Dynamic modelling of near-surface turbulence in large eddy simulation of wind farms
在风电场大气边界层流动的大涡模拟中，通常采用壁面模型来模拟地表通量，而没有考虑地表粗糙度的空间变异性。在这项研究中，我们考虑近表面模型结合速度梯度张量的平方来模拟湍流产生的自适应耗散。通过Monin-Obhukhov相似性理论将表面粗糙度纳入紧邻地球表面的计算单元。潜在的拟议近地表模型捕捉到大量的雷诺应力在近地表，并能够保持在风电场的对数律剖面。本研究表明，与经典的“近壁模型”相比，所建议的“近地表模型”相对稳健。
2022-04-30 physics.flu-dyn
A Small-Eddy-Dissipation Mechanism for Developing Turbulence Models
Jin（Phys. Fluids，第31卷，2019年，第125102页）提出了一种新的湍流模拟方法，该方法比其他经典湍流模型表现出更好的性能。该模型由计算参考解的小涡耗散混合长度（SED-ML）模型和修正参考解的参数延拓方法组成。本文对该方法的机理进行了更深入的分析，以探索如何建立一个高精度、低计算成本的湍流模型。对雷诺数Re_tau=821和2003的槽道湍流和衰减的均匀各向同性湍流进行了数值模拟，验证了新的湍流模拟方法的有效性。通过分析，提出了发展湍流模型的小涡耗散机制。根据这一机制，模型解是纳维-斯托克斯方程精确解的渐近近似。模型项引入了一种人工耗散，它耗散了小涡流。湍流模拟的目的是在不定性改变统计解的情况下耗散更多的小涡。我们预计在湍流较强的地方可以消散更多的小涡。这种机制不同于RANS近似雷诺应力和LES近似亚网格尺度（SGS）运动，但它更精确地解释了湍流模拟的物理过程。提出了一种修正的混合长度和两个阻尼函数来识别湍流特征长度，从而建立了SED-ML模型。使用线性扩展可以进一步提高模拟精度。数值结果表明，SED-ML模型符合SED机制。这可能解释了为什么新方法比RANS更准确，而它需要比LES更低的计算成本。
2022-01-25 physics.flu-dyn
Realizable Eddy Damped Markovian Anisotropic Closure for Turbulence and Rossby Wave Interactions
本研究提出可实现的EDMAC模型用于二维湍流与Rossby波相互作用研究，兼具EDQNM的计算效率与瞬态波下的可实现性，同时回顾了Herring对湍流统计闭合理论的奠基性贡献并梳理了相关领域发展脉络。
2023-06-12 physics.flu-dyn
Performance of eddy-viscosity turbulence models for predicting swirling pipe-flow: Simulations and laser-Doppler velocimetry
我们使用激光多普勒测速（LDV）实验和雷诺平均Navier-Stokes（RANS）模拟研究的特征流模式下游的一个标准化的顺时针旋流扰动发生器。在量化网格尺寸的影响后，我们评估了各种涡粘性湍流模型在提供合理的近似实验参考方面的潜力。湍流模型的选择反映了当前的行业实践。我们的研究结果表明，从$k$ - $ε$家庭的模型更准确地预测旋流比从$k$ - $ω$家庭的模型。对于充分分辨的网格，可实现的$k$ - $ε$模型提供了最精确的速度幅值近似，尽管它未能捕获由标准$k$ - $ε$模型和RNG $k$ - $ε$模型准确预测的小尺度流动结构。在整篇文章中，我们强调了旋转流RANS湍流模型选择的实际指导。
2015-10-26 physics.flu-dyn
Disentangling inertial waves from eddy turbulence in a forced rotating turbulence experiment
我们提出了一个时空分析的统计平稳旋转湍流实验，旨在提取惯性波的签名，并确定它们可以被检测到的尺度和频率。该分析使用两点空间相关的时间傅立叶变换的速度场的时间分辨立体粒子图像测速测量在旋转框架。我们将湍流的各向异性程度量化为频率和空间尺度的函数。我们表明，这种时空相关的各向异性是很好地描述了线性惯性波在大尺度上的色散关系，而较小的尺度主要是由在较大尺度上的流体运动的波的扫描。这种扫掠效应主要是由于湍流的低频准二维分量，这是我们实验的一个突出特征，波动湍流理论没有考虑到这一点。这些结果的相关性的旋转湍流在实验室实验中，这是相关的大多数地球物理和天体物理流量的适度Rossby数的理论提出了质疑。
2015-04-09 physics.flu-dyn
Connecting implicit and explicit large eddy simulations of two-dimensional turbulence through machine learning
在这篇文章中，我们利用机器学习来动态地确定计算网格上的一个点是否需要隐式数值耗散来进行大涡模拟（LES）。决策制定过程是通过对直接数值模拟（DNS）数据导出的量进行\emph{a priori}训练来学习的。特别是，我们计算通过粗粒化的DNS量获得的涡流粘度，并利用它们的分布进行分类，需要耗散的领域。如果我们的学习确定封闭是必要的，则利用迎风方案来计算非线性雅可比矩阵。相反，如果它是确定的封闭是不必要的，一个对称的和二阶精度的能量和涡度拟能保持Arakawa计划，而不是利用。这将导致一个封闭的框架，排除了任何模型形式的小规模贡献的湍流的规格，但部署了一个适当的数值耗散显式封闭驱动的假设。这种方法部署的Kraichnan湍流测试情况下，并通过各种统计量，如角平均动能谱和涡度结构函数进行评估。因此，我们的框架建立了一个直接的联系之间的使用显式LES思想封闭和基于数值模式的湍流建模，从而提高统计保真度的\emph{a posteriori}模拟。
