牛顿黏度定律【Newton's Law of Viscosity】
牛顿黏度定律
Newton’s Law of Viscosity
先定义矢量 ττ τ τ \pmb{\tau }
\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
\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
\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
\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
\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
- 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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- oracle收购Mysql后,Mysql的安装配置方法
- Gentoo - X11 forwarding request failed on channel 0
- mysql数据库优化课程---13、mysql基础操作
- MySQL中的字符集涵义及使用方法总结(二)
- 图文详解什么是OAuth2
- Android 应用开发(8)---语言和语言区域
- 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...
- Windows Phone 7 自定义弹出窗口
- 数据结构 data structure
- Scikit-learn快速入门教程和实例(一)(二)
- PHP 生成 ppt,PHP生成PPT文件
- 2010年暴笑网络流行语:语不惊人死不休!
- cesium实现简单地图展示
- 程序员玩‘附近的人’,妹子还没泡,先学会了个专业技能!
- 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
- Quality-Estimation0 (翻译质量评价-使用 BERT 特征训练 QE 模型)
- 空中“撒网”有商机 各行各业争相分一杯羹
- 酷睿i7 8550u属于什么级别 i7 8550u相当于台式机什么CPU
- MySQL数据库的完全卸载
- 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
- iStylePDF c#集成开发示例
- TKO 1-1辗转相除法计算最大公倍数和最小公倍数
- oracle用数据泵,Oracle 数据泵使用
- C#零基础入门03:打老鼠初级
- 数据库设计和功能需求分析------后台设计概述
- 搭建nfs服务器与nfs客户端挂载
- [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
- UReport使用总结
- 什么人适合考国家注册审核员呢
- SpringBoot系列之HATEOAS用法简介