牛顿黏度定律

Newton’s Law of Viscosity

先定义矢量 ττ τ τ \pmb{\tau }

ττ=−μ(∇vv+(∇vv)†)+(23μ−κ)(∇⋅vv)δ τ τ = − μ ( ∇ v v + ( ∇ v v ) † ) + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) δ

\pmb \tau=-\mu(\nabla \pmb v+(\nabla \pmb v)^{\dagger} ) +(\frac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v)\delta
τyx τ y x \tau_{yx}物理的意义:在垂直于 y方向的单位面积的面上所受到 x方向上的力,可以表达为

τyx=−μdvxdy τ y x = − μ d v x d y

\tau_{yx}=-\mu \frac {d v_x}{dy}
其中
τ τ \tau是流体所受的剪应力 [Pa] [ P a ] [Pa]
μ μ \mu 是流体的黏度 [Pa⋅s] [ P a · s ] [Pa·s]
dvxdy d v x d y \frac {dv_x}{dy} 是 x x x方向上速度的分量在y" role="presentation" style="position: relative;">yyy方向上的梯度 [s−1] [ s − 1 ] [s^{−1}]


1.直角坐标系( x,y,z x , y , z x, y, z )

直角坐标系Cartesian coordinates (  x,y,z  x,y,z  \textit { x,y,z }): NO.
τxx=−μ[2∂vx∂x]+(23μ−κ)(∇⋅vv) τ x x = − μ [ 2 ∂ v x ∂ x ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{xx}=-\mu[2\dfrac{\partial v_x}{\partial x}]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 1-1
τyy=−μ[2∂vy∂y]+(23μ−κ)(∇⋅vv) τ y y = − μ [ 2 ∂ v y ∂ y ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{yy}=-\mu[2\dfrac{\partial v_y}{\partial y}]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 1-2
τzz=−μ[2∂vz∂z]+(23μ−κ)(∇⋅vv) τ z z = − μ [ 2 ∂ v z ∂ z ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{zz}=-\mu[2\dfrac{\partial v_z}{\partial z}]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 1-3
τxy=τyx=−μ[∂vy∂x+∂vx∂y] τ x y = τ y x = − μ [ ∂ v y ∂ x + ∂ v x ∂ y ] \tau_{xy}=\tau_{yx}=-\mu[\dfrac{\partial v_y}{\partial x}+\dfrac{\partial v_x}{\partial y}] 1-4
τyz=τzy=−μ[∂vz∂y+∂vy∂z] τ y z = τ z y = − μ [ ∂ v z ∂ y + ∂ v y ∂ z ] \tau_{yz}=\tau_{zy}=-\mu[\dfrac{\partial v_z}{\partial y}+\dfrac{\partial v_y}{\partial z}] 1-5
τzx=τxz=−μ[∂vx∂z+∂vz∂x] τ z x = τ x z = − μ [ ∂ v x ∂ z + ∂ v z ∂ x ] \tau_{zx}=\tau_{xz}=-\mu[\dfrac{\partial v_x}{\partial z}+\dfrac{\partial v_z}{\partial x}] 1-6

其中

∇⋅vv=∂vx∂x+∂vy∂y+∂vz∂z ∇ ⋅ v v = ∂ v x ∂ x + ∂ v y ∂ y + ∂ v z ∂ z

\nabla \cdot \pmb v=\frac {\partial v_x}{\partial x} + \frac {\partial v_y}{\partial y}+ \frac {\partial v_z}{\partial z}


2.圆柱坐标系( r,θ,z r , θ , z r,\theta, z)

圆柱坐标系Cylindrical coordinates coordinates ( r, θ, z  r,  θ , z  \textit {r, $\theta$, z }): NO.
τrr=−μ[2∂vr∂r]+(23μ−κ)(∇⋅vv) τ r r = − μ [ 2 ∂ v r ∂ r ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{rr}=-\mu[2\dfrac{\partial v_r}{\partial r}]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 2-1
τθθ=−μ[2(1r∂vθ∂θ+vrr)]+(23μ−κ)(∇⋅vv) τ θ θ = − μ [ 2 ( 1 r ∂ v θ ∂ θ + v r r ) ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{\theta \theta}=-\mu[2(\dfrac {1}{r}\frac{\partial v_\theta}{\partial \theta}+\frac {v_r}{r})]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 2-2
τzz=−μ[2∂vz∂z]+(23μ−κ)(∇⋅vv) τ z z = − μ [ 2 ∂ v z ∂ z ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{zz}=-\mu[2\dfrac{\partial v_z}{\partial z}]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 2-3
τrθ=τθr=−μ[r∂∂r(vθr)+1r∂vr∂θ] τ r θ = τ θ r = − μ [ r ∂ ∂ r ( v θ r ) + 1 r ∂ v r ∂ θ ] \tau_{r \theta}=\tau_{\theta r}=-\mu[r \dfrac {\partial}{\partial r}(\dfrac {v_\theta}{r})+\dfrac {1}{r} \dfrac {\partial v_r}{\partial \theta}] 2-4
τθz=τzθ=−μ[1r∂vz∂θ+∂vθ∂z] τ θ z = τ z θ = − μ [ 1 r ∂ v z ∂ θ + ∂ v θ ∂ z ] \tau_{\theta z}=\tau_{z \theta}=-\mu[\dfrac {1}{r} \dfrac{\partial v_z}{\partial \theta}+\dfrac {\partial v_\theta}{\partial z}] 2-5
τzr=τrz=−μ[∂vr∂z+∂vz∂r] τ z r = τ r z = − μ [ ∂ v r ∂ z + ∂ v z ∂ r ] \tau_{z r}=\tau_{r z}=-\mu[\dfrac{\partial v_r}{\partial z} + \dfrac{\partial v_z}{\partial r}] 2-6

其中

∇⋅vv=1r∂∂r(rvr)+1r∂vθ∂θ+∂vz∂z ∇ ⋅ v v = 1 r ∂ ∂ r ( r v r ) + 1 r ∂ v θ ∂ θ + ∂ v z ∂ z

\nabla \cdot \pmb v=\frac {1}{r} \frac {\partial }{\partial r}(r v_r) +\frac {1}{r} \frac {\partial v_\theta}{\partial \theta}+ \frac {\partial v_z}{\partial z}


3.球坐标系( r,θ,ϕ r , θ , ϕ r, \theta, \phi )

