当前位置: 首页 > news >正文

(七)输运定理

本文主要内容包括:

  • 1. 物质积分
  • 2. 曲线上物质积分的时间变化率
  • 3. 曲面上物质积分的时间变化率
  • 4. 体积域上物质积分的时间变化率 (Reynolds 输运定理)

1. 物质积分

考虑 t0t_0t0 时刻参考构型中由物质点 X⃗\vec{X}X 所形成的 物质曲线 ct0c_{t_0}ct0、物质曲面 St0S_{t_0}St0、物质体积 vt0v_{t_0}vt0,在 ttt 时刻它们分别演化为曲线 ctc_{t}ct、曲面 StS_{t}St、体积 vtv_{t}vt考虑任意一个连续可微的张量场 Φ(x⃗,t)\bold\Phi(\vec{x},t)Φ(x,t) 分别在曲线 ctc_{t}ct、曲面 StS_{t}St、体积 vtv_{t}vt上的积分,由于积分区域始终由相同的物质点构成,故称上述类型的积分为 物质积分

2. 曲线上物质积分的时间变化率

曲线 ctc_tct 的参数方程为:x⃗=x⃗(X⃗(s),t),s∈[s0,s1]\vec{x}=\vec x(\vec{X}(s),t),s\in[s_0,s_1]x=x(X(s),t)s[s0,s1]
DDt(∫ctΦ⋅dx⃗)=∫ctDDt(Φ⋅dx⃗)=∫ct(Φ∙+Φ⋅L)⋅dx⃗\dfrac{D}{Dt}\left(\int_{c_t}\bold\Phi\cdot d\vec{x}\right) =\int_{c_t}\dfrac{D}{Dt}\left(\bold\Phi\cdot d\vec{x}\right) =\int_{c_t}\left(\overset{\bullet}{\bold\Phi}+\bold\Phi\cdot\bold L\right)\cdot d\vec{x}DtD(ctΦdx)=ctDtD(Φdx)=ct(Φ+ΦL)dx
特别地,取张量场为速度场 v⃗(x⃗,t)\vec{v}(\vec x,t)v(x,t),则有:
DDt(∫ctv⃗⋅dx⃗)=∫ct(v⃗∙+v⃗⋅L)⋅dx⃗\dfrac{D}{Dt}\left(\int_{c_t}\vec{v}\cdot d\vec{x}\right) =\int_{c_t}\left(\overset{\bullet}{\vec{v}}+\vec{v}\cdot\bold L\right)\cdot d\vec{x}DtD(ctvdx)=ct(v+vL)dx
又,在任意时刻:
L⋅dx⃗=(v⃗▽)⋅dx⃗=(vj∣kg⃗j⊗g⃗k)⋅dxlg⃗l=vj∣kdxkg⃗j=∂v⃗∂xkdxk=dv⃗\bold L\cdot d\vec{x} =(\vec{v}\triangledown)\cdot d\vec{x} =(v^j|_k\vec{g}_j\otimes\vec{g}^k)\cdot dx^l\vec{g}_l =v^j|_kdx^k\vec{g}_j =\dfrac{\partial\vec{v}}{\partial x^k}dx^k =d\vec{v}Ldx=(v)dx=(vjkgjgk)dxlgl=vjkdxkgj=xkvdxk=dv

DDt(∫ctv⃗⋅dx⃗)=∫ctv⃗∙dx⃗+∫ctv⃗⋅dv⃗=∫ctv⃗∙dx⃗+12∫ctd(v⃗⋅v⃗)\dfrac{D}{Dt}\left(\int_{c_t}\vec{v}\cdot d\vec{x}\right) =\int_{c_t}\overset{\bullet}{\vec{v}}d\vec{x}+\int_{c_t}\vec{v}\cdot d\vec{v} =\int_{c_t}\overset{\bullet}{\vec{v}}d\vec{x}+\dfrac{1}{2}\int_{c_t} d(\vec{v}\cdot\vec{v})DtD(ctvdx)=ctvdx+ctvdv=ctvdx+21ctd(vv)
ctc_tct 为闭合曲线时,则可得到如下的环量输运定理
DDt(∮ctv⃗⋅dx⃗)=∮ctv⃗∙⋅dx⃗=∮cta⃗⋅dx⃗\dfrac{D}{Dt}\left(\oint_{c_t}\vec{v}\cdot d\vec{x}\right) =\oint_{c_t}\overset{\bullet}{\vec{v}}\cdot d\vec{x} =\oint_{c_t}{\vec{a}}\cdot d\vec{x}DtD(ctvdx)=ctvdx=ctadx
若封闭的物质曲线 ct0c_{t_0}ct0 在当前时刻变为封闭的物质曲线 ctc_tct ,并且对于任意一条封闭曲线任意时刻均有:
DDt(∮ctv⃗⋅dx⃗)=0\dfrac{D}{Dt}\left(\oint_{c_t}\vec{v}\cdot d\vec{x}\right)=0DtD(ctvdx)=0
则称该运动是环量不变的。

