توسعه و ارزیابی مدلی جهت محاسبه ضریب اصطکاک پوسته ای و کاهش پسای صفحه تخت فوق آب گریز
محل انتشار: مهندسی مکانیک مدرس، دوره: 24، شماره: 5
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 138
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-24-5_002
تاریخ نمایه سازی: 10 اسفند 1403
چکیده مقاله:
سطوح فوق آب گریز به عنوان روشی اساسی جهت کاهش پسای اصطکاکی اجسام غوطه ور در آب مورد توجه زیادی قرار گرفته اند. ارزیابی دقیق و پیش بینی مقدار کاهش پسای ناشی از به کارگیری این سطوح نیازمند اندازه گیری های هزینه بر، شبیه سازی های عددی و یا توسعه مدل ها و روابط قابل اعتماد می باشد. در این مقاله یک مدل برای محاسبه ضریب اصطکاک پوسته ای و کاهش پسای سطوح تخت فوق آب گریز ارائه می شود. از داده های پیشین مربوط به ضریب اصطکاک پوسته ای سطوح تخت با شرایط مرزی عدم لغزش استفاده شده و مدلی ارائه می شود که به کمک آن بتوان کاهش پسای اصطکاکی و ضریب اصطکاک پوسته ای این سطوح را پس از اعمال پوشش های فوق آب گریز محاسبه نمود. با استفاده از شبیه سازی عددی، نتایج مدل با نتایج شبیه سازی جریان سیال روی صفحه تخت در سرعت های مختلف مقایسه شده و اعتبار مدل تایید شده است. نتایج مدل و شبیه سازی نشان دهنده آن است که در سرعت های ورودی ۱، ۵ و ۲۵ متر بر ثانیه و طول لغزش ۵۰ میکرون، کاهش پسای اصطکاکی به ترتیب ۱۵، ۴۱ و ۷۷ درصد انتظار می رود. همچنین، با افزایش عدد رینولدز جریان، کاهش اصطکاک پوسته ای افزایش می یابد. مدل توسعه داده شده برای سطوح تخت اعتبارسنجی شده و توانایی آن در محاسبه ضریب اصطکاک پوسته ای و نیروی پسای این سطوح به دقت مورد بررسی قرار گرفته است. با این حال برای بررسی اعتبار مدل برای سطوح با انحنا و طول لغزش متغیر، تحقیقات بیشتری نیاز می باشد.
کلیدواژه ها:
Flat Plate ، Drag Reduction ، Skin Friction Coefficient ، Superhydrophobic ، Slip Length ، صفحه تخت ، کاهش پسا ، ضریب اصطکاک پوسته ای ، فوق آب گریز ، طول لغزش
نویسندگان
محمد سعادت بخش
Kharazmi University
صادق صادق زاده
Iran University of Science and Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :