💻 computer science

An Entropy Stable Formulation of Two-equation Turbulence Models with Particular Reference to the k-epsilon Model

यह शोधपत्र एंट्रॉपी उत्पादन सिद्धांतों और स्पेस-टाइम एवरेजिंग को शामिल करके दो-समीकरण टर्बुलेंस मॉडल, विशेष रूप से k-epsilon मॉडल के लिए एक सुदृढ़ संख्यात्मक ढांचा प्रस्तुत करता है, जो कृत्रिम श्यानता (आर्टिफिशियल विस्कोसिटी) पर निर्भर हुए बिना निरंतरता और धनात्मकता सुनिश्चित करने के लिए सममित, एंट्रॉपी-स्थिर समीकरण व्युत्पन्न करता है।

मूल लेखक: Guillermo Hauke, Thomas J. R. Hughes

प्रकाशित 2026-08-12

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Guillermo Hauke, Thomas J. R. Hughes

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि एक चट्टान के चारों ओर नदी कैसे बहती है, या एक तेज़ चलती कार के ऊपर से हवा कैसे गुज़रती है। भौतिकी की दुनिया में, यह तरल गतिकी (फ्लुइड डायनेमिक्स) का अध्ययन है। लेकिन तरल पदार्थ पेचीदा होते हैं; वे केवल एक शांत धारा की तरह सुचारू रूप से नहीं बहते। वे टर्बुलेंस (विक्षोभ) नामक अराजक पैटर्न में घूमते हैं, स्पिन करते हैं और आपस में टकराते हैं। इन जंगली गतियों को समझने के लिए, वैज्ञानिक नियमों के एक सेट का उपयोग करते हैं जिसे नेवियर-स्टोक्स समीकरण (Navier-Stokes equations) कहा जाता है। इन समीकरणों को तरल पदार्थों के चलने के तरीके के लिए एक परम निर्देश नियमावली (instruction manual) के रूप में समझें। हालाँकि, जब तरल पदार्थ विक्षुब्ध होते हैं, तो यह नियमावली इतनी अविश्वसनीय रूप से जटिल हो जाती है कि दुनिया के सबसे तेज़ सुपरकंप्यूटर भी वास्तविक दुनिया के डिजाइनों के लिए इसे पूरी तरह से हल नहीं कर सकते।

इस समस्या से बचने के लिए, इंजीनियर एक शॉर्टकट का उपयोग करते हैं। हर एक नन्हे भंवर को ट्रैक करने के बजाय, वे प्रवाह का एक "औसत" लेते हैं, जिससे अराजकता को एक प्रबंधनीय चित्र में सुचारू बनाया जा सके। इसे रेनॉल्ड्स-एवरेजिंग (Reynolds-averaging) कहा जाता है। लेकिन यहाँ एक पेंच है: जब आप अराजकता को सुचारू बनाते हैं, तो आप उन मौलिक नियमों को खो देते हैं जो ब्रह्मांड को स्थिर रखते हैं। इनमें से एक सबसे महत्वपूर्ण नियम ऊष्मागतिकी का दूसरा नियम (Second Law of Thermodynamics) है, जो मूल रूप से कहता है कि एक बंद प्रणाली में विकार (या एंट्रॉपी) हमेशा बढ़ने की प्रवृत्ति रखता है। यह बिल्कुल वैसा ही है जैसे एक बिखरा हुआ कमरा अपने आप कभी साफ नहीं होता; ऊर्जा हमेशा ऊष्मा के रूप में नष्ट होती रहती है। यदि कोई कंप्यूटर सिमुलेशन इस नियम की अनदेखी करता है, तो यह अस्थिर हो सकता है, जिससे जंगली और असंभव परिणाम निकल सकते हैं जो प्रोग्राम को क्रैश कर देते हैं। वैज्ञानिक खुद से यह बड़ा सवाल पूछ रहे हैं: क्या हम एक ऐसा टर्बुलेंस मॉडल बना सकते हैं जो इस "अराजकता के नियम" का सम्मान करे ताकि हमारे कंप्यूटर सिमुलेशन स्थिर और भौतिक रूप से वास्तविक बने रहें?