Kelvin 定理 若加速度 (速度) 为势的梯度,则运动为环量的梯度。

证明:由于 a⃗=▽α\vec a=\triangledown\alphaa=α,则
a⃗⋅dx⃗=∂α∂xig⃗i⋅dx⃗=∂α∂xidxi=dα{\vec{a}}\cdot d\vec{x}=\dfrac{\partial\alpha}{\partial x^i}\vec g^{i}\cdot d\vec{x}=\dfrac{\partial\alpha}{\partial x^i}dx^i=d\alphaadx=xiαgidx=xiαdxi=dα
则任意时刻沿着任意回路的积分:
∮cta⃗⋅dx⃗=0\oint_{c_t}{\vec{a}}\cdot d\vec{x}=0ctadx=0
根据环量输运定理,可知该运动环量不变,又因为速度有势时加速度也有势,故证毕。

3. 曲面上物质积分的时间变化率

DDt(∫StΦ⋅N⃗dS)=∫StDDt(Φ⋅N⃗dS)=∫St[Φ∙+(▽⋅v⃗)Φ−Φ⋅LT]⋅N⃗dS=∫St[Φ′+(Φ⊗▽)⋅v⃗+(▽⋅v⃗)Φ−Φ⋅LT]⋅N⃗dS\begin{aligned} &\quad\ \dfrac{D}{Dt}\left(\int_{S_t}\bold\Phi\cdot\vec{N}dS \right) =\int_{S_t}\dfrac{D}{Dt}\left(\bold\Phi\cdot\vec{N}dS \right)\\\\ &=\int_{S_t}[\overset{\bullet}{\bold \Phi}+(\triangledown\cdot\vec{v})\bold\Phi-\bold\Phi\cdot\bold L^T]\cdot\vec{N}dS\\\\ &=\int_{S_t}[{\bold \Phi}'+(\bold\Phi\otimes\triangledown)\cdot\vec{v}+(\triangledown\cdot\vec{v})\bold\Phi-\bold\Phi\cdot\bold L^T]\cdot\vec{N}dS \end{aligned} DtD(StΦNdS)=StDtD(ΦNdS)=St[Φ+(v)ΦΦLT]NdS=St[Φ+(Φ)v+(v)ΦΦLT]NdS
特别地,取张量场为向量 q⃗\vec{q}q,显然此时上式表示通量的时间变化率
DDt(∫Stq⃗⋅N⃗dS)=∫St[q⃗′+(q⃗⊗▽)⋅v⃗+(▽⋅v⃗)q⃗−q⃗⋅(▽⊗v⃗)]⋅N⃗dS=∫St[q⃗′+▽×(q⃗×v⃗)+(▽⋅q⃗)v⃗]⋅N⃗dS\begin{aligned} &\dfrac{D}{Dt}\left(\int_{S_t}\vec{q}\cdot\vec{N}dS \right) =\int_{S_t}[{\vec{q}}'+(\vec{q}\otimes\triangledown)\cdot\vec{v}+(\triangledown\cdot\vec{v})\vec{q}-\vec{q}\cdot(\triangledown\otimes\vec{v})]\cdot\vec{N}dS\\\\ &\qquad\qquad\qquad\qquad=\int_{S_t}[{\vec{q}}'+\triangledown\times(\vec{q}\times\vec{v})+(\triangledown\cdot\vec{q})\vec{v}]\cdot\vec{N}dS \end{aligned}DtD(StqNdS)=St[q+(q)v+(v)qq(v)]NdS=St[q+×(q×v)+(q)v]NdS
上式最后一步是由于:
▽×(q⃗×v⃗)+(▽⋅q⃗)v⃗=(q⃗⊗▽)⋅v⃗+(▽⋅v⃗)q⃗−q⃗⋅(▽⊗v⃗)\triangledown\times(\vec{q}\times\vec{v})+(\triangledown\cdot\vec{q})\vec{v} =(\vec{q}\otimes\triangledown)\cdot\vec{v}+(\triangledown\cdot\vec{v})\vec{q}-\vec{q}\cdot(\triangledown\otimes\vec{v})×(q×v)+(q)v=(q)v+(v)qq(v)
由此可得出 Zorawski 准则