2019-01-27 physics.flu-dyn
Eddy-Viscous Modeling and the Topology of Extreme Circulation Events in Three-Dimensional Turbulence
我们讨论了特定的速度场配置的作用-瞬子，简称-这是应该占主导地位的极端湍流环流事件的发生过程中的流量。瞬时方程，设计的随机流体动力学设置均匀和各向同性湍流，直接数值模拟结果的解释。我们能够以这种方式来模拟极端环流事件的时间演变的广泛的尺度，通过结合使用涡粘性现象和确切的蠕变瞬子。虽然这种方法对环流瞬子的核心很有效，但它无法描述它们的尾部。为了克服这一困难，我们提出了一种轴对称瞬子方程的数值处理方法。环流瞬子，然后发现有一个令人惊讶的拓扑结构，它包括一个系统的成对的反向旋转涡环围绕对称轴的背景轴对称涡流。
2022-06-29 physics.flu-dyn
A dynamic subgrid-scale modeling framework for large eddy simulation using approximate deconvolution
提出了一种湍流大涡模拟亚网格参数化的动力学建模框架，该框架基于近似反卷积方法，由解出的流动量自适应地计算Smagorinsky常数。我们的数值评估解决Burgers湍流问题表明，所提出的方法可以作为一个可行的工具，以解决湍流封闭问题，由于其灵活性。
2016-04-28 physics.flu-dyn
An improved helical subgrid-scale model and large-eddy simulation methods in helical turbulence
针对螺旋状各向同性湍流，提出了一种改进的两项螺旋亚网格尺度（SGS）模型，并给出了四种用于大涡模拟（LES）的动力学方法，包括标准动力学方法、最小二乘和动力学方法、单螺旋度耗散约束动力学方法和能量和螺旋度耗散双约束动力学方法。在稳态和衰减螺旋各向同性湍流中进行了先验和后验测试，将四种类型的动态螺旋模型和动态Smogorinsky模型与直接数值模拟（DNS）的结果进行了比较。数值结果表明，三种新的动力螺旋模型对能量和螺旋度演化的预测优于标准动力螺旋模型，两种约束螺旋模型对能量和螺旋度耗散率的预测优于其他模型.此外，约束螺旋模型与真实SGS应力具有更高的相关性，并且与DNS结果具有更相似的概率密度函数（PDF）。总的来说，这两个约束螺旋模型显示出一些更有吸引力的功能比其他模型。
2014-08-12 physics.flu-dyn
Triple Hill's Vortex Synthetic Eddy Method
再现真实湍流统计特征的初始或流入合成湍流速度或标量场的生成仍然是一个挑战。先前在大涡模拟的入流条件中介绍的合成涡方法是基于这样的假设，即湍流可被视为相干结构的叠加。本文提出了一种新的合成涡方法，其中基本涡是由三个轴向正交的Hill涡叠加而成。希尔涡的分布是用来合成一个各向异性的湍流速度场，满足不可压缩性条件，并匹配给定的雷诺应力张量。通过从物理参考系到主轴参考系的变换，从已知的雷诺应力分布计算形成基本涡流的三个涡的振幅。通过这种方式，获得了无发散的各向异性湍流速度场，该速度场可以再现给定的雷诺应力张量。该模型进行了测试，各向同性和各向异性的湍流速度场，在网格湍流衰减和湍流槽道流的框架，分别。在考虑的所有测试用例中，发现流入边界附近从人工湍流到真实湍流的过渡很小。
2021-11-26 physics.flu-dyn
Impact of Wind Direction on Flow Over a Realistic Urban Area: A Large-Eddy Simulation Study
本研究通过高分辨率大涡模拟巴塞罗那真实城区，发现风向虽显著影响瞬时流场，但速度和湍流强度的双重平均剖面在不同风向上保持一致，揭示了城市形态对气流与湍流发展的关键影响。
2025-10-13 physics.flu-dyn
LESnets (Large-Eddy Simulation nets): Physics-informed neural operator for large-eddy simulation of turbulence
本文提出 LESnets，将大涡模拟方程作为物理约束嵌入 FNO 和 IFNO 神经算子，无需标签数据即可高效模拟三维湍流，并自动学习亚格子模型系数，精度与传统 LES 及数据驱动模型相当且计算更快。
2025-04-09 physics.flu-dyn
Fourier neural operator for large eddy simulation of compressible Rayleigh-Taylor turbulence
本文首次将Fourier神经算子应用于三维可压缩Rayleigh-Taylor湍流大涡模拟，在多种统计量和瞬时结构预测上优于传统LES方法，并展现出高计算效率和跨Reynolds数泛化能力。
2024-07-02 physics.flu-dyn
Deconvolutional artificial neural network models for large eddy simulation of turbulence
建立了湍流大涡模拟（LES）中亚网格应力场的解卷积人工神经网络（DANN）模型。滤波后的速度在不同的空间点被用作输入特征的DANN模型来重建未经滤波的速度。DANN模型的网格宽度被选择为小于滤波器宽度，以准确地模拟SGS动态的影响。与以往研究中的近似反褶积法（ADM）和速度梯度模型（VGM）相比，DANN模型能更准确地预测SGS应力：DANN模型的相关系数可大于99%，相对误差可小于15%.在后验分析中，对DANN模式、隐式大涡模拟（ILES）、动态Smagorinsky模式（DSM）和动态混合模式（DMM）的综合比较表明：DANN模式在不增加大量计算量的情况下，在速度谱、各种速度统计量和瞬时相干结构的预报方面优于ILES、DSM和DMM模式。此外，训练后的DANN模型在没有任何微调的情况下，可以很好地预测不同滤波器宽度的速度统计。这些结果表明，考虑SGS空间特征的DANN框架是一种很有前途的方法，以开发先进的SGS模式在湍流大涡模拟。
2020-08-27 physics.flu-dyn
Spatio-temporal spectra in the logarithmic layer of wall turbulence: large-eddy simulations and simple models
基于对壁面湍流时空结构的研究，本文利用大涡模拟（LES）数据研究了流向速度分量的波数-频谱特性。LES数据用于测量作为两个壁平行波数和平衡（对数）层中的频率的函数的光谱。然后，我们重新制定一个最简单的模型，能够重现的意见：随机扫描模型与高斯大规模的波动速度和额外的平均流量。与LES数据的比较表明，该模型捕捉到所观察到的时间去相关，这是与多普勒展宽的频率。我们还介绍了整个波数-频谱$E_{11}(k_1,k_2,ω;z)$的参数化，其中$k_1$，$k_2$是流向和展向波数，$ω$是频率，$z$是到壁面的距离.计算结果与大涡模拟数据吻合较好。
2015-03-16 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
Artificial and Eddy Viscosity in Large Eddy Simulation Part 2: Turbulence Models
本文在湍流槽道流动中应用量化人工耗散的方法，发现人工黏性与涡黏性分布相反，并确定了QR和AMD模型的最优系数，强调平衡数值与涡黏性对准确大涡模拟的重要性。
2025-02-28 physics.flu-dyn
Large Eddy Simulation of MILD combustion using PDF based turbulence-chemistry interaction models
本文利用ANSYS FLUENT 13.0软件，采用输运PDF燃烧模型，对Delft-Jet-in-Hot-Chlorlow（DJHC）燃烧器的湍流反应流进行了大涡模拟，模拟了MILD燃烧。本文采用了两种不同的涡粘性模型（动态Smagorinsky模型和动能输运模型）以及两种求解PDF输运方程的方法（欧拉法和拉格朗日法）。此外，还研究了化学动力学和微观混合模型对两种不同燃料射流雷诺数（Re = 4，100和Re = 8，800）的影响。用不同模型计算的平均速度和湍流动能与实验值吻合较好。两种成分PDF模型都预测早期点火，从而导致燃烧器出口处更高的径向平均温度预测。然而，该模型正确地预测了点火核心的形成机制和随着射流雷诺数的增加，实验观察到的提离高度的下降趋势。
2021-01-21 physics.flu-dyn
Semi-analytical eddy-viscosity and backscattering closures for 2D geophysical turbulence
University of Chicago（芝加哥大学）；Union College（联合学院）
提出半解析框架估计二维地球物理湍流大涡模拟中涡粘性和反向散射闭合参数，通过扩展Lilly标度论证得到闭合形式估计，参数与集成卡尔曼反演学习值高度吻合，LES优于动态Leith和Smagorinsky基线。
2026-06-15 physics.flu-dyn physics.geo-ph
On the need for a nonlinear subscale turbulence term in POD models as exemplified for a high Reynolds number flow over an Ahmed body
我们调查了一个层次的涡粘性项POD Galerkin模型占很大一部分的未解决的波动能量。应用这些Galerkin方法对一个被称为Ahmed体的类飞行器钝体的绕流进行了大涡模拟。这种流动对于任何降阶模型都有三个挑战：高雷诺数、具有宽带频率动力学的相干结构和亚稳态非对称基本流状态。Galerkin模型被认为是最准确的模态涡动粘度建议的Rempfer和Fasel（1994）。模型解相对于初始条件、涡动粘度值和模型阶数的鲁棒性仅针对Noack、Morzynski和Tadmor（2011）提出的状态相关涡动粘度实现。只有状态依赖模态涡粘性的POD系统才能解决流动特性的所有挑战。所有的参数都是从Navier-Stokes平衡方程中得到的。我们到达简单的一般性准则的强大和准确的POD模型，可以预期举行的一大类湍流。
2014-02-21 physics.flu-dyn
A framework of the transport model for high-order eddy viscosity tensor in two-dimensional turbulent flow
基于改进Boussinesq假设中的涡粘张量概念，从二阶矩模型出发，通过张量分析，推导出了高阶涡粘张量在2D-3C湍流结构中的输运模型.
