An implicit large-eddy simulation perspective on the flow over periodic hills
周期性丘陵模拟案例是计算流体动力学求解器的一个成熟的基准，因为它的复杂特征来自于从曲面分离出的湍流。我们研究的情况下，与开源隐式大涡模拟（ILES）软件Lethe。Lethe通过应用稳定的连续有限元离散来求解不可压缩的纳维-斯托克斯方程。通过与Re = 5600的文献中的实验和计算数据进行比较，验证了结果。我们研究了时间步长，平均时间，和全球网格细化的效果。ILES方法使用比参考数值解更少的自由度，对平均速度和雷诺应力显示出良好的精度。当使用粗网格时，时间步长对精度有较大影响，而对于细网格，当使用隐式时间步长方法时，结果迅速与时间步长无关。用几种网格得到了很好的再附着点预测，随着网格的细化，该值接近实验基准值。我们还运行模拟雷诺数等于10600和37000，并观察有前途的结果ILES的方法。
2023-03-01 physics.flu-dyn
Cinlar Subgrid Scale Model for Large Eddy Simulation
本文构造了一种新的亚网格尺度应力模型，用于不可压流动的大涡模拟中的小尺度效应。我们使用的协方差张量表示的雷诺应力，并包括克拉克的交叉应力模型。雷诺应力是从Cinlar随机速度场，这是基于在海洋中观察到的涡结构在亚网格尺度上的分析。用OpenFOAM软件计算的槽道湍流验证了模型的有效性。通过DNS数据将其与常用的Smagorinsky和单方程涡动SGS模式进行了比较。
2015-12-31 math.PR physics.flu-dyn
Implementation and verification of the resolved Reynolds stress transport equations in OpenFOAM
Aarhus University（奥胡斯大学）；Kamstrup A/S（卡姆斯特罗普股份有限公司）
本文在OpenFOAM中实现并验证了一个用于计算大涡模拟中解析雷诺应力输运方程全部收支项的函数对象库，通过槽道流和管道流的网格细化研究证明其能准确收敛于DNS数据，为开源CFD社区提供了湍流分析工具。
2025-11-06 physics.flu-dyn
A minimally-dissipative low-Mach number solver for complex reacting flows in OpenFOAM
大涡模拟（LES）已成为模拟复杂反应流的事实上的计算工具，特别是在燃气轮机应用中。然而，易于使用的通用LES代码复杂的几何形状通常是学术或专有/商业性质。本工作的目标是开发和推广一个开源LES工具，低马赫数湍流燃烧使用OpenFOAM框架。特别地，提供了一种适合于非结构化网格制定的同位网格方法。与其他流体动力学模型不同，LES精度与数值离散方案的所谓初级和次级守恒性质错综复杂地联系在一起。这意味着，尽管求解器仅演化质量、动量和能量方程，但隐含的动能（速度平方）离散方程应具有最小耗散。这里，施加特定的空间和时间离散化，使得该动能耗散最小化。该方法被证明使用制造的解决方案的方法，在一个复杂的域相关的燃气轮机应用程序的规则和倾斜的网格，一个典型的流问题，和湍流炭黑火焰。
2017-05-13 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
PythonFOAM: In-situ data analyses with OpenFOAM and Python
我们概述了一个通用的基于Python的数据分析工具OpenFOAM的发展。我们的实现依赖于OpenFOAM应用程序的构造，这些应用程序绑定到Python中的数据分析库。使用NumPy C-API将OpenFOAM中的双精度数据转换为NumPy数组，然后可以使用Python模块进行任意数据分析和流场信息操作。我们强调如何建议的包装器可以用于在Python中实现的原位在线奇异值分解（SVD），并从OpenFOAM求解器PimpleFOAM访问。这里，“原位”是指允许在用于偏微分方程求解器的相同计算资源上并行计算数据分析的编程范例。此外，为了演示数据并行分析，我们部署了一个分布式SVD，它收集分布式仿真的各个行列的快照数据，以计算全局左奇异向量。至关重要的是，OpenFOAM和Python共享相同的消息传递接口（MPI）通信器，允许Python对象和函数跨行列交换NumPy数组。随后，我们提供了缩放评估的英特尔Broadwell和KNL架构的多个节点上的分布式SVD的典型测试情况下，如大涡模拟的一个向后面对的步骤和通道流在摩擦雷诺数为395。最后，我们展示了使用自动编码器压缩流场信息的深度神经网络的部署，以展示在Python生态系统中使用最先进的机器学习工具的能力。
