在文章中具体叙述到堵塞的时候，发现我之前的定义有些混乱，定义属于东拼西凑，模棱两可，于是重新梳理了密流梯度判别系数，修改主要在：
-
整合了梯度无量纲的方法
- Khalid原始的无量纲方法是除以（进口密度*进口速度/叶尖弦长）
- 优点：最终结果确实无量纲
- 缺点：Island区域范围很大
- 刘宝杰的无量纲方法是仅除以叶尖特征速度（例如80%叶高的平均速度）
- 优点：Island区域小，且似乎特征速度取的位置越高（一定范围内）结果Island区域越小
- 缺点：得到的结果是有量纲的
- 结合Khalid和刘宝杰的两个方法，除以（考察平面内叶尖附近特征密度*特征速度/叶尖弦长）
- 我用的是85%叶高线平均的密度和流向速度
- Khalid原始的无量纲方法是除以（进口密度*进口速度/叶尖弦长）
-
切实使用了r和θ方向的梯度，而不是之前偷懒的x和y方向
改掉的初衷是：- 我发现在100%转速中会过高地估计通道前部的堵塞，这部分是激波造成的，我怀疑是梯度计算方法的问题。
- 在光壁计算中叶片不转动相位，x和y近似r和θ的效果还凑活；但在CT计算中就叶片一旦转动相位，差别就非常大了
为了规避风险，决定还是用r和θ方向的梯度
那么这个问题的关键就在于，如何计算柱坐标系中的梯度结果
这又涉及两个问题：- 柱坐标系下的各方向梯度如何表示
- 如何用笛卡尔坐标系的x和y结果来计算柱坐标系的结果
具体计算步骤见该文：
如何用笛卡尔坐标系中的梯度结果计算柱坐标系
得到结果：
Eqn5.gif
从而利用CFX中求梯度后给出的xyz三个方向下的梯度结果，可以计算出r和θ方向的梯度结果。- 在Post中我定义为Grad r和Grad theta
-
确定了使用梯度r和梯度θ绝对值相加的方法，而不是两者的平方根
计算得到Grad r和Grad theta后，我分别定义了两个变量：- Ck为两者平方和，即Ck = (Grad r^2+Grad theta^2) ^0.5
- Cm为两者绝对值之和，即Cm = abs(Grad r)+abs(Grad theta)
对比了一些结果后我认为Cm得到的结果更好，体现主流与亏损区的边界更清晰，阈值更容易确定等方面
