Consistency requirement of data-driven subgrid-scale modeling in large-eddy simulation
本文研究了数据驱动SGS建模在LES中的一致性问题，通过分析数值偏差的影响，提出需结合物理基础模型和优化滤波宽度以提高预测准确性。
2025-11-19 physics.flu-dyn
A new eddy-viscosity model for large eddy simulation in helical turbulence
在各向同性螺旋湍流中，提出了一种新的单螺旋模型用于大涡模拟。在Kolmogrov假设的基础上，根据螺旋度耗散的平衡和螺旋度通量在惯性范围内的平均值，提出了螺旋模型，螺旋模型是一种涡粘性模型。螺旋模型的系数是恒定的，并且也可以动态地确定。数值模拟的强制和衰减的各向同性螺旋湍流表明，螺旋模型预测的能量和螺旋度的演变。螺旋模型的统计特性更接近DNS结果，在先验检验中，螺旋模型的能量耗散和螺旋度耗散也显示出良好的结果。螺旋模型与动态Smogorinsky模型和混合模型相比，具有一定的优越性.
2012-12-12 physics.flu-dyn
Synchronizing subgrid scale models of turbulence to data
湍流的大涡模拟是许多工程和地球物理环境中使用的强大工具。选择合适的亚网格尺度模型的自由参数值是一个关键的任务，目前的方法存在一些缺点。使用一种称为轻推的技术，我们表明，大涡模拟可以同步到来自均匀和各向同性湍流的高分辨率直接数值模拟的数据。此外，我们发现，同步的程度取决于所使用的亚网格尺度模型的参数的值，这表明轻推可以被用来作为一种方式来选择最佳的参数模型。例如，我们表明，Smagorinsky模型的同步是最佳的，当它的常数采取通常的值$0.16$。同步动力学分析的重点放在相空间中的轨迹重建，相反，传统的后验测试的大涡模拟的流量的统计数据进行比较。这些结果为在大涡模拟的后验检验中利用非统计分析提供了可能。
2020-12-01 physics.flu-dyn
Large Eddy Simulation, Turbulent Transport And The Renormalization Group
在大涡模拟中，非线性项的雷诺平均值不能直接根据解析变量计算，需要闭合假设或模型，称为亚网格尺度项。受重整化群（RNG）的启发，我们引入了一个展开的未封闭的条款，进行明确的所有订单。在领先的顺序，这种扩展定义了次网格尺度未封闭的条款，我们涉及到动态次网格尺度闭合模型。扩展，概括了伦纳德应力封闭分析，建议系统的高阶确定的模型系数。RNG的观点揭示了无限雷诺数极限的非唯一性。对于N种物质的混合，我们看到一个N+1参数族的无限雷诺数的解决方案标记的无量纲参数的限制欧拉方程，在RNG本身固有的方式。大涡模拟采用了Leonard应力模型和动态亚网格模型，打破了这种非唯一性，并在理论的基础上预测了唯一的模型系数。从这个意义上说，大涡模拟超越了RNG方法，RNG方法通常不能预测模型系数。
2013-09-24 physics.flu-dyn
Multiscale properties of Large Eddy Simulations: correlations between resolved-scale velocity-field increments and subgrid-scale quantities
我们提供了解析和数值结果之间的多尺度相关的解决速度场和亚网格尺度（SGS）应力张量在大涡模拟（LES）。在前人对纳维-斯托克斯方程（NSE）研究的基础上，我们导出了控制任意阶速度结构函数时空演化的LES方程的精确层次。目的是评估亚网格模型对惯性距离不稳定性的影响。我们提供了一系列的预测，在多重分形理论，涉及SGS应力的相关性的缩放，我们将它们与高分辨率Smagorinsky LES和直接数值模拟（DNS）产生的先验过滤数据的数值结果进行比较。我们发现，LES数据一般同意过滤DNS的结果和多重分形预测的平衡方程中的所有领先的条款。离散测量的一些subleading条款，涉及解决速度增量和SGS张量或SGS能量转移之间的互相关，这表明必须有空间来改善SGS建模，以进一步扩展惯性范围属性为任何固定LES分辨率。
2018-05-07 physics.flu-dyn
Modelling of the subgrid scale wrinkling factor for large-eddy simulation of turbulent premixed combustion
本文提出了一个计算湍流预混燃烧大涡模拟中未解决的扰动因子的模型。它基本上依赖于一个幂律依赖的过滤器的尺寸和一个原始的表达式的积极波纹应变率的波纹因子。后者被写为一个产品的效率函数，占粘性效应和运动约束的彼得斯，最近的表达式的湍流应变强度。产生的分形维数和内部截止长度尺度的函数表达式，后者是（i）过滤器大小独立和（ii）在大和小Karlovitz数与Damköhler渐近行为一致。进一步提出了一种新的考虑有限雷诺数效应的湍流因子表达式。最后，该模型是成功地评估实验过滤数据库。
2014-12-28 physics.flu-dyn
Invariant Data-Driven Subgrid Stress Modeling on Anisotropic Grids for Large Eddy Simulation
本文提出一种满足多种不变性并嵌入滤波各向异性的数据驱动亚格子应力模型，仅用少量各向异性滤波 DNS 数据和简单神经网络训练，即可在未见各向异性比、Reynolds 数和流动情形下良好泛化。
2023-07-17 physics.comp-ph physics.flu-dyn
Resolved and subgrid-scale crossing trajectory effects in Eulerian large eddy simulations of polydisperse droplet transport
采用大涡模拟（LES）方法研究了微浮力液滴在湍流射流中的弥散特性。液滴数密度场使用欧拉方法表示，其中分散相使用包括液滴上升速度的快速欧拉方法（Ferry & Balachandar 2001）建模。通过对不同粒径液滴的径向浓度分布和湍流浓度通量的分析，定量研究了颗粒与湍流涡之间的相对运动对湍流扩散的影响。对于更精细的LES网格分辨率，该模型捕获的差分，基于尺寸的分散特性的液滴的横向分散的较大的液滴尺寸被抑制，因为轨迹交叉效应明确解决LES。本文根据Csanady（1963）提出的大气颗粒湍流扩散理论，在修正Schmidt数的基础上，研究了一个适用于颗粒尺度径向浓度分布的相似解模型。结果与高分辨率LES数据进行了验证，并显示出良好的一致性。然后，大小相关的施密特数模型被重新制定为一个未解决的亚网格尺度的轨迹交叉效应的模型，并用于计算亚网格浓度通量在一个粗糙的LES的湍流射流，略有浮力的液滴在射流的自相似区域的中心线处注入。将结果与具有较高网格分辨率的模拟和具有恒定施密特数SGS模型的粗略模拟进行比较。我们发现，亚网格模型提高了粗糙LES的浓度廓线和湍流浓度通量的预测精度。
2022-01-21 physics.flu-dyn
A posteriori tests of subgrid-scale models in an isothermal turbulent channel flow
本文研究了等温槽道湍流的大涡模拟。我们研究没有壁函数或壁模型的零方程代数模型：功能模型、结构模型和混合模型。除了从文献中的模型，提出了新的模型，并检查它们的相关性。还分析了每种类型模型的动态版本。使用相同的有限差分数值方法和物理配置的亚网格尺度模型的性能进行评估。模拟的摩擦雷诺数为180。使用三种不同的网格分辨率。大涡模拟的预测相比，直接数值模拟过滤的分辨率LES网格。结果比没有模型的模拟更准确。用常参数法或动态张量法可以改进泛函涡粘模型的预测。
2020-06-08 physics.flu-dyn
Anomalous scaling of structure functions and sub-grid models for large eddy simulations of strong turbulence
充分发展湍流的大涡模拟的最初目标是在$r\geq Δ$尺度上精确描述大尺度流动特征${\bf u}(Δ)$，其中$Δ$是计算网格的尺寸。小尺度速度波动（$r<Δ$）的影响将由粗粒度纳维尔-斯托克斯方程中的有效输运系数（次网格模型）来解释。本文指出，由于速度差矩的惯性尺度（惯性尺度）的异常，现有的亚网格模式本质上不能定量描述具有$N\approx 10$的$r<NΔ$尺度下的流动特征。这使计算工作量增加了大约一个因子$10^{3}-10^{4}$。在尺度$Δ/L<1$上的亚网格粘性的Smagorinsky关系的故障被证明和修改占过滤出的小尺度波动的不稳定性提出。
2011-09-28 physics.flu-dyn
A nonlinear subgrid-scale model for large-eddy simulations of rotating turbulent flows
旋转湍流是大涡模拟（LES）的一个具有挑战性的测试用例。因此，我们提出并验证了一个新的亚网格尺度（SGS）模型，这样的流量。所提出的SGS模型包括一个耗散涡粘性项以及一个非耗散项，这是非线性的应变率和转速张量。两个相应的模型系数是涡拉伸幅度的函数。因此，该模型符合纳维-斯托克斯方程和湍流应力的许多物理和数学性质，且易于实现。我们确定的两个模型常数使用一个非动态的程序，考虑到模型之间的相互作用。使用详细的直接数值模拟（DNSs）和LES的旋转衰减湍流和展向旋转平面通道流，我们发现，这两个模型项分别占耗散和后向散射的能量，和非线性项提高了固体壁附近的雷诺应力各向异性的预测。我们还表明，新的SGS模型提供了很好的预测旋转衰减湍流，并导致优秀的预测展向旋转平面通道流在很大范围内的旋转速率的精细和粗网格分辨率。此外，新的非线性模型在旋转衰减湍流的LES中表现与动态Smagorinsky和缩放各向异性最小耗散模型一样好，并且在展向旋转平面通道流的LES中表现优于这些模型，而不需要（动态）适应或近壁模型常数的阻尼。
2019-04-29 physics.flu-dyn
The subgrid scale pressure field of scale-enriched Large Eddy Simulations using Gabor modes
随着大涡模拟（LES）的不断发展和计算资源的不断增加，目前已经可以数值求解各种流动中的时变和各向异性大尺度湍流。对于某些应用，这种大尺度分辨率是令人满意的。然而，大量的工程问题涉及非常大的雷诺数下的流动，其中实际LES的亚网格尺度动力学对于设计是至关重要的，并且在给定求解纳维-斯托克斯方程的计算需求的情况下是无法达到的;这种困难在有壁面边界的湍流中尤其重要，因为在这种湍流中，即使是大尺度的湍流，也常常低于适度成本壁面模拟大涡模拟（WMLES）的隐含滤波器宽度.在本文中，我们简要地介绍了一个规模丰富的过程，利用空间和光谱本地化的Gabor模式。该方法提供了一个物理上一致的小尺度速度场的描述，而无需求解完整的非线性方程组。浓缩过程的能力进行评估，以预测小规模的压力场的贡献。我们发现，该方法准确地外推的压力谱和恢复压力变化的全场显着相比，计算昂贵，高分辨率LES。对于均匀各向同性湍流（HIT）的情况，在\textit{a priori}和\textit{a posteriori}设置中进行分析。
2021-12-13 physics.flu-dyn
Effect of subgrid-scale anisotropy on wall-modeled large-eddy simulation of turbulent flow with smooth-body separation