对于穿过每个由物质曲面 S0S_0S0 所形成的曲面 StS_tSt 上的向量流的通量 ∫Stq⃗⋅N⃗dS\int_{S_t}\vec{q}\cdot\vec{N}dSStqNdS 不随时间变化的充要条件是:
q⃗′+▽×(q⃗×v⃗)+(▽⋅q⃗)v⃗=0{\vec{q}}'+\triangledown\times(\vec{q}\times\vec{v})+(\triangledown\cdot\vec{q})\vec{v}=0q+×(q×v)+(q)v=0

4. 体积域上物质积分的时间变化率 (Reynolds 输运定理)

DDt(∫vtΦdv)=∫vtDDt(Φdv)=∫vt(Φ∙+Φv⃗⋅▽)dv=∫vt{Φ′+[(Φ▽)⋅v⃗+Φv⃗⋅▽]}dv=∫vt[Φ′+(Φ⊗v⃗)⋅▽]dv=∫vtΦ′dv+∫∂v[(Φ⊗v⃗)⋅N⃗]dS\begin{aligned} &\quad\ \dfrac{D}{Dt}\left(\int_{v_t}\bold\Phi dv \right) =\int_{v_t}\dfrac{D}{Dt}\left(\bold\Phi dv \right)\\\\ &=\int_{v_t}(\overset{\bullet}{\bold\Phi}+{\bold\Phi}\vec{v}\cdot\triangledown)dv\\\\ &=\int_{v_t}\{{\bold\Phi}'+[(\bold\Phi\triangledown)\cdot\vec{v}+{\bold\Phi}\vec{v}\cdot\triangledown]\}dv\\\\ &=\int_{v_t}[{\bold\Phi}'+({\bold\Phi}\otimes\vec{v})\cdot\triangledown]dv \\\\ &=\int_{v_t}{\bold\Phi}'dv+\int_{\partial v}[({\bold\Phi}\otimes\vec{v})\cdot\vec{N}]dS \end{aligned} DtD(vtΦdv)=vtDtD(Φdv)=vt(Φ+Φv)dv=vt{Φ+[(Φ)v+Φv]}dv=vt[Φ+(Φv)]dv=vtΦdv+v[(Φv)N]dS
上式通常称为:Reynolds 输运定理。该式的物理含义应当理解为:张量场物质积分的变化率包括两部分,一是与当前积分区域重合的固定空间区域上张量场的变化率(由于是空间导数),二是通过边界的流入率

相关文章:

(七)输运定理

本文主要内容包括:1. 物质积分2. 曲线上物质积分的时间变化率3. 曲面上物质积分的时间变化率4. 体积域上物质积分的时间变化率 (Reynolds 输运定理)1. 物质积分 考虑 t0t_0t0​ 时刻参考构型中由物质点 X⃗\vec{X}X所形成的 物质曲线 ct0c_{t_0}ct0​​、物质曲面 …...

ABBYYFineReader15免费电脑pdf文档文字识别软件

ABBYYFineReader是一款OCR文字识别软件,它可以对图片、文档等进行扫描识别,并将其转换为可编辑的格式,比如Word、Excel等,操作也是挺方便的。 我们在官网找到该软件并进行下载,打开软件后,选择转换为“Mic…...

顺序表(超详解哦)

全文目录引言顺序表定义静态顺序表动态顺序表动态顺序表的接口实现顺序表的初始化与销毁顺序表尾插/尾删顺序表头插/头删顺序表在pos位置插入/删除顺序表的打印顺序表中的查找总结引言 在生产中,为了方便管理数据,我们经常会需要将一些数据连续的存储起…...

Compose-Animation高级别动画

目录前言AnimatedVisibilityisScrollingUpFABscaffoldanimateContentSizeCrossfade顶部气泡下弹前言 AnimatedVisibility 驱动可视性相关动画,即布局显隐 animateContentSize 内容变换动画相关 Crossfade 布局(或者页面)切换过渡动画 Animat…...

c++11 标准模板(STL)(std::unordered_set)(八)

定义于头文件 <unordered_set> template< class Key, class Hash std::hash<Key>, class KeyEqual std::equal_to<Key>, class Allocator std::allocator<Key> > class unordered_set;(1)(C11 起)namespace pmr { templ…...

Python每日一练(20230225)

目录 1. 整数反转 2. 求最大公约数和最小公倍数 最大公约数 最小公倍数 3. 单词搜索 II 附录&#xff1a; DFS 深度优先搜索算法 BFS 广度优先搜索算法 BFS 和 DFS 的区别 1. 整数反转 给你一个 32 位的有符号整数 x &#xff0c;返回将 x 中的数字部分反转后的结果。…...