2023-02-11 physics.flu-dyn
A PDE-free, neural network-based eddy viscosity model coupled with RANS equations
雷诺平均纳维尔-斯托克斯（RANS）模拟中使用的大多数湍流模型是描述湍流量传输的偏微分方程（PDE）。这些量包括涡流粘度模型中的湍流动能和差应力模型中的雷诺应力张量（或其各向异性）。然而，这些模型在鲁棒性和准确性方面都有局限性。受机器学习在其他科学领域的成功启发，研究人员开发了数据驱动的湍流模型。最近，一种具有嵌入不变性的非局部向量云神经网络被提出，并在模拟层流中被动示踪剂输运中展示了其能力。在此成功的基础上，我们使用非局部神经网络映射模型的传输物理的k-milling模型，并将其耦合到RANS求解器，导致PDE自由涡粘性模型。我们证明了RANS求解器的鲁棒性和稳定性与基于神经网络的湍流模型的参数化几何形状的周期性山丘上的流动。我们的工作作为使用矢量云神经网络作为替代传统的湍流模型在耦合RANS模拟的概念证明。耦合的成功为基于神经网络的雷诺应力输运模型仿真铺平了道路。
2022-02-16 physics.flu-dyn
Large eddy simulations using renormalized viscosity
在本文中，我们使用重整化粘性进行大涡模拟（LES）的衰减均匀和各向同性湍流内的周期立方体粗网格（$32^3$，$64^3$和$128^3$）在初始泰勒雷诺数${\mathrm{Re}_λ \approx 315} $。在$512^3$网格上将大涡模拟结果与直接数值模拟结果进行了比较。在湍流动能${E(t)}$、动能谱${E_{u}(k)}$、动能通量${Π_u(k)}$的时间演化过程中，我们观察到LES和DNS结果之间的良好一致性。对于DNS和LES，在给定时间的速度幅值的等值面是相似的。这建立了使用重整化粘度进行大涡模拟的适用性。
2018-04-24 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
Turbulence and Rossby Wave Dynamics with Realizable Eddy Damped Markovian Anisotropic Closure
本研究针对含大尺度平均流平流、与罗斯贝波相互作用的二维各向异性湍流，构建了计算高效且瞬态波下可实现的EDMAC闭合模型，推导了其可实现性条件并完成数值验证，同时探讨了推广方向。
2024-07-14 physics.flu-dyn
Spontaneous stochasticity amplifies even thermal noise to the largest scales of turbulence in a few eddy turnover times
研究利用理论估计和 shell model 模拟论证，Eulerian 自发随机性能在有限时间内产生可预测的普适统计，并指出仅热噪声即可触发该机制，揭示分子噪声能引发湍流全尺度内禀随机性。
2024-02-17 physics.flu-dyn
Characterization of Coupled Turbulent Wind-wave Flows Based on Large Eddy Simulation
风浪相互作用包括风对波浪表面的作用力和波浪对紊流风结构的作用，它从根本上影响着结构所受的风浪载荷。现有的风浪相互作用模拟研究忽略了风的固有的强干扰性。本研究的目的是描述波浪面上的湍流气流和风驱动下的波浪动力学。发展了一个高保真度的两相流模式来模拟高度湍流的风浪场。代替使用均匀风，在入口边界处使用湍流点方法规定固有风湍流度。通过模拟风浪流场特性与实验数据的比较，验证了模型的有效性。利用验证后的模型，在10^2 m尺度上进行了极端风浪条件下的数值算例研究。结果表明，当考虑固有风激时，合成湍流增强，合成湍流是固有湍流和波激湍流的总和。此外，由于风固有湍流的存在，波浪相干速度和遮蔽效应增强。强烈湍流的区域取决于风速和波相速度之间的相对速度。更高的风速会导致更大的湍流强度，最高可增加17%。风浪相对速度的不同会导致波浪相干速度的正负方向相反。波浪相干速度与风速近似成正比，影响范围主要取决于波高。
2022-06-05 physics.flu-dyn
A hybrid framework integrating physics-informed neural operators with conventional methods for turbulence
Southern University of Science and Technology（南方科技大学）
本文提出LESnets，结合LES方程与F-FNO，无需标注数据预测壁湍流，实现高雷诺数下的高效稳定模拟，性能优于传统LES和数据驱动模型。
2026-10-30 physics.flu-dyn
High-resolution large-eddy simulation of indoor turbulence and its effect on airborne transmission of respiratory pathogens; model validation and infection probability analysis