California Institute of Technology（加州理工学院）；University of Tennessee（田纳西大学）
研究亚网格尺度各向异性应力在壁面模化大涡模拟光滑体分离流中的作用，发现基于涡粘的模型在网格细化时预测分离泡尺寸非单调，而各向异性模型更一致；迎风面强顺压梯度区是关键，各向异性应力通过改变亚网格耗散和扩散影响雷诺应力和分离起始。
2026-06-12 physics.flu-dyn
Analysis of the relevance of the filtered radiative transfer equation terms for large eddy simulation of turbulence-radiation interaction
本文采用大涡模拟（LES）方法分析了湍流与辐射的相互作用。采用统计定常强迫均匀各向同性湍流的直接数值模拟（DNS）方法，研究了滤波辐射转移方程（RTE）中未封闭项的相关性，以及光学厚度和湍流强度等参数的影响。LES没有亚网格尺度模型的过滤RTE也进行了研究。忽略辐射的亚网格尺度涨落在各种情况下都被证明是一个准确的假设，特别是对于辐射的吸收项。然而，折射率辐射相互作用的影响显着增加的光学厚度的基础上的过滤器的大小或与湍流强度，因此亚网格尺度的建模应开发的情况下，光学厚度不薄，湍流强度高于20%。
2019-03-11 physics.flu-dyn
Analysis of anisotropic subgrid-scale stress for coarse large-eddy simulation
本研究针对湍流剪切流粗网格大涡模拟，分解亚格子应力为各向同性涡粘项与残余各向异性项，发现后者对雷诺应力分量有显著非耗散贡献且参与相干结构生成，为改进亚格子模型指明方向。
2023-09-05 physics.flu-dyn
Multiscale Convolutional Neural Networks for Subgrid-scale Modeling in Large-Eddy Simulation
针对大涡模拟的亚格子尺度建模问题，提出整合多尺度滤波表示、模拟能量级联过程的MSC-SGS模型，在湍流槽道流测试中预测精度优于现有CNN模型和传统模型，与DNS数据高度一致。
2025-02-15 physics.flu-dyn
Effect of grid anisotropy, resolution, and subgrid-scale models in pseudo-spectral Large Eddy Simulations of low-level clouds
University of Twente（特温特大学）
本文研究了网格分辨率和子格尺度模型对低空云大涡模拟的影响，采用新型框架结合伪谱对流与各向最小耗散（AMD）子格尺度模型，发现AMD模型与伪谱对流结合可在不同网格分辨率下产生稳健且准确的预测，推荐垂直间距约为水平间距三倍的网格各向异性以平衡精度和计算效率。
2026-05-20 physics.ao-ph physics.flu-dyn
Resolution-induced anisotropy in LES
复杂几何形状和区域湍流的大涡模拟（LES）通常采用不同形状和方向的高纵横比分辨率单元进行。这种各向异性分辨率的影响往往被简化或忽略的亚网格模型制定。在这里，我们研究分辨率引起的各向异性，并证明，即使是各向同性湍流，各向异性分辨率诱导轻度解决雷诺应力各向异性和显着的各向异性二阶分辨速度梯度统计。在大涡模拟的均匀各向同性湍流与各向异性的分辨率，它表明，常用的亚网格模型，包括那些在其制定考虑分辨率各向异性，表现不佳。一个例外是由Roxley等人提出的各向异性最小耗散模型（Phys. of Fluids 27，085107，2015）。这里提出了一个简单的新模型，制定了明确取决于各向异性的分辨率的各向异性涡扩散。它也表现良好，是显着的，因为不同于其他LES子网格模型，涡扩散率仅取决于湍流的统计特性（在这种情况下的耗散率），而不是波动量。在其他子网格建模公式中，例如动态过程，以这种方式将流量依赖性限制为统计量可能具有优势。
2019-04-14 physics.flu-dyn
Influence of subgrid scale models on the buffer sublayer in channel flow
亚网格模型在湍流的大涡模拟中具有重要作用。本文对不同的SGS模型进行了比较研究，包括单k方程、壁面自适应局部涡粘性（WALE）模型、Sigma模型和剪切约束模型。采用有限体积法对剪切雷诺数Re_τ= 395的槽道流动进行了壁面分辨大涡模拟。在模拟中，缓冲子层原来是最敏感的SGS模型。通过对平均速度、二阶矩、SGS粘性系数和脉动涡量的分析，发现WALE和西格玛模型在脉动涡量方面明显优于其他模型，而约束模型对平均速度的改善幅度较小。结果还表明，SGS耗散强烈影响的速度波动，但不影响平均流量，也没有日志层失配。
2017-08-31 physics.flu-dyn
Neural Network for Subgrid Turbulence Modeling for Large Eddy Simulations
IFP Energies nouvelles (IFPEN)（法国石油研究院）
本文提出一种用于大涡模拟的神经网络方法，结合传统方程与数据驱动模型，通过高保真数据生成和后处理提升湍流建模精度。
2025-11-27 physics.comp-ph physics.flu-dyn
Near-Wall Scaling and Separation Prediction of a Rotation-Based Subgrid-Scale Stress Model
本文分析一种基于速度梯度旋转部分的亚格子应力模型，通过槽道流和周期性山丘流验证其近壁O(y)渐近性、-10/3标度律及分离预测优势。
