考虑竖直下落水柱中的 \(AB\) 两点

\[\begin{matrix}
\displaystyle\frac12\rho U_0^2+\rho gz+P_A=\frac12\rho U^2(z)+P_B \\[2ex]
\displaystyle\nabla\cdot n=\frac1{R_1}+\frac1{R_2}\approx\frac1r \\[2.5ex]
\displaystyle P_A\approx P_0+\frac\gamma a,P_B\approx P_0+\frac\gamma r
\end{matrix}
\]

从而有

\[\begin{matrix}
\displaystyle\frac12\rho U_0^2+\rho gz+P_0+\frac\gamma a=\frac12\rho U^2(z)+P_0+\frac\gamma r \\[2ex]
\displaystyle\frac{U(z)}{U_0}=\left[1+\frac2{\textit{Fr}}\frac za+\frac2{\textit{We}}\left(1-\frac ar\right)\right]^{1/2}
\end{matrix}
\]

积分有

\[\begin{matrix}
\displaystyle Q=2\pi\int_0^rU(z)r(z)\mathrm dr=\pi a^2U_0=\pi r^2U(z) \\[2ex]
\displaystyle\frac{r(z)}a=\sqrt\frac{U_0}{U(z)}=\left[1+\frac2{\textit{Fr}}\frac za+\frac2{\textit{We}}\left(1-\frac ar\right)\right]^{-1/4}
\end{matrix}
\]

考虑界面上扰动随时间发展的形式为 \(\widetilde R=R_0+\varepsilon\mathrm e^{\omega t+ikz}\),\(\omega\) 为不稳定性的增长速率,\(k\) 为扰动的波数。代入 NS 方程

\[\begin{matrix}
\displaystyle\frac{\partial\widetilde u_r}{\partial t}=-\frac1\rho\frac{\partial\widetilde p}{\partial r},\frac{\partial\widetilde u_z}{\partial t}=-\frac1\rho\frac{\partial\widetilde p}{\partial z} \\[2ex]
\displaystyle\frac{\partial\widetilde u_r}{\partial r}+\frac{\widetilde u_r}r+\widetilde u_z=0
\end{matrix}
\]

假定 \(u\) 和 \(p\) 均有一样的形式,则

\[\begin{matrix}
\displaystyle\omega R=-\frac1p\frac{\mathrm dP}{\mathrm dr},\omega z=-\frac{ik}{\rho}P,\frac{\mathrm dR}{\mathrm dr}+\frac Rr+ikZ=0 \\[2ex]
\displaystyle r^2\frac{\mathrm d^2R}{\mathrm dr^2}+r\frac{\mathrm dR}{\mathrm dr}-\left[1+(kr)^2\right]R=0 \\[2ex]
\displaystyle\frac1{R_1}=\frac1{R_0+\varepsilon\mathrm e^{\omega t+ikz}}\approx\frac1{R_0}-\frac{\varepsilon}{R_0^2}\mathrm e^{\omega t+ikz},\frac1{R_2}=\varepsilon k^2\mathrm e^{\omega t+ikz} \\[3ex]
\displaystyle p_0+\widetilde p=\frac\gamma{R_0}-\frac{\varepsilon\gamma}{R_0^2}\left(1-k^2R_0^2\right)\mathrm e^{\omega t+ikz} \\[3ex]
\displaystyle\widetilde p=-\frac{\varepsilon\gamma}{R_0^2}\left(1-k^2R_0^2\right)\mathrm e^{\omega t+ikz}
\end{matrix}
\]

最终可得增长速率与波数之间的关系

\[\omega^2=\frac\gamma{\rho R_0^3}kR_0\frac{I_1(kR_0)}{I_0(kR_0)}\left(1-k^2R_0^2\right)
\]

当 \(kR_0<1\) 时会出现不稳定,总之水柱扰动的波数超过了水柱周长就会不稳定。增长最快的时候发生在 \(kR_0=0.697\),此时扰动波长 \(\gamma_{\max}\approx9.02R_0\),特征的断裂时间为 \(t_\text{break}=2.91\sqrt{\dfrac{\rho R_0^3}\gamma}\)。

当垂直水柱撞击平面时,可能会在底部激发驻波场。波长和波速有个方程 \(U=-\omega/k\),进而

\[U^2=\frac{\omega^2}{k^2}=\frac\gamma{\rho kR_0^2}\frac{I_1(kR_0)}{I_0(kR_0)}\left(1-k^2R_0^2\right)
\]

只要射流速度已知,就可以求解驻波波长。

Plateau-Rayleigh 不稳定性 + Young-Laplace 方程的更多相关文章

  1. [物理学与PDEs]第2章习题3 Laplace 方程的 Neumann 问题

    设 $\Omega$ 为单连通区域, 在其边界 $\vGa$ 上给定向量场 ${\bf u}_B$, 则在 $\bar\Omega$ 中存在速度场 ${\bf u}$, 使其在 $\Omega$ 中成 ...

  2. 高阶Laplace曲面形变算法(Polyharmonic Deformation)

    数学上曲面的连续光滑形变可以通过最小化能量函数来建模得到,其中能量函数用来调节曲面的拉伸或弯曲程度,那么能量函数最小化同时满足所有边界条件的最优解就是待求曲面. 能量函数通常是二次函数形式: 其中S* ...

  3. [转]Laplace算子和Laplacian矩阵

    1 Laplace算子的物理意义 Laplace算子的定义为梯度的散度. 在Cartesian坐标系下也可表示为: 或者,它是Hessian矩阵的迹: 以热传导方程为例,因为热流与温度的梯度成正比,那 ...

  4. Laplace算子和Laplacian矩阵

    1 Laplace算子的物理意义 Laplace算子的定义为梯度的散度. 在Cartesian坐标系下也可表示为: 或者,它是Hessian矩阵的迹: 以热传导方程为例,因为热流与温度的梯度成正比,那 ...

  5. 有限差分法(Finite Difference Method)解方程:边界和内部结点的控制方程

    FDM解常微分方程 问题描述 \[\frac{d^2\phi}{dx^2}=S_{\phi} \tag{1} \] 这是二阶常微分方程(second-order Ordinary Differenti ...

  6. 三维网格补洞算法(Poisson Method)

    下面介绍一种基于Poisson方程的三角网格补洞方法.该算法首先需要根据孔洞边界生成一个初始化补洞网格,然后通过法向估算和Poisson方程来修正补洞网格中三角面片的几何形状,使其能够适应并与周围的原 ...

  7. 闪电动画模拟(Dielectric Breakdown Model)附源码

    当两个物体之间存在较大的电势差时会出现放电现象,比如生活中常见的闪电现象,闪电形成的条件就是云层积累了大量负电荷之后与地面之间形成了强大的电势差.目前关于闪电建模的方法比较少,下面介绍一种利用电介击穿 ...

  8. [物理学与PDEs]第2章习题参考解答

    [物理学与PDEs]第2章习题1 无旋时的 Euler 方程 [物理学与PDEs]第2章习题2 质量力有势时的能量方程 [物理学与PDEs]第2章习题3 Laplace 方程的 Neumann 问题 ...

  9. 三维网格补洞算法(Poisson Method)(转载)

    转载:https://www.cnblogs.com/shushen/p/5864042.html 下面介绍一种基于Poisson方程的三角网格补洞方法.该算法首先需要根据孔洞边界生成一个初始化补洞网 ...

  10. 拉普拉斯矩阵(Laplace Matrix)与瑞利熵(Rayleigh quotient)

    作者:桂. 时间:2017-04-13  07:43:03 链接:http://www.cnblogs.com/xingshansi/p/6702188.html 声明:欢迎被转载,不过记得注明出处哦 ...

随机推荐

  1. spring数据验证

    一般情况下,我们并不推荐在服务端做基础的数据校验,因为这有一个很主要的问题:它加重了服务器的负载,如果并发多,这种负载就更加明显. 如果我们跟踪一个简单的Controller方法执行过程,就会发现Sp ...

  2. DotNetGuide荣登GitHub C#中文 Trending 月榜第一

    前言 发现最近有一大批应届生同学和Java转.NET的同学加入了我们的DotNetGuide技术社区交流6群(其他5个群都已满500人,6群也已有340多个小伙伴了)今天看到DotNetGuide荣登 ...

  3. 在KEIL中用JTAG仿真出错:error:cannot load driver".....JL2CM3.dll" 时的解决方法

    在KEIL中用JTAG仿真出错:error:cannot load driver".....JL2CM3.dll" 时的解决方法 报错: Error:Cannot load dri ...

  4. k8s学习总结之各组件功能及作用的详细介绍

    K8S集群架构: 一个K8S集群是由两大部分组成: Master节点和Node节点 一.Master节点主要包括API Server.Scheduler.Controller manager.etcd ...

  5. Codeforces Round 935 (Div. 3)

    A. Setting up Camp 题目描述 The organizing committee plans to take the participants of the Olympiad on a ...

  6. yb课堂 开发前端项目路由 《三十五》

    Vue-Router开发前端项目路由 vue-router 是Vue.js官方的路由管理器,它和Vue.js的核心深度集成,让构建单页面应用变得易如反掌 官方文档:https://router.vue ...

  7. git分支学习笔记2-解决合并的冲突

    来源:https://www.liuhaolin.com/git/115.html git中合并冲突是在不同的分支中同一个文件的内容不同导致的,如果进行合并就会冲突.文件可能是新增的文件,比如在两个分 ...

  8. Bash 技巧

    Bash 使用技巧 Bash 是 GNU 项目的 Bourne Again SHell, 具有交互式命令行编辑.支持它的体系结构上的作业控制.类似 csh 的功能 Bash 是免费软件,根据 GNU ...

  9. 如何让 MGR 不从 Primary 节点克隆数据?

    问题 MGR 中,新节点在加入时,为了与组内其它节点的数据保持一致,它会首先经历一个分布式恢复阶段.在这个阶段,新节点会随机选择组内一个节点(Donor)来同步差异数据. 在 MySQL 8.0.17 ...

  10. python 返回实例对象个数

    python 返回实例对象个数 Python 没有提供任何内部机制来跟踪一个类有多少个实例被创建了,或者记录这些实例是些什么东西.如果需要这些功能,你可以显式加入一些代码到类定义或者__init__( ...