利用高分辨率大涡模拟（LES）研究了室内空气湍流及其对呼吸道病毒气溶胶扩散和传播风险的影响。该方法适用于评估两种不同的方法，以减少传播风险：一种策略，以增加室内通风能力与便携式空气净化器和一种策略，利用分区利用便携式空间分隔。为了证实LES模型的物理相关性，进行了一组实验气溶胶浓度测量，并将其结果用于验证LES模型的结果。将获得的LES分散结果进行病原体暴露和感染概率分析。将Wells-Riley概率模型扩展到依赖于实际的时间和空间依赖的浓度场，以产生时间和空间依赖的感染概率场。与分析Wells-Riley模型相比，空气净化器的使用导致绝对风险的更大降低，该模型无法预测原始风险水平。然而，这两个模型在相对风险降低方面一致。空间分区策略被证明有一个不希望的效果时，没有其他措施。当与目标空气净化器单元一起使用时，分区方法可以产生积极的结果。基于LES的结果与经典的Wells-Riley模型并列进行了研究，该模型显着低估了感染概率，突出了在评估不同的风险降低策略时采用准确的室内湍流建模的重要性。
2021-10-27 physics.flu-dyn
Perspectives on Machine Learning-augmented Reynolds-averaged and Large Eddy Simulation Models of Turbulence
本文综述了近年来机器学习在增强湍流的雷诺平均Navier-Stokes（RANS）和大涡模拟（LES）模型中的应用。在RANS和LES建模的背景下，讨论了应用监督学习来表示未闭项、模型差异和子滤波器尺度的不同方法。特别强调的是训练过程对ML增强与底层物理模型的一致性的影响。技术，以促进模型一致的训练，并避免直接数值模拟数据的全字段的要求进行了详细说明。接下来讨论了关于特征空间选择的物理和数学考虑，以及对ML模型施加约束。为了发展可推广的ML增强RANS和LES模型，突出的挑战进行了讨论，并提供了前景。虽然ML增强湍流建模的前景是明确的，成功已经在孤立的场景中得到了证明，本文的一个普遍共识是，真正可推广的模型需要模型一致的训练，仔细描述潜在的假设和强加的物理和数学上知情的先验和约束，以解释不可避免的短缺相关的数据预测的兴趣。因此，机器学习应被视为湍流建模工具包中的一个工具。这种建模工作需要多学科的进步，因此本文的目标受众是流体力学社区，以及计算科学和机器学习社区。
2021-01-26 physics.flu-dyn
Elucidating the turbulence nature of the intracardiac flow: from medical images to multi-cycle Large Eddy Simulations
这篇简短的文章伴随着一个流体动力学视频，介绍了一个真实的左心脏流动的大涡模拟结果。从医学图像中提取从肺静脉到主动脉根部的左心几何形状，并通过图像配准重建心脏内的运动。因此，在患者特异性心脏模型中执行大涡模拟，其中规定了几何形状的患者特异性移动。所获得的流动是间歇性的，在左心房和左心室中都显示出与流动减速相关的湍流点。
2013-10-11 physics.flu-dyn physics.med-ph
A spectral-scaling based extension to the attached eddy model of wall-turbulence
二维（2-D）频谱的流向速度分量，在摩擦雷诺数范围从2400到26000测量，用于改进湍流边界层的对数区域的模型。在这里，我们专注于附着涡模型（AEM）。传统的AEM假设边界层中只填充了自相似附壁（$Type\,A$）涡的层次结构。虽然$Type\,A$涡代表了高雷诺数下占主导地位的高能大尺度运动，但观察到不代表这种涡的尺度携带了总动能的很大一部分。因此，在本研究中，我们提出了一个扩展的AEM，其中包括两个额外的代表性涡流。这些涡被命名为$Type\,C_A$和$Type\,SS$，分别代表了自相似但壁面非相干的低雷诺数特征和非自相似壁面相干的超结构。扩展的AEM被证明可以更好地预测更大范围的能量长度尺度，并捕获所有三个速度分量的2-D谱中的低雷诺数和高雷诺数缩放趋势。讨论了谱自相似性和相关的$k^{-1}$标度律。
2020-05-19 physics.flu-dyn
Gradual eddy-wave crossover in superfluid turbulence
本文对绝对零度附近的超流湍流理论进行了修正，提出了一个微分近似的模型，用于描述量子化涡线的集体流体动力学运动和它们各自的不相关运动（Kelvin波）所携带的k空间中的能量通量。该模型预测系统的流体动力学和开尔文波分量的能谱，在有限的尺度范围内，不同的运动制度之间经历了一个平滑的交叉。
2008-07-08 nlin.CD physics.flu-dyn
Identify the diapycnical eddy diffusivities by salt fingers and turbulence with vertical microstructure measurements