2025-07-26 physics.flu-dyn
Matrix Exponential-Based Closures for the Turbulent Subgrid-Scale Stress Tensor
介绍了两种用矩阵指数封闭湍流亚网格尺度应力张量的方法，并对两种方法进行了比较。第一种方法是基于一个正式的解决方案的应力输运方程中的生产条款可以完全集成在矩阵指数。亚网格尺度应力输运方程的这种形式的解决方案被证明是有用的，以探索特殊情况下，如恒定的速度梯度的响应，但忽略压力-应变的相关性和扩散效应。第二种方法是基于欧拉-拉格朗日变量变化，结合条件平均拉格朗日速度梯度张量的各向同性假设和“最近流体变形”（RFD）近似。结果表明，这两种方法导致相同的基本封闭中的应力张量表示为解决速度梯度张量乘以其转置的矩阵指数的产品。矩阵指数的短时间扩展示出提供一个涡粘性项和特定的二次项，从而允许重新解释传统的涡粘性和非线性应力封闭。通过在强迫各向同性湍流大涡模拟中的成功实现，说明了矩阵指数闭合的基本可行性。矩阵指数闭合采用了完全忽略压力-应变相关性和其他“非线性扰频”项的极端近似。但与涡粘性封闭不同，矩阵指数方法提供了一个简单的局部封闭，可以直接从应力输运方程与生产项，并使用物理动机的假设拉格朗日去相关和上游各向同性。
2009-01-21 physics.flu-dyn
Ensemble data assimilation-based mixed subgrid-scale model for large-eddy simulations
本文提出基于集合卡尔曼滤波数据同化的EnKF-MM混合亚格子模型，以fDNS动能谱为目标优化系数，并在HIT和TML大涡模拟中优于DSM、DMM和VGM。
2023-07-06 physics.flu-dyn
A large eddy simulation model for two-way coupled particle-laden turbulent flows
提出一种用于双向耦合颗粒载流湍流的大涡模拟新框架，通过结合可解流体速度的亚格子分量丰富模型与亚格子动能输运方程求解，有效捕捉了颗粒与流体在可解及亚格子尺度上的相互作用，结果与DNS高度一致。
2023-02-06 physics.comp-ph physics.flu-dyn
Novel mixed approximate deconvolution subgrid-scale models for large-eddy simulation
针对传统动态涡粘大涡模拟模型的缺陷，提出新型混合近似反卷积亚格子模型，通过五项一致性准则验证及湍流算例测试，证明新模型可提升预测精度、稳定性并降低计算成本。
2025-11-12 physics.flu-dyn
A Dynamic Subgrid Scale Model for Large Eddy Simulations Based on the Mori-Zwanzig Formalism
复杂多尺度问题的简化模型的发展仍然是计算物理的主要挑战之一。Chorin等人的最佳预测框架，它是对非平衡统计力学的Mori-Zwanzig（M-Z）形式主义的重新表述，为发展动力系统的简化模型提供了一种方法。几个有前途的模型已经从最佳预测社区中出现，并在分子动力学和湍流中得到应用。在这项工作中，一个新的M-Z为基础的封闭模型，解决了现有方法的一些不足之处。该模型是通过利用两个层次的粗粒化之间的相似性，通过Germano身份的流体力学，并假设记忆效应有一个有限的时间支持。所提议的模型将被称为“动态MZ- $τ$”模型，其吸引力在于，它不含参数，并具有由粗粒化过程的数学所强加的结构形式（而不是建模者所作的现象学假设，如在经典的次网格尺度模型中）。为了提高M-Z模型的适用性，提出了两个程序来计算所得到的模型形式，有助于绕过繁琐的容易出错的代数，已被证明是一个障碍的M-Z为基础的模型的复杂动力系统的建设。虽然新的配方是适用于一般偏微分方程的解决方案，演示的背景下，大涡模拟关闭Burgers方程，衰减均匀湍流，湍流通道流。详细研究了模型的性能和基本假设的有效性。
2017-05-21 physics.flu-dyn
Deep learning for subgrid-scale turbulence modeling in large-eddy simulations of the atmospheric boundary layer
在大涡模拟中，亚网格尺度（SGS）过程被参数化为过滤网格尺度变量的函数。一阶代数SGS模型基于涡粘性假设，这并不总是适用于湍流。在这里，我们应用有监督的深度神经网络（DNN）从一组相邻的粗粒度速度中学习SGS应力，这些粗粒度速度来自摩擦雷诺数Re_τ高达1243的大气边界层的直接数值模拟（DNS），而不调用涡粘性假设。DNN模型被发现产生更高的SGS应力的相关性相比，Smagorinsky模型和Smagorinsky-Bardina混合模型的表面和混合层，可以应用于不同的网格分辨率和各种稳定性条件，从近中性非常不稳定。关于潜在温度和压力的额外信息被发现对于SGS建模没有用。因此，深度学习展示了地球物理湍流LES的巨大潜力。
2019-10-26 physics.ao-ph physics.comp-ph physics.flu-dyn
Large eddy simulation of a muffler with the high-order spectral difference method
采用非结构网格上的高精度谱差分离散与亚网格模拟相结合的方法，对低马赫数、Re = 4.64 × 10 ^4的消声器进行了大涡模拟。亚网格尺度的应力张量是由壁适应的局部涡粘性模型与截止长度，这是一个递减的函数的精度的计划。数值结果表明，虽然高阶解不需要亚网格模型就能很好地捕捉到流动的特征，但与壁面自适应局部涡粘性模型的耦合提高了解的质量。