球坐标系Spherical coordinates( r, θ, ϕ  r,  θ ,  ϕ \textit {r, $\theta$, $\phi$ }): NO.
τrr=−μ[2∂vr∂r]+(23μ−κ)(∇⋅vv) τ r r = − μ [ 2 ∂ v r ∂ r ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{rr}=-\mu[2\dfrac{\partial v_r}{\partial r}]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 3-1
τθθ=−μ[2(1r∂vθ∂θ+vrr)]+(23μ−κ)(∇⋅vv) τ θ θ = − μ [ 2 ( 1 r ∂ v θ ∂ θ + v r r ) ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{\theta \theta}=-\mu[2(\frac {1}{r}\dfrac{\partial v_\theta}{\partial \theta}+\dfrac {v_r}{r})]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 3-2
τzz=−μ[2(1rsinθ∂vϕ∂ϕ+vr+vθcotθr)]+(23μ−κ)(∇⋅vv) τ z z = − μ [ 2 ( 1 r s i n θ ∂ v ϕ ∂ ϕ + v r + v θ c o t θ r ) ] + ( 2 3 μ − κ ) ( ∇ ⋅ v v ) \tau_{zz}=-\mu[2(\dfrac{1}{r sin \theta} \dfrac {\partial v_\phi}{\partial \phi}+\dfrac {v_r+v_\theta cot \theta }{r})]+(\dfrac{2}{3}\mu-\kappa)(\nabla\cdot \pmb v) 3-3
τrθ=τθr=−μ[r∂∂r(vθr)+1r∂vr∂θ] τ r θ = τ θ r = − μ [ r ∂ ∂ r ( v θ r ) + 1 r ∂ v r ∂ θ ] \tau_{r \theta}=\tau_{\theta r}=-\mu[r \dfrac {\partial}{\partial r}(\dfrac {v_\theta}{r})+\dfrac {1}{r} \dfrac {\partial v_r}{\partial \theta}] 3-4
τθϕ=τϕθ=−μ[sinθr∂∂θ(vϕsinθ)+1rsinθ∂vθ∂ϕ] τ θ ϕ = τ ϕ θ = − μ [ s i n θ r ∂ ∂ θ ( v ϕ s i n θ ) + 1 r s i n θ ∂ v θ ∂ ϕ ] \tau_{\theta \phi}=\tau_{\phi \theta}=-\mu[\dfrac {sin \theta}{r} \dfrac{\partial }{\partial \theta}(\dfrac {v_\phi}{sin \theta})+\dfrac {1}{r sin \theta} \dfrac {\partial v_\theta}{\partial \phi}] 3-5
τϕr=τrϕ=−μ[1rsinθ∂vr∂ϕ+r∂∂r(vϕr)] τ ϕ r = τ r ϕ = − μ [ 1 r s i n θ ∂ v r ∂ ϕ + r ∂ ∂ r ( v ϕ r ) ] \tau_{\phi r}=\tau_{r \phi}=-\mu[\dfrac {1}{r sin \theta} \dfrac {\partial v_r}{\partial \phi}+r \dfrac {\partial}{\partial r}(\dfrac {v_\phi}{r})] 3-6

其中

∇⋅vv=1r2∂∂r(r2vr)+1rsinθ∂∂θ(vθsinθ)+1rsinθ∂vθ∂ϕ ∇ ⋅ v v = 1 r 2 ∂ ∂ r ( r 2 v r ) + 1 r s i n θ ∂ ∂ θ ( v θ s i n θ ) + 1 r s i n θ ∂ v θ ∂ ϕ

\nabla \cdot \pmb v=\frac {1}{r^2} \dfrac {\partial }{\partial r}(r^2 v_r) +\dfrac {1}{r sin \theta} \dfrac {\partial }{\partial \theta} (v_\theta sin \theta)+ \dfrac {1}{r sin\theta }\dfrac{\partial v_\theta}{\partial \phi}


参考文献

  1. R. Byron Bird, Warren E. stewart, Edwin N. Lightfoot.* Transport phenomena:Revised second edition* John Wiely &Sons, Inc.

牛顿黏度定律【Newton's Law of Viscosity】相关推荐

  1. 基于用户投票的排名算法(四):牛顿冷却定律

    作者: 阮一峰 日期: 2012年3月16日 这个系列的前三篇,介绍了Hacker News,Reddit和Stack Overflow的排名算法. 今天,讨论一个更一般的数学模型. 这个系列的每篇文 ...

  2. 如何通过牛顿方法解决Logistic回归问题 By 机器之心2017年8月09日 16:30 本文介绍了牛顿方法(Newton's Method),以及如何用它来解决 logistic 回归。log

    如何通过牛顿方法解决Logistic回归问题 By 机器之心2017年8月09日 16:30 本文介绍了牛顿方法(Newton's Method),以及如何用它来解决 logistic 回归.logi ...

  3. 程序员应知必会的思维模型之 18 林纳斯定律 (Linus‘s Law)

    林纳斯定律 (Linus's Law) 足够多的眼睛,就可让所有问题浮现.–Eric S. Raymond 简单地说,能够看到问题的人越多,有人解决过相关的问题或事情的可能性就越高. 最初该定律是用来 ...