根据一个简单的事实，即对于同一参数，不同的公式是相同的，从物理关系式中推导出了双循环涡扩散系数的公式。发现色散比Γ是一个关键参数。当大于某个临界值（约0.2）时，流动为盐指型;否则，流动为湍流。所有的密度比$R_ρ=1/(1-Γ^2)$、涡动通量比$γ=1/(1+Γ)$和涡动扩散率比$R_k=1-Γ$都简单地取决于扩散率比γ r。我们将这些关系应用于热带大西洋西部的测量数据。有效扩散系数为$0.96*10^{-4} m^2/s$，与示踪剂从0.8到$0.9*10^{-4} m^2/s$的观测结果相当一致。
2014-06-23 physics.ao-ph physics.flu-dyn physics.geo-ph
Explicit Filtering in Large Eddy Simulation of Barotropic Turbulence in Spectral Space
研究了谱空间中球面正压湍流大涡模拟中的显式滤波方法，并与隐式滤波方法进行了比较。在这里，一个光滑的过滤器被应用到旋转球上的无辐散正压涡度方程（BVE）的流场分解尺度（RS）和子过滤尺度（SFS）的运动。一部分的SFS运动的理论重建使用近似反卷积模型（ADM）。而未重建部分由亚网格尺度（SGS）运动组成，需要单独建模。为了研究单独的显式滤波的效果，没有使用SGS模型。结果表明，显式滤波准确地跟踪了旋转球上二维湍流中相干结构的演化，而隐式滤波则不能。与隐式滤波相比，显式滤波改善了总动能和总涡度拟能的时间变化以及能谱随波数变化的结果。虽然显式滤波比隐式滤波更昂贵，但它增加了计算的准确性并改善了结果，特别是在相干结构的位置方面，这是气候和天气应用中大气流动LES中特别重要的一个主题。
2014-04-05 physics.flu-dyn
Normality-based analysis of multiscale velocity gradients and energy transfer in direct and large-eddy simulations of isotropic turbulence
California Institute of Technology（加州理工学院）；University of California, Irvine（加州大学尔湾分校）
本研究通过正交性分解分析多尺度速度梯度和能量传输，揭示剪切层在湍流中的作用，并评估不同闭合模型对大涡模拟的影响。
2025-10-24 physics.flu-dyn
Neural Network for Subgrid Turbulence Modeling for Large Eddy Simulations
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
Numerical simulation of Delft-jet-in-hot-coflow (DJHC) flames using the Eddy Dissipation Concept model for turbulence-chemistry interaction
在本文中，我们报告的数值研究结果的湍流天然气燃烧射流在一个同向流的稀薄燃烧产物的Delft-Jet-in-Hot-Plutlow（DJHC）燃烧器，模拟温和（中度和强烈的低氧稀释）燃烧行为。重点是评估的涡耗散概念（EDC）模型的性能，结合两方程湍流模型和化学动力学计划约20种（Correa机制和DRM 19机制）通过比较预测与实验测量。我们研究了两种不同的火焰条件对应于两个不同的氧水平（7.6%和10.9%的质量）在热的同向流，并为两个射流雷诺数（Re=4100和Re=8800）。不同湍流模型预测的平均速度和湍流动能与实测数据吻合较好，模型预测值之间没有明显差异。Realizable k-e模型在雾沫夹带的预测中表现出较好的性能。EDC燃烧模型预测过早点火导致径向平均温度分布在太低的轴向距离处的峰值。然而，该模型正确地预测了实验观察到的上升高度随射流雷诺数的下降趋势。详细分析了EDC模型的平均反应速率，并确定了低湍流雷诺数效应是模型预测与实验之间偏差的可能原因。采用修正的EDC模型常数可以避免过早着火的预测。结果是弱敏感的层流粘性和层流扩散通量的子模型。
2021-01-21 physics.flu-dyn
A continuous data assimilation closure for modeling statistically steady turbulence in large-eddy simulation
本文提出一种基于三维变分数据同化的大涡模拟闭合模型，通过反馈控制将未解析动力学表示为随机过程，以少量参数在粗模拟中准确重建地转湍流的能量谱与纬向速度剖面。
2024-07-01 physics.ao-ph physics.flu-dyn
Fluid turbulence and eddy viscosity in relativistic heavy-ion collisions
本文导出了具有相对论性状态方程的可压缩湍流的涡粘性。可压缩性允许的声音模式，但在剪切模式中的涡粘性被发现是相同的不可压缩流体。对于两个空间维度（这是相对论性重离子碰撞动力学的相关情况），剪切模式中的涡动粘度为负，将有效粘度降低到其微观值以下。这可以解释在RHIC中发现的微小粘度。推测了大型强子对撞机实验上可获得的椭圆流系数的含义。
2007-10-01 hep-ph nucl-ex nucl-th