2013-05-29 math-ph math.MP physics.flu-dyn
Large-Eddy Simulation of Stably Stratified Atmospheric Boundary Layer Turbulence: A Scale-Dependent Dynamic Modeling Approach
发展了一种新的无调谐亚网格模型--局部平均尺度相关动力学（LASDD）模型，并将其应用于稳定边界层的大涡模拟（LES）。新模型动态计算Smagorinsky系数和亚网格尺度普朗特数的基础上解决的速度和温度场的局部动力学。总的来说，LES产生的湍流的统计数据与一些成熟的经验公式和理论预测（例如，Nieuwstadt的局部标度假说）是显著的。结果表明，在表层的大多数传统的亚网格尺度模式的明显改善。此外，与以前的稳定边界层的大涡模拟，有很强的依赖于网格分辨率相比，模拟统计数据与LASDD模型显示相对较小的分辨率依赖于这里考虑的网格尺寸的范围。从本质上讲，我们表明，新的LASDD模型是一个强大的亚网格尺度参数化的可靠，无调谐模拟稳定的边界层，即使相对粗糙的分辨率。
2005-02-24 physics.ao-ph physics.flu-dyn
A recursive neural-network-based subgrid-scale model for large eddy simulation: application to homogeneous isotropic turbulence
本文提出一种递归更新的神经网络SGS模型，利用fLES数据逐级适应更粗滤波和更高雷诺数，并通过双NN架构预测均匀各向同性湍流。
2024-01-03 physics.flu-dyn
Discovery of Sparse Invariant Subgrid-Scale Closures via Dissipation-Controlled Training for Large Eddy Simulation on Anisotropic Grids
University of Colorado Boulder（科罗拉多大学博尔德分校）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出一种稀疏子格尺度闭合框架，利用稀疏回归确定多项式模型形式，通过控制耗散提升数值稳定性，并在理想湍流数据集上训练，评估其在复杂湍流中的泛化能力。
2026-08-27 physics.flu-dyn
Generative AI for subgrid turbulence in large-eddy simulations
针对大涡模拟中亚网格应力参数化的随机性捕捉难题，提出用去噪扩散概率模型从粗粒度速度场重建亚网格应力，性能优于传统模型和已有深度网络，为高雷诺数湍流建模开辟新方向。
2025-10-01 physics.ao-ph physics.flu-dyn
Deep Learning parameterization of subgrid scales in wall-bounded turbulent flows
本文采用一种新的\textit{deep learning}方法来计算壁面湍流大涡模拟中的涡粘性。开发了一种深度神经网络（DNN），该网络使用动态Smagorinsky亚网格尺度模型从为摩擦雷诺数$Re_τ = 395$的通道流生成的数据集学习评估涡流粘度。后来，该DNN被用来预测在$Re_τ = 395$和$590$的通道流的一些网格配置的涡粘性。从基于DNN的LES模型计算的统计数据显示出与直接数值模拟（DNS）的良好匹配。在某些情况下，特别是对于粗网格模拟，基于DNN的模型产生的统计数据比来自动态Smagorinsky模型的统计数据更接近DNS。湍流动能收支项与DNS结果也有较好的吻合。该模型计算涡流粘度比动态Smagorinsky模型快$2-8$倍。这种基于DNN的LES模型也能够以与使用动态Smagorinsky模型和来自先前研究的DNS的LES类似的定性和定量方式密切模拟$Re_τ = 300$处的管道流。这项研究证明了深度学习以经济有效的方式精确地参数化湍流中的亚网格尺度（SGS）的可行性。从更广泛的角度来看，基于深度学习的模型可以成为传统RANS和LES模型的一个有前途的替代方案，用于模拟复杂的湍流。
2019-05-29 physics.comp-ph physics.flu-dyn
Online Learning of a Spectral Eddy Viscosity Closure for Large Eddy Simulation Using Ensemble Kalman Inversion
Union College（联合学院）
本研究采用集合卡尔曼反演在线校准用于二维湍流的谱涡粘性闭合模型，验证了该无导数框架构建多参数数据驱动湍流闭合模型的潜力。
2026-10-09 physics.flu-dyn
Statistical Dynamics and Subgrid Modelling of Turbulence: From Isotropic to Inhomogeneous
本文回顾了湍流统计动力学闭合理论的发展历程，介绍了从各向同性到非均匀场景的多种高效可实现闭合模型，以及适配地球物理流动的亚网格模型，并提及该类理论在多领域的应用拓展。
2024-07-14 physics.flu-dyn
Passive scalar anisotropy in a heated turbulent wake: new observations and implications for LES