  4. 凯西·牛顿(Casey Newton)即将离任

    重点(Top highlight) Casey Newton, The Verge's longtime Silicon Valley editor and the creator of The In ...

  5. 程序员应知必会的思维模型之 25 普特定律 (Putt‘s Law)

    普特定律 (Putt's Law) 技术由两类人主导,一类是纯粹的管理人员, 一类是纯粹的技术人员. 普特定律常常遵循普特推论: 每一个技术层次,假以时日,能力将逆转. 这些结论表明,由于各种选择标准 ...

  6. 牛顿迭代法(Newton’s Method)迭代求根的Python程序

    迭代法的作用 许多复杂的求解问题,都可以转换成方程f(x)=0的求解问题.这一系列的解叫做方程的根.对于非线性方程的求解,在自变量范围内往往有多个解,我们将此变化区域分为多个小的子区间,对每个区间进行 ...

  7. 程序员应知必会的思维模型之 19 梅特卡夫定律 (Metcalfe‘s Law)

    梅特卡夫定律 (Metcalfe's Law) 在网络理论中,系统的价值约等于系统用户数的平方. 这个定律基于一个系统中可能的连接对数量,并且与里德定律 (Reed's Law) 十分相近.奥德利兹科 ...

  8. 对MM牛顿三大定律全部失效

    2006-06-21 10:49:42 对MM牛顿三大定律全部失效 1,第一定律:物体在没有外力作用的情况下会保持原有的状态. 推论:当你不去追求一个美眉,这个美眉就会待在那里不动. 评述:这个显然是 ...

  9. 机器学习中的数学——牛顿迭代法(Newton‘s Method)

    分类目录:<机器学习中的数学>总目录 相关文章: · 梯度下降法(Gradient Descent) · 随机梯度下降(Stochastic Gradient Descent, SGD) ...

最新文章

  1. oracle收购Mysql后,Mysql的安装配置方法
  2. Gentoo - X11 forwarding request failed on channel 0
  3. mysql数据库优化课程---13、mysql基础操作
  4. MySQL中的字符集涵义及使用方法总结(二)
  5. 图文详解什么是OAuth2
  6. Android 应用开发(8)---语言和语言区域
  7. pd生成mysql数据库错误_Err] 1064 - You have an error in your ……pd生成mysql导入失败问题...
  8. Windows Phone 7 自定义弹出窗口
  9. 数据结构 data structure
  10. Scikit-learn快速入门教程和实例(一)(二)
  11. PHP 生成 ppt,PHP生成PPT文件
  12. 2010年暴笑网络流行语:语不惊人死不休!
  13. cesium实现简单地图展示
  14. 程序员玩‘附近的人’,妹子还没泡,先学会了个专业技能!
  15. silk lobe资源公众号_关于关注阿拉善盟公共资源交易中心微信公众号的通知
  16. Quality-Estimation0 (翻译质量评价-使用 BERT 特征训练 QE 模型)
  17. 空中“撒网”有商机 各行各业争相分一杯羹
  18. 酷睿i7 8550u属于什么级别 i7 8550u相当于台式机什么CPU
  19. MySQL数据库的完全卸载
  20. 51 单片机实战教程(14 外围芯片驱动程序之LTC1658芯片驱动)

热门文章

  1. iStylePDF c#集成开发示例
  2. TKO 1-1辗转相除法计算最大公倍数和最小公倍数
  3. oracle用数据泵,Oracle 数据泵使用
  4. C#零基础入门03:打老鼠初级
  5. 数据库设计和功能需求分析------后台设计概述
  6. 搭建nfs服务器与nfs客户端挂载
  7. [不看后悔啊!]史上最为全面的Autocad施工图视频教程 看完就能成为装修设计师 http://www.51zxw.net/study.asp?vip=1573837
  8. UReport使用总结
  9. 什么人适合考国家注册审核员呢
  10. SpringBoot系列之HATEOAS用法简介