2021-08-12 cs.DC physics.comp-ph physics.flu-dyn
Multi-agent reinforcement learning for wall modeling in LES of flow over periodic hills
California Institute of Technology（加州理工学院）
我们开发了一个壁面模型的大涡模拟（LES），考虑到各种压力梯度的影响，使用多智能体强化学习（MARL）。该模型是使用低雷诺数流动周期性的山丘与代理分布在墙上沿计算网格点。该模型利用壁涡粘度制剂作为边界条件，这是示出提供更好的预测的平均速度场，而不是典型的壁剪切应力制剂。每个代理接收基于离壁位置处的局部瞬时流量的状态，基于估计的壁剪切应力计算奖励，并提供一个动作来更新每个时间步的壁涡流粘度。通过对高雷诺数下周期性地形绕流的壁面模拟大涡模拟（WMLES），验证了模型的有效性。训练模型的分析表明，该模型能够区分存在于流动中的各种压力梯度状态。
2022-11-29 cs.LG physics.comp-ph physics.flu-dyn
Machine-learning-based simulation of turbulent flows over periodic hills using a hybrid U-Net and Fourier neural operator framework
Southern University of Science and Technology（南方科技大学）；Harbin Engineering University Qingdao Innovation and Development Base（哈尔滨工程大学青岛创新发展基地）；National University of Singapore（新加坡国立大学）；Nanchang Hangkong University（南昌航空大学）
本文提出一种基于机器学习的LES框架，利用混合U-Net和傅里叶神经算子（HUFNO）框架快速模拟周期性山丘上的湍流流动，相比传统模型在预测湍流统计、能量谱和分离结构方面更高效且准确。
2026-03-16 physics.flu-dyn
Systematic Study of Accuracy of Wall-Modeled Large Eddy Simulation using Uncertainty Quantification Techniques
通过对槽道湍流的系统模拟，研究了壁面模型大涡模拟的预测精度。研究了壁面模型、网格分辨率和各向异性、数值对流格式和亚网格模式对数值模拟的影响。所有这些因素都会影响结果的准确性，而且它们的作用在很大程度上是相互交织的。壁面模型为壁面应力型，并对壁面模型对速度采样位置的敏感性以及壁面参数的变化规律进行了分析。为了有效地探索模型参数空间（各向异性网格分辨率和壁模型参数值），广义多项式混沌展开被用来构建元模型的响应，这是采取的措施的预测误差的量的兴趣（QoIs）。QOI包括平均壁面剪应力和平均速度、湍流动能和雷诺剪应力的分布。DNS数据用作参考。在测试的框架内，一个特定的二阶精确的CFD代码（OpenFOAM），结果提供了足够的支持网格和方法参数的建议，提出了在本文中，并提供了良好的结果的服务质量。值得注意的是，使用具有各向同性（立方体）六面体单元的网格获得了良好的结果，每个$δ^3$具有$15\, 000$单元，其中$δ$是通道半高（或湍流边界层的厚度）。证明了提供足够的数值耗散以获得准确的QoIs的重要性。所研究的主通道流动情况是${\rm Re}_τ=5200$，但考虑了扩展到宽范围的${\rm Re}$ -数。使用其他数值方法和软件可能会修改这些建议，至少是轻微的，但拟议的框架是完全适用于调查这一点。
2019-03-29 physics.flu-dyn
Large-eddy simulation of separated flows on unconventionally coarse grids
本研究评估了在非传统粗网格上应用大涡模拟（LES）的可行性，通过三个典型算例证明，与RANS相比，LES在RANS质量网格上能提供两倍精度的分离流预测，且成本效益高。
2023-10-13 physics.flu-dyn
Effect of a 2D Hill on the Propagation of Wind Turbine Noise
对风力机噪声传播的良好理解与更好地测量涡轮机对环境的影响有关。在这项研究中，我们开发了数值模拟研究的影响，一个二维的山丘上的声音传播的涡轮机在非平坦的地形。模拟采用的传播模型来自线性化的欧拉方程，解决了在移动帧以下的波前。采用点源法对风力机噪声进行建模。通过大涡模拟得到了大气边界层和风力机尾迹的流动结构。我们发现，风力机尾流作为一个波导，集中向地面的声音传播。这种效应在平坦地形情况下以及当涡轮机放置在山上时最为明显。当风力机放置在山顶上时，声音衰减比在平坦情况下更局部化并且更靠近涡轮机。随着风速的增加，声音聚焦被观察到更接近涡轮机。对于放置在山丘前面的涡轮机，声音传播主要由山丘上的气流决定。这表明，地形地貌可以对风力机噪声传播产生令人惊讶的影响。
