Surface Tension and Contact Angle Modelling in Multiphase Lagrangian Differencing Dynamics
Notice bibliographique
Résumé
Surface tension, wetting, and contact line dynamics are critical to understanding flows involving interactions between different phases, such as liquid-liquid, liquid-gas, and liquid-solid interfaces.Accurately capturing the effects of surface tension and contact angle hysteresis is essential for enhancing simulation fidelity.This paper presents a methodology that integrates surface tension and contact angle force models within the Multiphase Lagrangian Differencing Dynamics (MP-LDD) framework.The pressure jump due to surface tension and the mobility of the contact angle are implicitly incorporated into the pressure equation using the Young-Laplace equation, yielding a good initial guess in the pressure calculation to improve the stability and convergence.Simultaneously, the corresponding volumetric force is integrated into the velocity equation, providing a comprehensive and accurate representation of interfacial dynamics.The MP-LDD framework focuses on the immediate vicinity of the interface, enabling sharper and more precise calculations of surface interactions without relying on ghost particles or complex extrapolations.The approach achieves faster computations by leveraging the dynamic contact angle (DCA) model without curvature calculations and eliminates instabilities caused by abrupt curvature changes.Additionally, the second-order consistency of MP-LDD enhances predictive accuracy.The direct operation on surface meshes allows precise identification of solid boundaries and accurate application of forces at the triple point.Validation against benchmark cases demonstrates the robustness and effectiveness of the proposed methodology in simulating complex multiphase flow scenarios, establishing it as a reliable and efficient tool for interfacial flow simulations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».