A total-shear-stress-conserved wall model for large-eddy simulation of high-Reynolds number wall turbulence
本文针对壁模型大涡模拟中的对数层失配问题，提出总剪切应力守恒框架并据此修正SGS涡粘性模型，在高雷诺数下以较低网格分辨率实现了对表面摩擦和低阶湍流统计量的稳健预测。
2024-11-19 physics.flu-dyn
Deep reinforcement learning for large-eddy simulation modeling in wall-bounded turbulence
发展可靠的亚网格尺度（SGS）大涡模拟（LES）模型对许多科学和工程应用具有重要意义。最近，深度学习方法已经为此目的进行了测试，使用高保真数据，例如监督学习过程中的直接数值模拟（DNS）。然而，实际上通常无法获得此类数据。仅使用有限目标统计的深度强化学习（DRL）可以是一种替代算法，其中模型的训练和测试在相同的LES环境中进行。湍流模型的DRL由于其混沌特性、作用空间的高维性和计算量大而具有挑战性。在本研究中，我们提出了一个物理约束的DRL框架，可以开发基于深度神经网络（DNN）的SGS模型用于湍流通道流的LES。产生SGS应力的DRL模型基于滤波速度的局部梯度进行训练。SGS模型自动满足反射不变性和壁面边界条件，无需额外的训练过程，使DRL可以快速找到最优策略。此外，奖励的直接积累，空间和时间相关的探索，以及预训练过程被应用于高效和有效的学习。在各种环境中，我们的DRL可以发现SGS模型，这些模型产生的粘性和雷诺应力统计数据与过滤后的DNS完全一致。通过比较训练模型和传统SGS模型获得的各种统计数据，我们提出了DRL模型性能更好的可能解释。
2022-06-30 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
Revisit eddy viscosity in pressure-driven wall turbulence at high Reynolds number
Northwestern Polytechnical University（西北工业大学）；National Key Laboratory of Aircraft Configuration Design, Key Laboratory for Extreme Mechanics of Aircraft of Ministry of Industry and Information Technology（飞机构型设计全国重点实验室，工业和信息化部飞机极端力学重点实验室）
本文通过DNS数据研究三种典型配置下压力驱动壁湍流的涡粘度分布，提出基于应力的速尺度和外修正函数的涡粘度模型，改进了开放通道流的预测并保持了经典Cess模型的准确性。
2026-04-10 physics.comp-ph physics.flu-dyn
Intrinsic relationship between synchronisation thresholds and Lyapunov vectors: evidence from large eddy simulations and shell models
本文通过大涡模拟和SABRA模型证明主导Lyapunov向量能谱峰值波数与同步阈值耦合波数重合，揭示该关系是某类混沌系统的内在属性，并发现条件Lyapunov指数在间接耦合中同样表征同步过程。
2025-01-26 physics.flu-dyn
Phase transition of the energy flux in the near-inertial wave--mesoscale eddy coupled turbulence
风强迫将能量注入海洋中的中尺度涡旋和近惯性波（NIW），NIW通过吸收中尺度涡旋的能量，然后将NIW能量向前级联，最终在海洋内部耗散，从而解决了中尺度能量收支的难题。本工作基于先前导出的二维模型研究了NIW-准地转平均中尺度涡耦合系统中的湍流能量传输，该模型具有Hamilton结构并继承了Boussinesq方程中的守恒量（Xie \& Vanneste，\textit{J. Fluid Mech.}，第774卷，2015年，第100页）。147- 169）。基于能量守恒、位涡拟能和波动作用，我们提出了一个通过改变NIW与平均流之间的相对强度来预测相变存在的启发式论证。通过改变参数$R$（NIW和平均流强迫的大小之比）进行强迫耗散数值模拟，证明了在临界值$R_c$附近存在二阶相变。当$0<R<R_c$时，能量双向传递，波作用向下尺度传递，涡度形成强气旋。而当$R>R_c$时，能量向下传递，波作用双向传递，涡丝占主导地位。我们发现催化波诱导（CWI）机制，其中NIW诱导的平均流的下尺度的能量通量。CWI机制不同于受激失去平衡的情况下，能量转换从中尺度涡到NIW，它被发现是有效的玩具模式研究，使其潜在的重要海洋能量学。
2020-06-04 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
