Modal Decomposition of Turbulent Supersonic Cavity
采用壁面模型大涡模拟(LES)方法研究了马赫数为3、长深比为3的超声速空腔内的自持振荡。通过计算获得的非定常数据被用来研究流场的时空演化,特别是速度张量的第二不变量;而相位平均数据在一个反馈周期内被分析以研究空间结构。这种分析是伴随着适当的正交分解(POD)的数据,它揭示了离散涡沿剪切层的存在。POD分析在展向和流向平面上进行,以提取流动结构中的相干性。最后,对数据序列进行动态模式分解(DMD),以获得动态信息并更深入地了解自维持机制。
2021-01-29 physics.flu-dyn
Coherent structure identification in turbulent channel flow using Latent Dirichlet Allocation
相干结构的识别是描述和模拟壁面湍流产生机制的重要步骤。为此,我们提出了一种聚类方法的基础上潜在的狄利克雷分配(LDA),一个生成的离散数据的集合的概率模型。将该方法应用于中等雷诺数R τ = 590时槽道湍流瞬时雷诺应力的结构识别。LDA根据垂直连接的结构碎片的层次结构计算出一个鲁棒的流动描述,其特征随壁距离而变化,与Townsend(1961)的附壁涡流假设一致。我们表明,该模型可以用于现场重建的复杂性,可以与适当的正交分解(POD)。它还可以用来生成合成字段,其统计数据模仿原始数据库的统计数据。这些发现突出了LDA用于数据分析、压缩和生成的潜力。
2020-10-21 physics.flu-dyn
Stochastic Model of Organizational State Transitions in a Turbulent Pipe Flow
湍流管流表现出组织状态(OS),标记的离散方位波数模式,并让人想起低雷诺数制度的行波解决方案。的离散时间演化的OS,通过立体粒子图像测速,所示的非马尔可夫数据采集进行结构分辨采样率。特别是,适当定义的时间-关联函数的OS过渡观察到有趣的幂律衰减,到一个大涡的时间范围内,超过这一点,他们以更快的速度去相关。我们能够建立,依赖于概率描述的创建和湮灭的流向条纹,一个较低级别的{ \it{Markovian} }模型的OS过渡,再现其时间相关的行为与有意义的准确性。这些研究结果表明,在统计相关的数据包的准流向涡结构沿管道分布的OS。
2023-01-13 physics.flu-dyn
Computation of eigenvalue sensitivity to base flow modifications in a discrete framework: Application to open-loop control
采用全离散方法对湍流可压缩流动进行稳定性分析,其动力学模型采用雷诺平均Navier-Stokes(RANS)方程。离散方程线性化使用有限差分和雅可比矩阵计算使用重复的残差评估。流的稳定性进行评估解决特征值问题。在这个完全离散的框架内定义了灵敏度梯度,它指示被动控制装置可以稳定不稳定特征值的流动区域。二阶有限差分应用于离散残差以计算梯度。特别是,灵敏度梯度被证明是链接到海森的RANS方程。所介绍的形式主义和线性化方法是通用的:用于评估RANS方程的残差的代码可以以黑箱方式使用,并且避免了Hessian的复杂线性化。该方法在雷诺数为860000的湍流和马赫数为0.8的可压缩二维深空泡流场上进行了试验。采用多种湍流模型和数值方法对该方法进行了验证。恢复的流动的物理特征,如基频的自然流以及声学机制,表明该方法的有效性。灵敏度梯度的计算和验证,在预测的特征值变化的误差被发现小于3%。最后给出了采用小型定常控制装置的控制图,指出控制区域应选择在凹腔前缘附近。
2014-01-05 physics.flu-dyn
Dimension Reduced Turbulent Flow Data From Deep Vector Quantizers
分析来自湍流模拟的大规模数据是内存密集型的,需要大量资源。这一重大挑战凸显了对数据压缩技术的需求。在这项研究中,我们应用基于矢量量化的物理深度学习技术,从三维湍流模拟中生成离散的低维数据表示。深度学习框架由卷积层组成,并结合了对流的物理约束,例如保持速度梯度的不可压缩性和全局统计特性。使用统计、基于比较的相似性和基于物理的度量来评估模型的准确性。训练数据集由不可压缩、统计稳定、各向同性湍流的直接数值模拟产生。这种有损数据压缩方案的性能进行评估,不仅与看不见的数据从静止的,各向同性的湍流,但也与衰减的各向同性湍流,泰勒-格林涡流,和湍流通道流的数据。将压缩比(CR)定义为原始数据大小与压缩数据大小之比,结果表明,我们的基于矢量量化的模型可以提供均方误差(MSE)为$O(10^{-3})$的CR $=85$,以及忠实地再现流的统计数据的预测,除了在非常小的尺度上有一些损失。与最近对Glaws的研究相比。et.等人(Physical Review Fluids,5(11):114602,2020),其基于传统的自动编码器(其中在连续空间中执行压缩),我们的模型将CR提高了超过$30$百分比。