基于博客系统的测试用例

登陆界面博客预览页博客详情页博客编辑页...

C语言运算符算术运算符关系运算符

C 运算符 运算符是一种告诉编译器执行特定的数学或逻辑操作的符号。C 语言内置了丰富的运算符&#xff0c;并提供了以下类型的运算符&#xff1a; 算术运算符 关系运算符 逻辑运算符 位运算符 赋值运算符 杂项运算符 本章将逐一介绍算术运算符、关系运算符、逻辑运算符、位运…...

C语言 深度剖析数据在内存中的存储

目录数据类型详细介绍整形在内存中的存储&#xff1a;原码&#xff0c;反码&#xff0c;补码大小端字节序介绍及判断浮点型在内存中的存储解析数据类型详细介绍整形&#xff1a;1.为什么char类型也会归类到整形家族当中去呢&#xff1f;字符存储和表示的时候本质上使用的是ASCI…...

MyBatis快速开发

查询user表中的所有数据 步骤&#xff1a; 创建user表 打开Navicat&#xff0c;新建查询&#xff0c;将下面SQL代码复制粘贴并执行&#xff1a; create database mybatis; use mybatis;drop table if exists tb_user;create table tb_user(id int primary key auto_incremen…...

大数据常见应用场景及架构改进

大数据常见应用场景及架构改进大数据典型的离线处理场景1.大数据数据仓库及它的架构改进2.海量数据规模下的搜索与检索3.新兴的图计算领域4.海量数据挖掘潜在价值大数据实时处理场景大数据典型的离线处理场景 1.大数据数据仓库及它的架构改进 对于离线场景&#xff0c;最典型…...

【华为OD机试模拟题】用 C++ 实现 - 挑选字符串(2023.Q1)

最近更新的博客 【华为OD机试模拟题】用 C++ 实现 - 货币单位换算(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 选座位(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 停车场最大距离(2023.Q1) 【华为OD机试模拟题】用 C++ 实现 - 重组字符串(2023.Q1) 【华为OD机试模…...

程序员是世界上最理性、最睿智的群体,耶稣也反驳不了我,我说的!

有人说&#xff0c;程序员是吃青春饭的&#xff0c;35 岁就提前退休了。 猛一看&#xff0c;这句话是对的&#xff1b;仔细一看&#xff0c;这句话是不对的。 说它对&#xff0c;是因为现实中确实有很多程序员 35 岁就被毕业了&#xff1b;说它不对&#xff0c;是因为 35 岁以…...

人工智能到底是什么?

人工智能&#xff08;Artificial Intelligence&#xff0c;AI&#xff09;是一种利用计算机科学和统计学理论和技术来实现人类智能的一门交叉学科&#xff0c;旨在使计算机系统能够模拟、扩展和增强人类的智能能力&#xff0c;使计算机能够像人类一样思考、学习、决策和执行任务…...

在动态规划的海洋中遨游(三)

前言&#xff1a;\textcolor{Green}{前言&#xff1a;}前言&#xff1a; &#x1f49e; 好久没写题&#xff0c;有点生疏了。这也是给大家提一个醒&#xff0c;一定要一直坚持下去&#xff0c;哪怕每天只做一点点。&#x1f49e; 算法类别一、算法介绍原理适用的情况做题步骤二…...

enable_if模板编程实现字节序转换模板

enable_if和SFINAESFINAE是模板的一个特性&#xff0c;也就是替换失败不报错。正常来说&#xff0c;函数匹配的时候按照优先级依次匹配定义的重载函数&#xff0c;最终选择最佳匹配的函数运行。模板也是一样的&#xff0c;但是在替换模板时&#xff0c;即使出现异常错误也不认为…...

【人工智能与深度学习】基于能量的模型

【人工智能与深度学习】基于能量的模型 概述能量基础模型(EBM)方法定义解决方案:基于梯度的推理有潜在变量的能量基础模型推理例子能量基础模型和机率模型的对比自由能(Free Energy)概述 我们现在介绍一个新框架来定义模型。它提供了一个统一和系列性的方式来定义「监督模型」…...

功能测试三年,是应该改变了

前言 测试行业3年多经验&#xff0c;学历大专自考本科&#xff0c;主要测试方向web&#xff0c;PC端&#xff0c;wap站&#xff0c;小程序公众号都测试过&#xff0c;app也测过一些&#xff0c;C端B端都有&#xff0c;除功能外&#xff0c;接口性能也有涉猎&#xff0c;但是不…...