实验研究了被动标量各向异性对亚网格物理和大涡模拟模拟的影响。测量横跨一个中等雷诺数尾流产生的加热气缸，使用一个阵列的四个X线和四个冷线探头。通过改变阵列中探针之间的间隔距离，我们获得了三种不同滤波器尺寸下的滤波量和亚网格量。我们计算几个条款，包括次网格耗散张量的动能和标量方差和测试各向同性的行为，作为一个功能的过滤器规模。我们发现，而动能耗散张量趋于各向同性在小尺度上，SGS的标量方差耗散保持各向异性独立的过滤器规模。涡扩散模型预测各向同性的行为，而非线性（或张量涡扩散）模型再现正确的趋势，但高估了标量耗散各向异性的水平。这些结果为所谓的混合模型提供了一些支持，但对所观察到的各向异性的原因提出了新的问题。
2001-06-04 physics.flu-dyn
Influence of Different Subgrid Scale Models in LES of Supersonic Jet Flows
当前的设计约束鼓励了可压缩射流周围的气动声学场的研究。本文对亚网格尺度非定常湍流射流的数值模拟进行了研究，为今后主发动机火箭羽流的气动声学分析奠定了基础。为了再现可压缩射流流场的高保真度结果，开发了一种内部大涡模拟（LES）工具。在本研究中，考虑了完全膨胀的射流，因为作者想强调射流混合现象的影响。大涡模拟公式是用有限差分法编写的，具有显式时间积分和二阶空间离散。能量方程被仔细离散，以模拟过滤的Navier-Stokes公式的能量方程。经典的Smagorinsky模型，动态Smagorinsky模型和Vreman模型是本工作所选择的亚网格尺度闭合。为了验证和比较求解器中每个子网格闭合的性能，对完全膨胀射流进行了数值模拟，并与文献进行了比较。
2023-01-02 physics.flu-dyn
A new subgrid characteristic length for turbulence simulations on anisotropic grids
不可压纳维-斯托克斯方程的直接数值模拟对于大多数实际湍流尚不可行。因此，动态不太复杂的数学公式是必要的粗粒度模拟。在这方面，用于大涡模拟（LES）的涡粘性模型可能是最受欢迎的例子。这种类型的模型需要计算通常与局部网格尺寸相关联的子网格特征长度。对于各向同性网格，这等于网格步长。然而，对于各向异性或非结构化网格，如煎饼状网格，经常被用来解决近壁湍流或剪切层，定义亚网格特征长度尚未达成共识，尽管事实上，它可以强烈影响LES模型的性能。在这种情况下，一个新的定义的亚网格特征长度在这项工作中。这种与流动有关的长度尺度是基于湍流或亚网格应力张量及其在不同网格上的表示。简单性和数学性质表明，它可以是一个强大的定义，最大限度地减少网格各向异性对模拟结果的影响。建议的子网格特征长度的性能成功地测试衰减各向同性湍流和湍流槽道流使用人工细化网格。最后，提出了一个简单的非结构网格的方法的扩展和测试的湍流绕方柱。与现有的亚网格特征长度尺度的比较表明，所提出的定义是更强大的网格各向异性，并有很大的潜力，可用于复杂的几何形状高度歪斜（非结构化）网格。
2017-12-01 physics.flu-dyn
A priori analysis on deep learning of subgrid-scale parameterizations for Kraichnan turbulence
在本研究中，我们研究了不同的数据驱动参数化的大涡模拟的二维湍流在\emph{a priori}设置。这些模型利用粗网格上的流场变量来估计亚网格尺度的应力。我们使用基于本地化学习的数据驱动闭合模型，该模型采用具有点对点映射和相邻模板数据映射的多层前馈人工神经网络（ANN），以及由整个域的数据快照提供的卷积神经网络（CNN）。这些数据驱动的封闭模型的性能通过概率密度函数进行测量，并与动态Smagorinksy模型（DSM）进行比较。使用真实应力和预测应力之间的互相关系数来评估定量性能。我们从训练数据量、输入和输出特征的选择、建模的准确性以及训练和部署计算时间等方面分析了不同的框架。我们还展示了计算增益，可以实现使用智能涡粘性模型，学习涡粘性计算的DSM，而不是亚网格尺度的应力。我们详细介绍了这些模型的超参数优化使用网格搜索算法。
2019-10-16 physics.comp-ph physics.flu-dyn
Ensemble-variational assimilation of statistical data in large eddy simulation
发展了一种非侵入式资料同化方法来改进大涡模拟（LES）的统计预报。整体变分（EnVar）方法的目的是最小化的成本函数，被定义为LES预测和参考统计数据之间的差异，从实验或在本演示中，独立的直接数值模拟（DNS）。应用该方法对Smagorinsky亚网格模型进行了修正，获得了能准确估计槽道湍流统计特性的数据同化大涡模拟（DA-LES）。为了分别控制建模的子网格张量的平均值和波动，以及最终的一阶和二阶流统计，考虑了两种类型的模型校正。第一个优化了Smagorinsky系数的壁面法线轮廓，而第二个在动量方程中引入了可调节的稳定强迫，以独立地作用于平均流。利用这两个要素，资料同化过程可以令人满意地修改亚网格模式，并准确地恢复参考流统计。检索到的子网格模型显着优于更精细的基线模型，如动态和混合模型，在后验测试。本数据同化方法的鲁棒性进行了评估，通过改变雷诺数，并考虑网格分辨率，远离通常的建议。利用随机制定的EnVar，开发的框架还提供了检索模型的不确定性。
2021-09-25 physics.comp-ph physics.flu-dyn
Synchronization and optimization of Large Eddy Simulation using an online Ensemble Kalman Filter
本文提出基于在线集成卡尔曼滤波的数据同化方法，通过融合稀疏DNS数据提升大涡模拟对平面槽道湍流的预测精度，并优化Smagorinsky模型系数，但结构性缺陷仍导致与DNS存在偏差。
2023-10-27 physics.flu-dyn
Investigation of nonlocal data-driven methods for subgrid-scale stress modelling in large eddy simulation