यह शोध पत्र, जिसे गिलर्मो हाउके और थॉमस जे. आर. ह्यूजेस द्वारा लिखा गया है, ठीक उसी समस्या पर काम करता है। लेखक दो-समीकरण टर्बुलेंस मॉडल (विशेष रूप से प्रसिद्ध $k$ - $\epsilon$ मॉडल) के लिए समीकरणों को लिखने का एक नया तरीका प्रस्तावित करते हैं ताकि वे स्वाभाविक रूप से ऊष्मागतिकी के दूसरे नियम का पालन करें। वे इसे "स्पेस-टाइम एवरेजिंग" नामक एक चतुर गणितीय युक्ति पेश करके करते हैं। कल्पना कीजिए कि आप एक विक्षुब्ध प्रवाह को न केवल टाइम-लैप्स कैमरे के माध्यम से देख रहे हैं, बल्कि एक थोड़े धुंधले लेंस के माध्यम से भी देख रहे हैं जो सूक्ष्म स्थानिक विवरणों का औसत निकालता है। ऐसा करके, वे घूमते हुए भंवरों की ऊर्जा और उस दर के बीच एक छिपा हुआ संबंध खोजते हैं जिस दर से वह ऊर्जा गायब (विघटित) होती है।

इस शोध पत्र का मुख्य निष्कर्ष यह है कि यदि आप अपने समीकरणों में चर (variables) को बदलते हैं ताकि वे इन औसत मात्राओं का प्रतिनिधित्व करें, तो पूरा सिस्टम "सममित" (symmetric) हो जाता है। गणित की दुनिया में, समरूपता एक महाशक्ति है; इसका अर्थ है कि समीकरण बहुत अधिक स्थिर होते हैं और कंप्यूटर सिमुलेशन के दौरान फटने या बिगड़ने की संभावना कम होती है। लेखक दिखाते हैं कि इसके काम करने के लिए, जिस तरह से टर्बुलेंस गर्मी और संवेग को फैलाता है (डिफ्यूज़िविटी गुणांक), उसे विशिष्ट बाधाओं का पालन करना चाहिए। उन्होंने एक फ्लैट प्लेट के ऊपर बहती हवा का सिमुलेशन करके कंप्यूटर पर इस नए, "एंट्रॉपी-स्टेबल" $k$ - $\epsilon$ मॉडल का परीक्षण किया। परिणाम उत्साहजनक थे: मॉडल ने स्थिर, यथार्थवादी परिणाम दिए जो प्रयोगात्मक डेटा के साथ अच्छी तरह मेल खाते थे, और इसने यह सब बिना उन कृत्रिम "सुधारों" (जैसे कि नकली श्यानता जोड़ना) की आवश्यकता के किया जो पुराने मॉडलों की अक्सर आवश्यकता होती है। लेखक सुझाव देते हैं कि यह दृष्टिकोण टर्बुलेंस मॉडल डिजाइन करने का एक अधिक भौतिक रूप से सुसंगत तरीका प्रदान करता है, जो यह सुनिश्चित करता है कि कंप्यूटर सिमुलेशन प्रकृति के मौलिक नियमों का सम्मान करें।

तकनीकी सारांश: दो-समीकरण टर्बुलेंस मॉडल का एक एंट्रॉपी स्थिर सूत्रीकरण, विशेष रूप से k-epsilon मॉडल के संदर्भ में