Synthetic Turbulence, Fractal Interpolation and Large-Eddy Simulation
分形插值作为一种构造封闭模型的有效方法已在文献中提出，用于粗粒度纳维-斯托克斯方程的数值解。它是基于综合产生一个尺度不变的亚网格尺度场，并分析评估其对大分辨率尺度的影响。在本文中，我们提出了一个扩展以前的工作，通过开发一个多仿射分形插值方案，并证明它不仅保持分形维数，但也高阶结构函数和非高斯概率密度函数的速度增量。大气边界层测量的广泛的先验分析进一步表明，这种多仿射闭合模式具有令人满意的性能在大涡模拟的潜力。被动标量的情况下，这种新提出的方法的相关性进行了讨论。
2004-04-05 nlin.CD physics.flu-dyn
Neural stochastic differential equations for particle dispersion in large-eddy simulations of homogeneous isotropic turbulence
本文提出耦合大涡模拟的神经随机微分方程，用神经网络建模颗粒所见流体速度的漂移与扩散项，显著提升不同惯性颗粒脉动动能和速度方差的预测精度。
2022-08-17 physics.flu-dyn
Two-point stress-strain rate correlation structure and non-local eddy viscosity in turbulent flows
通过分析湍流中滤波速度场的Karman-Howarth方程，我们发现滤波应变率和子滤波应力张量之间的两点关联在滤波速度关联函数的演化中起着核心作用。因此，基于两点相关的{ \it统计先验检验}使得能够对湍流模型进行严格的和物理上有意义的研究。使用的数据从直接数值模拟的各向同性和通道流湍流，我们表明，当地的涡粘性模型未能表现出长尾观察到的真正的子过滤器应力-应变率关联函数。通过基于$0<α<1$阶的分数梯度而不是对应于$α=1$的经典梯度来定义涡流粘度模型，可以实现更强的非局部相关性。分析了这种关联函数的分数阶梯度算子的各种订单。它被发现，在各向同性湍流分数阶导数$α\sim 0.5$产生最好的结果，而通道流$α\sim 0.2$产生更好的结果，在流向方向的相关性，甚至进入核心通道区域。在展向方向，槽道流结果显示出明显更多的局部相互作用。整体结果证实了强非局部性的子过滤器应力和分辨率尺度流体变形率之间的相互作用，但在非各向同性流的非平凡的方向依赖性。
2020-06-03 physics.flu-dyn
Data-driven deconvolution for large eddy simulations of Kraichnan turbulence
在这篇文章中，我们演示了使用人工神经网络作为最佳映射，用于粗粒度字段的卷积和反卷积，以考虑次网格尺度湍流效应。我们证明了一个有效的涡粘性预测我们纯粹的数据驱动的大涡模拟框架没有明确利用唯象参数。此外，我们的数据驱动的框架排除了真正的亚网格应力信息的知识，在训练阶段，由于其重点是估计一个有效的过滤器及其逆，使网格解析变量可能与直接数值模拟数据统计。建议的预测框架还结合了统计截断机制，以确保在一个明确的制定数值实现。通过这一点，我们寻求统一的结构和功能的建模策略建模非线性偏微分方程使用减少自由度。先验和后验结果显示为二维衰减湍流的情况下，除了验证和测试的详细描述。超参数敏感性研究也表明，所提出的双网络框架简化了学习的复杂性，是可行的非常简单的网络架构。我们的研究结果表明，所提出的框架近似一个强大的和稳定的子网格封闭，这是有利的Smagorinsky和Leith假设捕捉理论$k^{-3}$缩放Kraichnan湍流。
2018-12-05 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
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
XLES Part I: Introduction to Extended Large Eddy Simulation
直接数值模拟（DNS）主要用于基础湍流研究，但由于当前和未来计算机资源的限制，其适用范围仅限于低湍流强度。标准湍流模型，如RaNS（雷诺平均纳维尔-斯托克斯）和LES（大涡模拟），应用于工程中的流动，但它们忽略了小尺度效应，这通常是重要的，例如，反应流的整个区域，具有明显的普朗特或施密特数效应的流动，甚至壁边界流动。这些标准方法的最近替代方案是一维湍流（ODT）模型，该模型仅限于1D子域。在两篇论文中，我们将提供一种广义的过滤策略，称为XLES（扩展LES），包括形式理论（第一部分）和XLES模型家族中的一种特殊方法，称为ODTLES（第二部分（见Glawe等人（2015）。ODTLES使用ODT子网格模型来描述XLES未表示的所有湍流尺度，这使得更大的尺度在3D中进行模拟。这允许具有主要独立于湍流强度的3D分辨率的湍流建模方法。因此，ODTLES能够计算高度湍流在中等复杂度的区域，包括湍流和扩散尺度的全部范围。XLES DNS的收敛性和非常规XLES平流方法进行了研究，在基本的数值试验。在第二部分中，高度湍流通道和管道流的结果进行了讨论，并显示了XLES和ODTLES的未来潜力。
2015-06-16 physics.flu-dyn