2022-07-27 physics.flu-dyn
Influence of the approach boundary layer on the flow over an axisymmetric hill at a moderate Reynolds number
本文用大涡模拟方法模拟了中等雷诺数下三维山丘的绕流。模拟的主要目的是研究各种流入条件（边界层厚度和层流与湍流边界层）对山丘后方气流的影响。在所有模拟中，山后气流的主要特征相似，但观察到各种差异。下壁附近表面上流线（摩擦线）的拓扑结构与规定的入流条件无关，由四个鞍点和四个节点（其中两个是焦点）组成。在所有的模拟中，都可以观察到各种各样的旋涡结构，从山脚下形成的马蹄形旋涡到山脚下形成的训练大发夹形旋涡。在模拟中，在厚层流边界层的情况下，还观察到次级涡结构（即发夹涡）在山丘两侧形成，叠加在马蹄涡的腿上。在山丘下游足够远的地方，在对称平面处，发现平均速度和速度波动的均方根变得与流入条件准无关，而朝向两侧，山丘的影响减小，速度剖面恢复到流入时的主要值。
2017-08-23 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
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
Assessment of the Gradient Jump Penalisation in Large-Eddy Simulations of Turbulence
KTH Royal Institute of Technology（皇家理工学院）
本文评估了梯度跳跃惩罚在大涡模拟中的效果，证明其能在多种湍流算例中有效抑制谱元法单元界面的非物理振荡并平滑流场，同时揭示其高波数耗散增强、低波数耗散不足的机制。
2025-11-11 physics.flu-dyn
Large Eddy Simulations of Turbulent Pipe Flows At Moderate-To-High Reynolds Numbers
本文利用OpenFOAM中的WALE大涡模拟研究高雷诺数湍流管道流动，验证了WALE模型在低计算成本下与DNS高度一致，并给出了保证精度的网格分辨率条件。
2024-04-03 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
High-order projection-based upwind method for implicit large eddy simulation
我们评估的能力，三种不同的方法的基础上高阶间断伽辽金方法来模拟欠分辨湍流。质量守恒混合应力方法作为结构分辨大涡模拟求解器的能力进行了检查。变分多尺度模型无模型或隐式模型方法的比较，通过数值结果。此外，我们提出了一种新的方法，在有壁流动的湍流建模。这种新技术提供了一个更准确的表示在近壁区域的实际亚网格尺度，并给出了有前途的结果高度欠解决的流动问题。在本文中，湍流槽道流和周期性的山丘流问题被认为是我们的模拟基准。
2023-01-04 cs.NA math.NA physics.flu-dyn
Large Eddy Simulation of Combined Wind-wave Loading on Offshore Wind Turbines
针对现有研究分开处理风浪荷载、忽略二者相互作用的问题，本研究基于OpenFOAM开发高保真两相模型模拟风浪场，发现极端工况下风浪耦合会显著放大海上风电机组气动荷载波动，为其规划设计提供参考。
2023-10-05 physics.flu-dyn
Continuous Eddy Simulation (CES): Conceptual approach and applications
针对高雷诺数分离湍流模拟中LES成本高、RANS及混合方法结果不可靠的问题，提出严格数学方法连续涡模拟（CES），通过动态修正湍流模型以响应流动分辨率，实现RANS与LES流态无缝覆盖，成本更低且性能更优。
2024-11-29 physics.flu-dyn
A variational data assimilation approach for sparse velocity reference data in coarse RANS simulations through a corrective forcing term
本文提出一种变分数据同化方法，通过在动量方程中引入无散修正力项，结合离散伴随与梯度优化，利用稀疏速度参考数据高效提升粗网格RANS模拟精度。
2024-04-30 physics.flu-dyn