समस्या विवरण
द्रव गतिकी (फ्लुइड डायनेमिक्स) के लिए सुदृढ़ संख्यात्मक एल्गोरिदम का डिज़ाइन काफी हद तक निरंतरता (consistency) और स्थिरता (stability) पर निर्भर करता है। जबकि ऊष्मागतिकी का दूसरा नियम (एंट्रॉपी उत्पादन) नेवियर-स्टोक्स समीकरणों के लिए एक मौलिक भौतिक स्थिरता सिद्धांत प्रदान करता है, रेनॉल्ड्स-एवरेज्ड नेवियर-स्टोक्स (RANS) समीकरणों में इसका अनुप्रयोग गैर-तुच्छ (non-trivial) है। मानक RANS सूत्रीकरणों में, विशेष रूप से $k$ - $\epsilon$ जैसे दो-समीकरण टर्बुलेंस मॉडल का उपयोग करते समय, औसत एंट्रॉपी और औसत आश्रित चरों (dependent variables) के बीच का सीधा संबंध लुप्त हो जाता है क्योंकि गिब्स संबंध गैर-रैखिक (nonlinearity) होता है। फलस्वरूप, मानक सूत्रीकरण अक्सर एक सामान्यीकृत एंट्रॉपी फलन (generalized entropy function) की कमी प्रदर्शित करते हैं, जिससे कृत्रिम श्यानता (artificial viscosity) का सहारा लिए बिना भौतिक स्थिरता सिद्धांतों को सीधे संख्यात्मक योजना (numerical scheme) में शामिल करना कठिन हो जाता है। एंट्रॉपी स्थिरता को बहाल करने के पिछले प्रयास, जैसे कि जानसेनन एवं अन्य द्वारा किए गए, एक-समीकरण मॉडल या रेनॉल्ड्स स्ट्रेस टेंसर के लिए छह समीकरणों वाले सिस्टम तक सीमित थे, जिससे व्यापक रूप से उपयोग किए जाने वाले $k$ - $\epsilon$ मॉडल को एक कठोर एंट्रॉपी-स्थिर सूत्रीकरण प्राप्त करने से वंचित छोड़ दिया गया।

कार्यप्रणाली (Methodology)
लेखक दो-समीकरण टर्बुलेंस मॉडल, विशेष रूप से $k$ - $\epsilon$ मॉडल के लिए एक एंट्रॉपी-स्थिर सूत्रीकरण व्युत्पन्न करने हेतु एक ढांचा प्रस्तावित करते हैं, जिसके लिए स्पेस-टाइम एवरेजिंग (space-time averaging) का परिचय दिया गया है।