基于卷积神经网络（CNN），一个强大的监督数据驱动的方法，开发了一个非局部亚网格尺度应力（SGS）模型。由于CNN具有广泛的感受野，因此它是在预测中自然考虑非局部空间信息的理想方法。本文所用的基于CNN的模型仅以原始流量变量作为输入，然后自动提取流量特征，而无需任何$priori$指导。在$priori$和$posteriori$试验中，使用$Re_τ=178$的湍流槽道流的直接数值模拟（DNS）数据训练的非局部模型，即使外推到更高的雷诺数$Re_τ=600$，也能提供接近DNS结果的物理合理的流量统计数据（如平均速度和速度波动）。在我们的模型中，后向散射也预测良好，数值模拟是稳定的。在实际的大涡模拟中，非局部模型的性能优于局部数据驱动的模型，如人工神经网络和某些SGS模型，如Smagorinsky模型。该模型也是鲁棒的，因为当检查训练中使用的空间分辨率的一半到两倍的网格分辨率时，可以获得稳定的解决方案。我们还调查了感受野的影响，并建议使用两点相关分析作为一种定量的方法来指导非局部物理模型的设计。为了将机器学习（ML）算法与计算流体动力学（CFD）相结合，提出了一种新的异构ML-CFD框架。本研究为复杂各向异性湍流大涡模拟中的SGS建模提供了有效的数据驱动非局部方法。
2021-09-03 physics.comp-ph physics.flu-dyn
Time-reversibility of Navier-Stokes turbulence and its implication for subgrid scale models
在现有的大涡模拟（LES）的亚网格尺度模式中，有些是时间可逆的，在这个意义上，动力学在空间中的每一点经过$\bm u \rightarrow -\bm u$变换后向后演化。在实践中，可逆次网格模型降低了数值模拟的稳定性，因为次网格尺度的影响不再是严格耗散的。这种缺乏稳定性往往构成了拒绝这类模型的标准。本文的目的是研究时间可逆性是否可以构成一个标准，一个亚网格模型必须满足，或没有。为此，我们通过直接数值模拟研究了当速度在湍流的全部或部分长度尺度上反转时，分辨尺度的动能的时间依赖性。这些结果与现有的LES亚网格模型的结果进行了比较。有人认为，时间可逆性的标准，以评估亚网格模式是不兼容的大涡模拟的主要基本假设。
2011-12-03 physics.flu-dyn
Non-dissipative large-eddy simulation of wall-bounded transcritical turbulent flows
本文针对高压跨临界壁面湍流，采用无耗散大涡模拟框架评估亚格子模型与壁面模型，表明其可较好预测传热和壁面指标，但仍需改进。
2024-10-29 physics.flu-dyn
A coupled approximate deconvolution and dynamic mixed scale model for large-eddy simulation
采用基于van Cittert方法的近似解卷积模型对不可压牛顿流体流动进行了大涡模拟。采用勒让德谱元法对滤波后的纳维-斯托克斯方程进行空间离散。提出了一种新的变体的近似反褶积模型混合的混合尺度模型，使用动态评估的亚网格粘度常数。在雷诺数为12'000时，通过比较大涡模拟和直接数值模拟的结果，验证了该模型的正确性。亚网格模拟的情况下，共存的层流，过渡区和湍流区，如盖驱动的立方腔流是一个具有挑战性的问题。此外，耦合的谱元方法具有非常低的数值耗散和色散，建立了一个非常适合的框架，分析效率的亚网格模型。一阶和二阶统计使用这个新模型得到的直接数值模拟显示出非常好的协议。过滤操作依赖于在模态基础上应用的可逆过滤器，并保持跨元素的C0连续性。为了保持数值稳定性，不需要对动态参数进行裁剪。
2007-09-04 physics.comp-ph physics.flu-dyn
Hidden mechanism of dynamic large-eddy simulation models
本研究揭示动态大涡模拟模型成功的关键在于沿应变率张量主方向最小化Germano恒等式误差，而非所有分量，并在多种湍流中验证了该机制。
2024-07-20 physics.flu-dyn
A rational length scale for large-eddy simulation of turbulence on anisotropic grids
Technical University of Catalonia（加泰罗尼亚理工大学）；Keldysh Institute of Applied Mathematics（凯尔迪什应用数学研究所）
本文提出了一种适用于各向异性网格的大涡模拟子网格长度尺度，通过分析数值离散化与过滤的纠缠，提高了模拟精度并减少了网格各向异性影响。
2025-12-27 physics.comp-ph physics.flu-dyn
Anisotropic Minimum Dissipation Subgrid-Scale Model in Hybrid Aeroacoustic simulations of Human Phonation
本文论述了大涡模拟的三维不可压缩喉流，其次是声学模拟的五个主要英语元音/u，i，\textipa{A}，o，/人的发音。分别在OpenFOAM和内部代码openCFS中进行流动和气动声学模拟。考虑到流动和声学中的各种尺度，模拟分为两个步骤：（1）在2.2M细网格上使用有限体积法计算喉部中的流动，然后（2）在33 k粗声学网格上使用有限元法分别计算声源和到口周围辐射区的波传播。数值结果表明，各向异性最小耗散模型，这是不为人所知，因为它是不是在常见的CFD软件，预测更强的声压水平在高次谐波，特别是在前两个共振峰比壁适应局部涡粘性模型。我们在OpenFOAM中将该模型作为一个新的开放库来实现，并将该模型部署在喉部的湍流上，对模拟元音的质量产生了积极的影响。数值模拟结果与实测共振峰的位置吻合得很好。
