Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > physics > arXiv:1101.0190

帮助 | 高级搜索

物理学 > 流体动力学

arXiv:1101.0190 (physics)
[提交于 2010年12月31日 ]

标题: 使用双峰分布函数预测强激波结构

标题: Prediction of strong shock structure using the bimodal distribution function

Authors:Maxim A. Solovchuk, Tony W. H. Sheu
摘要: 用于预测非常高的马赫数下一维激波解的改进的莫特-史密斯方法是通过发展流体动力学方程组构建的。 使用新提出的公式预测的麦克斯韦分子气体、硬球气体和氩气中的激波解与实验数据、直接模拟蒙特卡罗(DSMC)解以及其他从一些现有理论计算得到的解进行了比较,马赫数范围为M<50。 在马赫数无限大的极限情况下,预测的激波剖面也与DSMC解进行了比较。 在不同马赫数下计算得到的密度、温度和热流剖面已被证明与实验和DSMC解有很好的一致性。
摘要: A modified Mott-Smith method for predicting the one-dimensional shock wave solution at very high Mach numbers is constructed by developing a system of fluid dynamic equations. The predicted shock solutions in a gas of Maxwell molecules, a hard sphere gas and in argon using the newly proposed formalism are compared with the experimental data, direct-simulation Monte Carlo (DSMC) solution and other solutions computed from some existing theories for Mach numbers M<50. In the limit of an infinitely large Mach number, the predicted shock profiles are also compared with the DSMC solution. The density, temperature and heat flux profiles calculated at different Mach numbers have been shown to have good agreement with the experimental and DSMC solutions
评论: 22页,9张图,已被《物理评论E》接收发表
主题: 流体动力学 (physics.flu-dyn)
引用方式: arXiv:1101.0190 [physics.flu-dyn]
  (或者 arXiv:1101.0190v1 [physics.flu-dyn] 对于此版本)
  https://doi.org/10.48550/arXiv.1101.0190
通过 DataCite 发表的 arXiv DOI
期刊参考: Phys. Rev. E 83, 026301 (2011)
相关 DOI: https://doi.org/10.1103/PhysRevE.83.026301
链接到相关资源的 DOI

提交历史

来自: Maxim Solovchuk A [查看电子邮件]
[v1] 星期五, 2010 年 12 月 31 日 02:23:58 UTC (479 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
physics.flu-dyn
< 上一篇   |   下一篇 >
新的 | 最近的 | 2011-01
切换浏览方式为:
physics

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号