स्पेस-टाइम एवरेजिंग और चर रूपांतरण (Variable Transformation):
लेखक विसरण दर ( $\epsilon$ ) और सामान्यीकृत एंट्रॉपी के बीच के अंतर को पाटने के लिए एक स्पेस-टाइम एवरेजिंग ऑपरेटर पेश करते हैं। एक छोटे आयतन पर टर्बुलेंट कैनेटिक एनर्जी ( $k$ ) का स्थानिक औसत (spatial average) करके, लेखक यह प्रदर्शित करते हैं कि $\epsilon$ , $k$ के स्थानिक उतार-चढ़ाव (fluctuations) का हिसाब रखता है। इससे एक नए वेग पैमाने (velocity scale), $q_1 = (\nu \epsilon)^{1/4}$ , की परिभाषा प्राप्त होती है, जो मानक टर्बुलेंट वेग पैमाने $q_0 = \sqrt{2k}$ के अतिरिक्त है। संरक्षण चरों (conservation variables) को घनत्व, संवेग, कुल ऊर्जा, $q_0$ , और $q_1$ को शामिल करने के लिए पुनर्व्याख्यायित किया जाता है। कुल ऊर्जा को $q_0$ और $q_1$ दोनों के योगदान को शामिल करने के लिए संशोधित किया गया है।
सामान्यीकृत एंट्रॉपी फलन और समूहीकरण (Symmetrization):
इन नए चरों का उपयोग करके, लेखक एक सामान्यीकृत एंट्रॉपी फलन $H(U) = -\rho \hat{s}$ का निर्माण करते हैं, जहाँ $\hat{s}$ स्पेस-टाइम एवरेजड चरों पर आधारित एक संशोधित एंट्रॉपी है। संगत एंट्रॉपी चर $V$ को संरक्षण चरों $U$ के सापेक्ष ग्रेडिएंट के रूप में व्युत्पन्न किया जाता है।
चरों का यह परिवर्तन $k$ - $\epsilon$ समीकरणों के क्वासी-लीनियर (quasi-linear) रूप को एक सिमेट्रिक हाइपरबोलिक सिस्टम (विशेष रूप से एक सिमेट्रिक एडवेक्टिव-डिफ्यूसिव सिस्टम) में बदल देता है। समय व्युत्पन्न (time derivative) और एडवेक्शन पदों के गुणांक मैट्रिक्स सममित (symmetric) हो जाते हैं, और डिफ्यूजन मैट्रिक्स को विशिष्ट बाधाओं के तहत सिमेट्रिक पॉजिटिव-सेमीडेफिनिट (symmetric positive-semidefinite) दिखाया गया है।
एंट्रॉपी उत्पादन के लिए प्रतिबंध (Constraints):
यह सुनिश्चित करने के लिए कि सिस्टम क्लॉसियस-डुहेम असमानता (Clausius-Duhem inequality - गैर-ऋणात्मक एंट्रॉपी उत्पादन) का पालन करता है, लेखक टर्बुलेंस मॉडल गुणांकों पर विशिष्ट प्रतिबंध व्युत्पन्न करते हैं:

विसरण दर ( $\epsilon$ ) के लिए टर्बुलेंट डिफ्यूज़िविटी, टर्बुलेंट कैनेटिक एनर्जी ( $k$ ) के टर्बुलेंट डिफ्यूज़िविटी के बराबर होनी चाहिए। प्रैंड्टल नंबरों के संदर्भ में, इसके लिए आवश्यक है कि $Pr_\epsilon = Pr_k$ ।
$q_1$ समीकरण के सोर्स टर्म्स को यह सुनिश्चित करने के लिए विशिष्ट असमानताओं को संतुष्ट करना चाहिए कि सामान्यीकृत एंट्रॉपी का उत्पादन गैर-ऋणात्मक बना रहे। इसमें कुछ स्थितियों के तहत उत्पादन पदों पर हावी होने के लिए सोर्स फंक्शन में विसरण (dissipation) पद को संशोधित करना शामिल है।

संख्यात्मक कार्यान्वयन (Numerical Implementation):
निर्मित समीकरणों को एक टाइम-डिस्कंटीन्यूअस गैलर्किन/लीस्ट-स्क्वायर्स फाइनाइट एलीमेंट मेथड का उपयोग करके लागू किया गया है। सिस्टम को एक प्रेडिक्टर-मल्टीकौरेक्टर एल्गोरिदम के साथ एक GMRES लीनियर सॉल्वर का उपयोग करके हल किया जाता है। यह कार्यान्वयन $k$ - $\epsilon$ समीकरणों की कठोरता (stiffness), विशेष रूप से दीवारों के पास, को संबोधित करने के लिए $q_1$ के लिए एक विशिष्ट बाउंडरी कंडीशन का उपयोग करता है जो विसरण और क्रॉस-डिफ्यूजन के संतुलन से व्युत्पन्न है।

प्रमुख परिणाम
लेखक एक लगभग इनकम्प्रेसिबल टर्बुलेंट फ्लैट प्लेट बाउंड्री लेयर के लिए संख्यात्मक सिमुलेशन प्रस्तुत करते हैं, जिसमें लैम-ब्रेमहोर्स्ट $k$ - $\epsilon$ मॉडल का उपयोग किया गया है जिसे इस एंट्रॉपी-स्टेबल ढांचे के अनुकूल बनाया गया है।

