متوسط نتایج حاصل از مدل تلاطمی rng، 5/10 درصد و نتایج حاصل از مدل استاندارد 27 درصد بیشتر از مقادیر اندازه گیری شده می باشد. با توجه به بررسی آماری انجام شده مشخص گردید که مدل تلاطمی rng به طور کلی نتایج ارتفاع غوطه وری را با دقت رضایت بخشی نسبت به مدل استاندارد تخمین می زند.

The Functional Comparison of the Turbulent Model to the RNG Model at Predicting the Plunge Point Depth

While the mass density current penetrates the stagnant fluid, a plunge point occurs. In this regard, the boundary of the dense fluid with ambient fluid is determined at the plunge point height. In this research, the hydraulic parameters of the dense flow and the bed slope of the stagnant fluid which have a significant effect on the plunge point have been investigated under the two turbulence models: the k and the RNG at the Flow3D model. To achieve the purpose of this research, a physical model was set up at the hydraulics laboratory of Shahid Chamran University (SCU), Ahwaz, Iran. Then, using the Flow3D model with both the k and the RNG turbulence model, the height of the plunge point was simulated according to the same experimental condition. Findings showed that the predicted depth under the RNG model is closer to the results of the physical model. For exle, the k and RNG model for the 12% slope can estimate the plunge point depth by 30% and 12.28% respectively more than the experimental data. However, for all the slopes, the ke model can on average overestimate by 27% and RNG model 10.5% more than the results of experimental data. The statistical analysis showed that the RNG model predicts the plunge point depths with a satisfactory precision.