2021-05-24 physics.flu-dyn
Spectral adjoint-based assimilation of sparse data in unsteady simulations of turbulent flows
针对URANS湍流模拟的误差问题,提出基于谱伴随的3DVar数据同化框架,通过傅里叶空间定常伴随方法与修正强迫项,在粗网格下利用稀疏数据提升圆柱绕流的平均流场、涡脱频率及低频动力学模拟精度。
2024-05-30 physics.flu-dyn
Conjugate heat transfer in turbulent pipe flow with azimuthally non-uniform heating
Institute of Fluid Mechanics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院流体力学研究所)
本文针对周向非均匀加热湍流管流的共轭传热问题,结合谱分析与高分辨率数值模拟,明确了低普朗特数流体的全局努塞尔数特性及共轭传热对温度场的影响,揭示了湍流普朗特数的各向异性与周向波数相关性。
2026-10-12 physics.flu-dyn
Koopman analysis of the long-term evolution in a turbulent convection cell
通过Koopman特征函数分析,我们分析了封闭的立方湍流Rayleigh-Bénard对流单体中三维流动的长期演化。在这里,采用从机器学习中已知的扩散核导出的数据驱动基来表示在Galerkin近似意义下的酉Koopman群的正则化生成元。由此产生的Koopman特征函数可以根据立方盒中的离散对称性分组为子集。特别是,速度场的投影到第一组本征函数揭示了四个稳定的大尺度环流(LSC)状态的对流单体。我们重新捕获的优先循环辊在对角和短期切换通过辊状态平行的侧面,也已经看到在其他模拟和实验。对角宏观流动状态可以持续长达一千个对流自由落体时间单位。此外,我们发现,特定的Koopman特征函数的第二子集中服从增强振荡波动的LSC的特定稳定的对角状态。相应的速度场结构,如角涡和漩涡中平面,也讨论了通过时空重建。
2018-04-05 physics.flu-dyn
Moth-inspired navigation algorithm in a turbulent odor plume from a pulsating source
一些雌蛾通过发出一系列顺风传播的信息素细丝脉冲来吸引雄蛾。风的湍流性质产生了复杂的流动环境,并导致细丝以具有不同浓度分布的斑块的形式传播。受飞蛾导航能力的启发,我们提出了一种导航策略,使飞行员能够使用单个基于阈值的检测传感器在有风的环境中定位脉动气味源。该策略是基于携带离散气味的湍流的物理特性构建的,并且不涉及学习、记忆、复杂的决策或统计方法。我们建议,在湍流羽流从一个脉动点源,一个瞬间可测量的量被称为“喷烟穿越时间”,提高了成功率相比,基于“内部计数器”,不使用此信息的导航策略。使用计算机模拟飞行器导航在湍流羽流的脉动点源不同的流动参数:湍流强度,羽流蜿蜒和阵风,我们得到的轨迹定性类似于雄蛾飞行的信息素源。我们量化了成功导航的概率以及飞行参数,例如搜索所花费的时间和总飞行时间,相对于不同的湍流强度,蜿蜒或阵风。使用该模型学习的概念可能有助于设计基于气味的小型机载自动驾驶车辆导航。
2018-01-07 physics.bio-ph physics.flu-dyn
Wave-Particle Based Multiscale Modeling and Simulation of Non-equilibrium Turbulent Flows
本文提出一种基于波粒分解的多尺度方法,通过耦合动能、热能与湍流能量演化及粒子非平衡输运,统一模拟层流与湍流,可直接获取雷诺应力,优于传统RANS和LES方法。
2025-03-10 physics.comp-ph physics.flu-dyn
A differentiable software suite for accelerated simulation of turbulent flows
Centrum Wiskunde & Informatica(荷兰数学与计算机科学中心);Eindhoven University of Technology(埃因霍温理工大学)
本文介绍了一个用于求解不可压缩纳维-斯托克斯方程的开源Julia包,支持多线程CPU和GPU计算,具备可微性,可训练神经网络闭合模型,并实现高精度直接数值模拟。
2026-04-20 cs.NA math.NA physics.flu-dyn
Anisotropy in Turbulent Flows and in Turbulent Transport