基于STM32的ubuntu交叉编译环境的搭建(arm-gcc 8.2)

常用的STM32的软件开发方法都是基于MDK keil或IAR集成开发环境&#xff0c;但以上两个集成开发环境软件都是需要收费的&#xff0c;且价格较为昂贵。本节介绍一种在ubuntu上安装arm gcc&#xff08;arm-eabi&#xff09;的方式&#xff0c;用于编译STM32的程序。 1.在arm官网下…...

数据结构:二叉树概念篇(算法基础)

目录 一.有向树的图论基础 1.有向树的相关基本概念 有向树的基本定义: 有向树的结点的度&#xff1a; 有向树的度: 有向树的根结点,分枝结点,叶结点: 树的子树: 树结点的层次: 树的高度: 2.一个基本的数学结论 3.有序有向树 二.数据结构中树的顺序存储结构与链式存…...

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…...

ES6从入门到精通:前言

ES6简介 ES6&#xff08;ECMAScript 2015&#xff09;是JavaScript语言的重大更新&#xff0c;引入了许多新特性&#xff0c;包括语法糖、新数据类型、模块化支持等&#xff0c;显著提升了开发效率和代码可维护性。 核心知识点概览 变量声明 let 和 const 取代 var&#xf…...

Appium+python自动化(十六)- ADB命令

简介 Android 调试桥(adb)是多种用途的工具&#xff0c;该工具可以帮助你你管理设备或模拟器 的状态。 adb ( Android Debug Bridge)是一个通用命令行工具&#xff0c;其允许您与模拟器实例或连接的 Android 设备进行通信。它可为各种设备操作提供便利&#xff0c;如安装和调试…...

Robots.txt 文件

什么是robots.txt&#xff1f; robots.txt 是一个位于网站根目录下的文本文件&#xff08;如&#xff1a;https://example.com/robots.txt&#xff09;&#xff0c;它用于指导网络爬虫&#xff08;如搜索引擎的蜘蛛程序&#xff09;如何抓取该网站的内容。这个文件遵循 Robots…...

DBAPI如何优雅的获取单条数据

API如何优雅的获取单条数据 案例一 对于查询类API&#xff0c;查询的是单条数据&#xff0c;比如根据主键ID查询用户信息&#xff0c;sql如下&#xff1a; select id, name, age from user where id #{id}API默认返回的数据格式是多条的&#xff0c;如下&#xff1a; {&qu…...

【C++从零实现Json-Rpc框架】第六弹 —— 服务端模块划分

一、项目背景回顾 前五弹完成了Json-Rpc协议解析、请求处理、客户端调用等基础模块搭建。 本弹重点聚焦于服务端的模块划分与架构设计&#xff0c;提升代码结构的可维护性与扩展性。 二、服务端模块设计目标 高内聚低耦合&#xff1a;各模块职责清晰&#xff0c;便于独立开发…...

USB Over IP专用硬件的5个特点

USB over IP技术通过将USB协议数据封装在标准TCP/IP网络数据包中&#xff0c;从根本上改变了USB连接。这允许客户端通过局域网或广域网远程访问和控制物理连接到服务器的USB设备&#xff08;如专用硬件设备&#xff09;&#xff0c;从而消除了直接物理连接的需要。USB over IP的…...

Webpack性能优化:构建速度与体积优化策略

一、构建速度优化 1、​​升级Webpack和Node.js​​ ​​优化效果​​&#xff1a;Webpack 4比Webpack 3构建时间降低60%-98%。​​原因​​&#xff1a; V8引擎优化&#xff08;for of替代forEach、Map/Set替代Object&#xff09;。默认使用更快的md4哈希算法。AST直接从Loa…...

《Offer来了:Java面试核心知识点精讲》大纲

文章目录 一、《Offer来了:Java面试核心知识点精讲》的典型大纲框架Java基础并发编程JVM原理数据库与缓存分布式架构系统设计二、《Offer来了:Java面试核心知识点精讲(原理篇)》技术文章大纲核心主题:Java基础原理与面试高频考点Java虚拟机(JVM)原理Java并发编程原理Jav…...

拟合问题处理

在机器学习中&#xff0c;核心任务通常围绕模型训练和性能提升展开&#xff0c;但你提到的 “优化训练数据解决过拟合” 和 “提升泛化性能解决欠拟合” 需要结合更准确的概念进行梳理。以下是对机器学习核心任务的系统复习和修正&#xff1a; 一、机器学习的核心任务框架 机…...