वैधीकरण (Validation): स्किन फ्रिक्शन कोएफिशिएंट और वेलोसिटी प्रोफाइल (वॉल कोऑर्डिनेट्स में) के परिणाम अनुभवजन्य सहसंबंधों (Karman-Schönherr) और अन्य स्थापित गणनाओं (Patel et al., Wilcox) के साथ अच्छा सामंजस्य दिखाते हैं।
स्थिरता (Stability): संख्यात्मक योजना मजबूती प्रदर्शित करती है। विशेष रूप से, $q_1$ समीकरण (परिवर्तित विसरण समीकरण) उत्कृष्ट स्थिरता दिखाता है, जो मानक $\epsilon$ समीकरण से जुड़ी विशिष्ट संख्यात्मक कठिनाइयों के विपरीत है।
ग्रिड स्वतंत्रता (Grid Independence): एक रिफाइनमेंट अध्ययन इंगित करता है कि समाधान, $y^+ = 5.0$ जैसे उच्च मानों के लिए भी, निकट-दीवार तत्व आकार (near-wall element size) के प्रति अपेक्षाकृत असंवेदनशील है। यह $q_1$ के लिए विशिष्ट बाउंडरी कंडीशन कार्यान्वयन के कारण है, जो मानक लो-रेनॉल्ड्स नंबर $k$ - $\epsilon$ मॉडल (जिन्हें आमतौर पर $y^+ < 1$ की आवश्यकता होती है) की तुलना में मोटे निकट-दीवार मेश (coarser near-wall meshes) की अनुमति देता है।
एंट्रॉपी उत्पादन: सिमुलेशन पुष्टि करते हैं कि कुल एंट्रॉपी उत्पादन (विस्कस डिसिपेशन प्लस टर्बुलेंस योगदान) बाउंड्री लेयर में गैर-ऋणात्मक रहता है, जो सैद्धांतिक व्युत्पत्ति को मान्य करता है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य व्यापक रूप से उपयोग किए जाने वाले दो-समीकरण $k$ - $\epsilon$ टर्बुलेंस मॉडल तक एंट्रॉपी स्थिरता की अवधारणा को सफलतापूर्वक विस्तारित करता है। स्पेस-टाइम एवरेजिंग और संबंधित चरों $q_0$ और $q_1$ को पेश करके, वे एक सामान्यीकृत एंट्रॉपी फलन को पुनः प्राप्त करते हैं जो सिस्टम को सिमेट्राइज़ (symmetrize) करने की अनुमति देता है।

प्राथमिक महत्व इस बात में निहित है कि संख्यात्मक एल्गोरिदम को भौतिक स्थिरता सिद्धांत (द्वितीय नियम) को सीधे उनके डिस्क्रीट फॉर्मूलेशन में विरासत के रूप में प्राप्त करने के लिए डिज़ाइन किया जा सकता है। यह स्थिरता के लिए कृत्रिम श्यानता जोड़ने के एक कठोर विकल्प के रूप में कार्य करता है। लेख का तर्क है कि व्युत्पन्न प्रतिबंध (विशेष रूप से $Pr_\epsilon = Pr_k$ ) एंट्रॉपी उत्पादन और समाधान की सकारात्मकता (positivity) दोनों के लिए आवश्यक हैं, जो मोहम्मदी और पिरोनो (Mohammadi and Pironneau) के पिछले निष्कर्षों के अनुरूप है। लेखक निष्कर्ष निकालते हैं कि यह ढांचा अधिक भौतिक रूप से सुसंगत टर्बुलेंस मॉडल और स्थिर संख्यात्मक योजनाओं को डिजाइन करने का मार्ग प्रशस्त करता है, जैसा कि लैम-ब्रेमहोर्स्ट मॉडल के सफल अनुप्रयोग से सिद्ध हुआ है।

इसी तरह के और पेपर