本文讨论了高雷诺数湍流(和湍流输运)统计理论中的各向异性和非均匀性问题。我们提出了一个新的工具,允许有效的数据分析和系统的理论研究,如分离各向同性的湍流统计波动的各向异性方面的详细描述。利用流体力学方程对所有旋转的不变性,我们展示了如何根据SO(3)对称群的不可约表示来分解(张量)统计对象。对于被动标量场或矢量场的湍流平流的情况,这种分解允许作出严格的陈述:(i)标度指数是通用的,(ii)各向同性标度指数总是领先的,(iii)各向异性标度指数形成一个离散谱,该谱作为各向异性度的函数严格增加。接下来,我们解释如何将SO(3)分解应用于统计Navier-Stokes理论。我们展示了如何提取信息的缩放行为在各向同性部门。这样做是一种系统的方法来评估该部门的标度指数的普遍性,澄清了许多测量的各向异性起源,声称相反。直接数值模拟和实验的系统分析提供了一个强有力的支持的命题,也为非线性问题存在叶的统计理论部门的对称群。指数在每个扇区都是普适的,并且再次严格地作为各向异性度的函数增加。
2004-04-07 cond-mat.stat-mech nlin.CD physics.flu-dyn
Direct Numerical Simulation of Turbulent Heat Transfer Modulation in Micro-Dispersed Channel Flow
本文的目的是研究分散的微米尺寸的颗粒对湍流传热机制的影响,在有壁流动。当前研究的战略目标是建立一种方法来确定和设计新概念传热流体的尺寸,该传热流体的性质由基础流体的性质给出,该基础流体的性质由动态相互作用的、适当选择的、离散的微米和纳米颗粒的存在来调制。我们运行直接数值模拟(DNS)的流体动力学充分发展,热发展的湍流槽道流在剪切雷诺数Re=150和普朗特数Pr=3,我们跟踪两个大群的颗粒,其特征在于不同的惯性和热惯性。两个阶段的速度和温度统计的初步结果表明,相对于单相流,在壁的传热通量增加了约2%时,流动是充满了较小的颗粒,表现出相当持久的稳定性对非均匀分布和近壁浓度。当较大的颗粒分散到流动中时,观察到相反的趋势(轻微的传热通量降低)。这些结果与以前的实验结果是一致的,并在该领域目前的研究活动的框架进行了讨论。还概述了未来的发展。
2008-02-08 physics.comp-ph physics.flu-dyn
Mean-field/PDF numerical approach for polydispersed turbulent two-phase flows
本文的目的是在多分散湍流两相流的数值计算领域的概述,使用平均场/PDF方法。在这种方法中,数值解是通过诉诸一种混合方法,其中的平均流体性质计算通过求解平均场(RANS)方程与一个经典的有限体积程序,而颗粒的局部瞬时性质确定通过求解随机微分方程(SDES)。一般形式主义的基本原理被召回,特别注意的是集中在一个具体的理论问题:离散粒子的动力学的多尺度特性的治疗,即系统的一致性的SDES在渐近的情况下。然后,给出了粒子/网格算法的主线和一些具体的问题,有关的积分的SDES,进行了讨论,例如,有关的问题的特殊性的处理的平均和投影算子,时间积分的SDES(弱数值方案符合所有渐近的情况下),和计算的源项。实际模拟,为三种不同的流量,进行,以证明这两个模型和数值的能力,以应付多分散湍流两相流的严格的特异性。
2010-09-19 math.PR physics.flu-dyn
Numerically stable formulations of convective terms for turbulent compressible flows
本文系统地分析了可压缩纳维-斯托克斯方程的无耗散中心差分近似的离散守恒性质。一般的三重分裂的非线性对流项被认为是,和能量保持配方的充分特点是通过推导出一个两个参数的家庭分裂形式。以前开发的制剂在文献中报道的是这个家庭的特定成员,新的分裂介绍和讨论。此外,能量方程(即总能量和内能,熵)的不同选择所产生的守恒性质进行了深入的分析。它示出,额外的保存量可以通过一个适当的自适应选择的分裂形式内的衍生家庭。本文还讨论了建立高精度激波捕捉方法的基本性质--准素不变量的局部守恒性。在零粘度下对泰勒-格林涡进行的数值试验充分证实了理论结果,并表明仔细选择分裂和能量公式可以提供非常鲁棒和准确的结果。
2018-05-10 physics.comp-ph physics.flu-dyn
A Physics-Informed Vector Quantized Autoencoder for Data Compression of Turbulent Flow
Duke University(杜克大学)
