湍流是一种随机的、非定常的、混沌的不规则流动状态,内部是无数形状和尺度不同的漩涡。湍流的高度复杂性使得描述流体粒子的运动变得异常困难,因此研究者们转而使用统计学的方法。如下图所示,将湍流的瞬时量u(t)分解为定常量U和瞬时扰动量的和,即
u
(
t
)
=
U
+
u
′
(
t
)
,
u(t)=U+u^\prime(t),
u(t)=U+u′(t),
这种描述方式就是雷诺分解(Reynolds decomposition)。上式中的
u
u
u不仅指速度分量,可以代表湍流的其他特征量,如压力
p
p
p等。
在雷诺分解的基础上,根据统计学理论就可以得出一堆湍流统计量:
时间平均/均值(time average/mean)
流动特征量
ϕ
\phi
ϕ的时间平均定义为
ϕ
ˉ
=
Φ
=
1
Δ
t
∫
0
Δ
t
ϕ
(
t
)
d
t
\bar \phi = \Phi=\frac{1}{\Delta t}\int^{\Delta t}_{0} \phi(t)dt
ϕˉ=Φ=Δt1∫0Δtϕ(t)dt
上式中的
Δ
t
\Delta t
Δt理论上应该是趋于无穷的,因为毕竟是统计量,小样本就没有统计价值了。其实只要满足
Δ
t
\Delta t
Δt大于
ϕ
\phi
ϕ的周期的时间尺度,上式定义的均值就是有意义的。
扰动量
ϕ
′
\phi^\prime
ϕ′的时间平均恒等于0,定义如下,
ϕ
ˉ
′
=
1
Δ
t
∫
0
Δ
t
ϕ
′
(
t
)
d
t
≡
0
\bar{\phi}^\prime = \frac{1}{\Delta t} \int ^{\Delta t} _{0} \phi ^\prime (t)dt \equiv 0
ϕˉ′=Δt1∫0Δtϕ′(t)dt≡0
所以,
ϕ
=
Φ
+
ϕ
′
\phi = \Phi + \phi ^\prime
ϕ=Φ+ϕ′
以下统计量主要对于扰动分量而言:
方差(Variance)
(
ϕ
′
)
2
‾
=
1
Δ
t
(
ϕ
′
)
2
d
t
\overline{(\phi ^\prime)^2} = \frac{1}{\Delta t} (\phi ^\prime)^2 dt
(ϕ′)2=Δt1(ϕ′)2dt
均方根(r.m.s)
ϕ
r
m
s
=
(
ϕ
′
)
2
‾
=
[
1
Δ
∫
0
Δ
t
(
ϕ
′
)
2
d
t
]
1
/
2
\phi _{rms} = \sqrt{\overline{(\phi ^\prime)^2}}=[\frac{1}{\Delta} \int^{\Delta t}_{0} (\phi ^\prime)^2 dt]^{1/2}
ϕrms=(ϕ′)2=[Δ1∫0Δt(ϕ′)2dt]1/2
统计矩(moment)
对于变量
ϕ
=
Φ
+
ϕ
′
\phi = \Phi + \phi ^\prime
ϕ=Φ+ϕ′和
ψ
=
Ψ
+
ψ
′
\psi = \Psi + \psi ^\prime
ψ=Ψ+ψ′,其扰动量的二阶矩定义为
ϕ
′
ψ
′
‾
=
1
Δ
t
∫
0
Δ
t
ϕ
′
ψ
′
d
t
\overline{\phi ^\prime \psi ^\prime} = \frac{1}{\Delta t} \int^{\Delta t}_{0} \phi ^\prime \psi ^\prime dt
ϕ′ψ′=Δt1∫0Δtϕ′ψ′dt
高阶矩(higher-order moment)
(
ϕ
′
)
3
‾
=
1
Δ
t
∫
0
Δ
t
(
ϕ
′
)
3
d
t
\overline{(\phi ^\prime)^3} = \frac{1}{\Delta t} \int^{\Delta t}_{0} (\phi ^\prime)^3 dt
(ϕ′)3=Δt1∫0Δt(ϕ′)3dt
(
ϕ
′
)
4
‾
=
1
Δ
t
∫
0
Δ
t
(
ϕ
′
)
4
d
t
\overline{(\phi ^\prime)^4} = \frac{1}{\Delta t} \int^{\Delta t}_{0} (\phi ^\prime)^4 dt
(ϕ′)4=Δt1∫0Δt(ϕ′)4dt