مقايسه سه مدل‌ انتقال جرم به منظور پيش‌بيني كاويتاسيون در جريان‌هاي عبوري از مجراي ونتوري و روزنه

Comparison of three cavitation mass transfer models in internal flows through Venturi and Orifice

به منظور بررسی تأثیر مدل‌های انتقال جرم در شبیه‌سازی پدیده كاویتاسیون دو مجرای جریان داخلی، شامل یك ونتوری و یك روزنه مورد بررسی عددی قرار گرفته است. برای این كار مدل‌های مورد نظر شامل كانز، زوارت و سینگال با ضرایب استاندارد در كدی منبع باز پیاده‌سازی و در مسائلی با شرایط یكسان ارزیابی شده است. نتایج رخداد كاویتاسیون در جریان‌های مذكور در قالب كسر حجمی متوسط در مقاطعی از جریان در مجرای ونتوری و مقدار ضریب تخلیه برای روزنه، با نتایج تجربی مقایسه و مقدار خطای متوسط مدل‌ها مورد ارزیابی قرار گرفته اند. نتایج حاصل نشان دهنده دقت بالای مدل های انتقال جرم كانز و زوارت با خطای متوسط كمتر از 5 درصد برای نمونه‌های شبیه‌سازی شده است؛ در حالی كه استفاده از مدل سینگال مقادیر خطای میانگین بیشتر از 10 درصد را نشان می دهد. همچنین با بررسی میانگین نتایج خطای حاصل از شبیه‌سازی‌های مذكور در مسائل بررسی شده، اولویت قابل توجهی بین مدل‌های كانز و زوارت مشاهده نمی شود. اما در مدل سینگال با وجود پیچیدگی بیشتر مدل در احتساب ویژگی‌های جریان، اختلاف بیشتری در مقایسه با داده‌های تجربی ملاحظه می‌شود كه لازم است در استفاده از این مدل، تنظیم مقادیر ثابت آن و شرایط بكارگیری دقت بیشتری لحاظ شود.

Three new mass transfer models of cavitation have been studied in two cases of internal flows, a venture and an orifice, numerically. Models were implemented in an open source code for similar condition flows. Volume of gas fraction, in some section of ventury conduit flow, and orifice discharge coefficient are compared to experimental data. Data comparisons shows high precisions in the results of Kunz and Zwart mass transfer models, reached to average less than 5 percent in relative errors while Singhal model shows more deviation, more than 10 percent, from test data. Not any advantage is seems between Kunz and Zwart model in the results of case studies, while Singhal, with more flow parameters accounting, shows more diverted results, therefore more precisions is needed to use this model.