Skip to main content
QUICK REVIEW

[论文解读] A Solution of the Cauchy Problem for the Loop Equation in Turbulence

Д.В. Антонов|arXiv (Cornell University)|Nov 29, 1996
Fluid Dynamics and Turbulent Flows参考文献 1被引用 7
一句话总结

该论文通过功能性拉普拉斯算子的弥散化程序,解决了湍流中具有高斯随机力的环方程柯西问题。在粘性系数、初始数据和回路几何满足特定约束条件下,解以包含初始条件、其导数及随机力势能的泛函展开形式表达,修正项包含至二阶累积量和线性泛函导数,确保在推导出的约束下方程右侧为零。

ABSTRACT

Under certain conditions, imposed on the viscosity of the fluid, initial data and the class of contours under consideration, the Cauchy problem with finite values of time for the loop equation in turbulence with Gaussian random forces is solved by making use of the smearing procedure for the loop space functional Laplacian. The solution obtained depends on the initial data and its functional derivatives and on the potential of the random forces.

研究动机与目标

  • 求解在非平凡初始条件和几何条件下具有有限时间动力学的湍流环方程柯西问题。
  • 通过功能性拉普拉斯算子的弥散化程序,发展环方程的系统性微扰解法。
  • 确定初始条件和回路类所需的必要约束,以确保高阶累积量不会破坏解与环方程右侧的一致性。
  • 建立解在有限时间区间内保持有界且物理意义明确的条件。

提出的方法

  • 通过高斯型核 G(σ−σ′)=e−|σ−σ′|/ε 对功能性拉普拉斯算子 ∆ 进行弥散化,使路径积分平均在回路上得以应用。
  • 利用恒等式 ∆(G)⟨Q[r+√Aξ]⟩ξ = 2d/dA⟨Q[r+√Aξ]⟩ξ,将功能性拉普拉斯算子的作用与环泛函的泛函导数联系起来。
  • 采用累积量展开(公式9)来近似时间演化后的期望值,仅保留至二次累积量(双局域近似)和小参数 β 的线性项。
  • 通过有限温度谐振子作用对回路构型进行平均,使在 ε→0 极限下恢复重参数化不变性。
  • 对初始泛函 Ψ[r,0] 和回路几何施加约束,以确保环方程右侧为零,使用面积导数的莱布尼茨法则。
  • 推导出三个关键约束(13),这些约束必须由初始条件和回路满足,以确保微扰解与原始环方程的一致性。

实验结果

研究问题

  • RQ1在何种条件下,湍流中环方程的柯西问题可在有限时间动力学下求解?
  • RQ2如何对环空间中的功能性拉普拉斯算子进行正则化,以实现一致的求解过程?
  • RQ3为确保解使环方程右侧为零,对初始环泛函和回路几何需施加何种约束?
  • RQ4累积量展开和小参数近似如何影响解的有效性和结构?
  • RQ5解是否可表达为一种保持物理一致性的形式,例如在推导出的约束下高阶项消失?

主要发现

  • 柯西问题的解由公式(12)给出,其将 Ψ[r,t] 表示为包含初始条件 Ψ[r,0]、其一阶和二阶泛函导数以及势能 U[r] 的泛函展开,修正项包含至 α 的二阶和 β 的一阶。
  • 该解在小参数条件 α ≡ t S_min.max(|F|)/ν² ≪ 1(双局域近似)和 β ≡ tν/S_min ≪ 1(泛函导数线性)下有效,确保微扰控制。
  • 若满足三个约束(13),环方程(2)的右侧将被消除:两个针对初始泛函二阶导数的约束,一个针对一阶导数与势能混合项的约束。
  • 若初始条件满足 δ²Ψ[r,0]/δσβαδσβγ = 0(例如当 Ψ[r,0] 为回路上的双重积分泛函时),则 ∆Ψ[r,0] = 0,解简化为 Ψ[r,t] = Ψ[r,0] exp(t/ν U[r]),与退化方程一致。
  • 约束(13)足以确保所有高阶累积量贡献在右侧也消失,因此无需额外约束。
  • 在 ε→0 极限下,弥散化程序恢复重参数化不变性,解收敛至形式 Ψ[r,t] = (1 + t/ν U[r] + t²/2ν² U²[r])(1 + tν∆)Ψ[r,0],即解的最终紧凑表达式。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。