2023-01-02 physics.flu-dyn
Large-eddy simulation of the flow in a lid-driven cubical cavity
本文采用谱元法对雷诺数为12000时的带盖驱动方腔内的湍流进行了大涡模拟。两个不同的亚网格尺度模型，即动态Smagorinsky模型和动态混合模型，已被实施和使用的相关的时间尺度的流所需的持久的模拟。所有过滤级别都使用了应用于物理空间（逐元素方法）和谱（模态）空间的显式过滤器。两个亚网格尺度模型进行了验证，并与现有的实验和数值参考结果进行了比较，显示出非常好的协议。在大涡模拟框架下，研究和讨论了在湍流区域内的盖驱动空腔流动的一些特性，如湍流的不均匀性、下游拐角涡附近的湍流产生、小尺度局部化和螺旋特性等。总能量、总湍流动能或螺旋度等量的时间历程表现出不同的演化，但只是在相对较长的瞬态周期之后。然而，平均值仍然非常接近。
2007-09-03 physics.comp-ph physics.flu-dyn
Helicity subgrid-scale models and their numerical validation
University of Tokyo（东京大学）；Nordic Institute for Theoretical Physics (NORDITA), Stockholm University and Royal Institute of Technology (KTH)（北欧理论物理研究所（NORDITA）、斯德哥尔摩大学和皇家理工学院（KTH））；Universidad de Buenos Aires (UBA)（布宜诺斯艾利斯大学）；CONICET-UBA, Instituto de Física Interdisciplinaria y Aplicada (INFINA)（阿根廷国家科学研究委员会-布宜诺斯艾利斯大学交叉与应用物理研究所（INFINA））；CNRS-CONICET-UBA, Institut Franco-Argentin de Dynamique des Fluides pour l’Environnement (IFADyFE)（法国国家科学研究中心-阿根廷国家科学研究委员会-布宜诺斯艾利斯大学法国-阿根廷环境流体动力学研究所（IFADyFE））；National Center for Atmospheric Research (NCAR)（美国国家大气研究中心）；Cooperative Institute for Research in the Atmosphere/NOAA（大气研究合作研究所/美国国家海洋和大气管理局）；École Centrale de Lyon（里昂中央理工学院）
本文通过直接数值模拟验证了旋度子网格模型的有效性，表明在标准Smagorinsky框架中引入旋度效应可改善子网格湍流建模。
2026-03-27 astro-ph.SR physics.flu-dyn
Numerically Consistent Non-Boussinesq Subgrid-scale Stress Model with Enhanced Convergence
Massachusetts Institute of Technology（麻省理工学院）；California Institute of Technology（加州理工学院）
本文提出了一种基于机器学习的非 Boussinesq 亚格尺度应力模型，用于改进大涡模拟中的数值一致性与收敛性。
2026-01-28 physics.comp-ph physics.flu-dyn
Large-Eddy Simulation closures of passive scalar turbulence: a systematic approach
在被动标量输运的背景下，小尺度（“亚网格”）湍流的参数化的问题。我们专注于Kraichnan平流模型本身的封闭问题的分析调查。系统地导出了描述粗粒标量场演化的动力学方程。在$l/r$的最低阶近似下，$l$是定义粗粒标量场的滤波器的特征尺度，$r$是惯性距离分离，我们恢复了小尺度的经典涡扩散率参数化。在下一个领导秩序的动力学封闭。后者优于经典模型，因此是一般湍流中标量输运的亚网格模型的自然候选者。
2003-09-10 nlin.CD physics.ao-ph physics.flu-dyn
Subgrid parameterizations of ocean mesoscale eddies based on Germano decomposition
本研究针对部分解析中尺度涡的中等分辨率海洋模式，基于Germano分解提出符合二维流动物理的三组分次网格模型，相较基准模型能更准确模拟能量与拟涡能谱传输，改善多项海洋统计特征。
2023-04-13 physics.ao-ph physics.flu-dyn
Influence of different subgrid-scale models in low-order LES of supersonic jet flows
本文研究了非定常湍流射流的大涡模拟。特别是，本分析的重点是亚网格尺度建模时使用的二阶空间离散化方法的数值模拟的效果。目前的努力解决完美的扩张超音速射流，因为作者想强调射流混合现象的影响。在广义坐标系中改写方程后，采用有限差分法离散大涡模拟方程。空间和时间的离散化是二阶精度和显式的时间游行。特别注意的是致力于离散化的能量方程，以适当地模拟一组过滤方程中出现的LES制定。经典的Smagorinsky，动态Smagorinsky和Vreman模型是本工作选择的亚网格尺度封闭。将计算结果与文献中的数据进行比较，以验证本模拟工具。结果表明，数值离散的特点，可以作为重要的亚网格尺度模式的影响，这种低阶空间离散方案。在这里考虑的数值背景下，每个子网格封闭的性能进行了详细的分析。
2022-12-23 physics.flu-dyn