分析来自湍流模拟的大规模数据是内存密集型的,需要大量资源。这一重大挑战凸显了对数据压缩技术的需求。在这项研究中,我们应用基于矢量量化的物理深度学习技术,从三维湍流模拟中生成离散的低维数据表示。深度学习框架由卷积层组成,并结合了对流的物理约束,例如保持速度梯度的不可压缩性和全局统计特性。使用统计、基于比较的相似性和基于物理的度量来评估模型的准确性。训练数据集由不可压缩、统计稳定、各向同性湍流的直接数值模拟产生。这种有损数据压缩方案的性能进行评估,不仅与看不见的数据从静止的,各向同性的湍流,但也与衰减的各向同性湍流的数据,和泰勒-格林涡流。将压缩比(CR)定义为原始数据大小与压缩数据大小之比,结果表明,我们的基于矢量量化的模型可以提供均方误差(MSE)为$O(10^{-3})$的CR $=85$,以及忠实地再现流的统计数据的预测,除了在非常小的尺度上有一些损失。与最近基于传统自动编码器的研究相比,在连续空间中进行压缩,我们的模型将CR提高了$30$ %以上,并将MSE降低了一个数量级。我们的压缩模型是一个有吸引力的解决方案的情况下,需要快速,高质量和低开销的编码和解码的大数据。
2022-01-12 cs.LG physics.flu-dyn
High-order gas-kinetic scheme with parallel computation for direct numerical simulation of turbulent flows
本文研究了高阶气体动力学格式(HGKS)对各向同性可压缩湍流的直接数值模拟(DNS)的性能。由于HGKS的多尺度特性和时空耦合演化过程,它为可压缩湍流的数值模拟提供了一个有效的工具。基于区域分解和消息传递接口(MPI),本文开发了一个适用于大规模计算的并行HGKS程序。从近不可压缩流到超声速流,包括Taylor-Green涡问题、湍流槽道流和各向同性可压缩湍流,通过标准测试验证了并行实现的可扩展性、效率、精度和鲁棒性。对于近不可压湍流,HGKS的性能与高阶有限差分格式相当,包括流动结构的分辨率和计算效率。根据数值解的精度,对该格式在湍流模拟中的数值耗散进行了定量评价。作为一种介观方法,HGKS方法由于其高阶精度而优于格子玻尔兹曼方法(LBM)和离散统一气体动力学方法(DUGKS)。同时,基于动力学方程的HGKS方法在超声速湍流模拟中具有较高的精度和鲁棒性。目前的工作表明,HGKS作为一个强大的DNS工具的能力,从低速到超音速湍流研究,这是很少报告的框架下的有限体积格式。
2020-05-15 physics.comp-ph physics.flu-dyn
Modelling and analysis of turbulent datasets using ARMA processes
我们介绍了一种新的方法来提取信息的湍流数据集应用ARMA统计分析。这种分析远远超出了平均流量和波动的分析,并将记录的时间序列的行为与能够描述数据集中相关结构的随机微分方程的离散版本联系起来。我们引入了一个新的不稳定性参数$Υ$,测量结果分析和Obukhov模型的湍流,最简单的随机模型再现理查森定律和Kolmogorov谱之间的差异。我们测试的方法在冯卡门旋流实验测量的数据集。我们发现,ARMA分析是很好的相关性与空间结构的流量,并可以区分两个不同的流量具有可比的平均速度,通过改变强迫。此外,我们发现,在剪切层涡存在的区域中,不稳定性参数是最高的,从而建立了不稳定性校正和相干结构之间的联系。我们发现,一些显着的特征的分析时,考虑全球而不是当地的可观的保留。最后,我们分析了流动配置与多稳定性的ARMA技术是有效的,在区分不同的稳定分支的系统。
2014-09-16 physics.data-an physics.flu-dyn
Compression, simulation, and synthesis of turbulent flows with tensor trains
Quantum Research Center, Technology Innovation Institute(量子研究中心,技术创新研究所);Institute for Quantum-Inspired and Quantum Optimization, Hamburg University of Technology(量子启发与量子优化研究所,汉堡工业大学)
本文提出利用张量列车方法压缩、模拟和生成具有湍流特征的3D流动快照,展示了其在湍流模拟中的高效性和稳定性。
2026-01-19 physics.comp-ph physics.flu-dyn quant-ph
Discrete exterior calculus (DEC) for the surface Navier-Stokes equation
Institute of Scientific Computing, TU Dresden(德累斯顿工业大学科学计算研究所);Dresden Center for Computational Materials Science (DCMS), TU Dresden(德累斯顿工业大学德累斯顿计算材料科学中心);Center for Systems Biology Dresden (CSBD)(德累斯顿系统生物学中心)
本文提出了一种基于离散外微分算术(DEC)的数值方法,用于求解不可压缩表面纳维-斯托克斯方程,展示了该方法在拓扑、几何和流体性质间的相互作用以及二阶收敛性。
2017-01-18 cs.NA math.DG math.NA