Minimum-dissipation model and symmetry-preserving discretization for scalar transport in a turbulent flow
本研究将最小耗散模型扩展至标量输运，结合保对称离散化，在OpenFOAM差分加热腔中验证，显著提升高度拉伸网格上流动与传热预测。
2025-02-28 physics.flu-dyn
Deep Structured Neural Networks for Turbulence Closure Modelling
尽管雷诺平均纳维尔-斯托克斯（RANS）模拟的局限性众所周知，但由于计算效率，该方法仍然是预测许多湍流的最广泛使用的工具。机器学习是提高RANS模拟精度的一种很有前途的方法。改进的一个主要方面是使用机器学习模型来表示平均流场梯度和雷诺应力张量之间的复杂关系。在目前的工作中，修改，以提高稳定性以前的最佳涡粘性方法RANS模拟和评估。最佳涡粘性与非负约束，这促进了数值稳定性重新制定。我们表明，新制定的最佳涡流粘度提高了条件的RANS方程的周期性丘陵测试情况。为了证明这种比例/正交张量分解在物理信息数据驱动的湍流闭合中使用的适用性，我们使用两个神经网络（基于这种特定的张量分解结构，该张量分解作为归纳偏差纳入网络设计）来预测雷诺应力张量的新重新制定的线性和非线性部分。将雷诺应力的这些网络模型预测注入RANS模拟中，即使与基于复杂（最先进）物理学的湍流闭合模型相比，也可改善速度场的预测。最后，我们应用SHAP（SHapley加法解释）值来从学习的表示中获得用于从输入特征数据预测最佳涡流粘度的神经网络内部工作的见解。
2022-01-05 physics.flu-dyn
Wall modeling via function enrichment: extension to detached-eddy simulation
Technical University of Munich（慕尼黑工业大学）
本文通过函数增强方法扩展壁模型化至分离涡模拟，利用高阶不连续伽辽金方法在近壁区粗化单元中求解速度分布，提升湍流通道流和周期性山流模拟的精度。
2017-12-22 cs.NA math.NA physics.comp-ph
Wall Modeling of Turbulent Flows with Varying Pressure Gradients Using Multi-Agent Reinforcement Learning
提出一种基于多智能体强化学习的大涡模拟壁面建模框架，通过调整壁面涡黏性以适应不同压力梯度的流动，并在周期性山丘和波音高斯凸起等流场验证中优于平衡壁面模型。
2024-07-26 physics.comp-ph physics.flu-dyn
A features-embedded-learning immersed boundary model for large-eddy simulation of turbulent flows with complex boundaries
提出一种特征嵌入学习浸入边界壁面模型（FEL-IB），利用壁面幂律重构速度、神经网络近似动量通量并结合集合卡尔曼方法训练，有效提升了复杂边界高雷诺数湍流WMLES-IB模拟的预测精度。
2025-06-27 physics.flu-dyn
A new paradigm for wall-modeled large eddy simulations using the volume-filtering framework
本文提出体积过滤壁面模化大涡模拟（VF-WMLES）新框架，无需时间平均或先验压力梯度假设，基于PC-IBM策略实现任意边界耦合，并在湍流通道和周期性山丘案例中准确预测平均速度剖面。
2024-11-18 physics.comp-ph physics.flu-dyn
Sparse data assimilation for under-resolved large-eddy simulations
ETH Zurich（苏黎世联邦理工学院）
本文提出基于变分同化稀疏时间平均速度数据的方法，用于提升LES中湍流流动的模拟精度，优化平均流动、涡旋脱落频率及各向异性雷诺应力。
2025-12-27 physics.comp-ph physics.flu-dyn
Towards direct numerical simulation of turbulent co-current Taylor bubble flow
本文提出了一种湍流并流泰勒泡状流的数值模拟策略。本文是文献[2]中对并流湍流Taylor泡状流的大涡模拟（LES）工作的继续。据观察，主要挑战之一是物理上准确预测泰勒气泡裙的行为，以及相关的气泡脱落。在LES的结果中观察到的泰勒气泡的尾流中的湍流波动的低估。有人认为，这是由于LES网格分辨率不足以准确捕获破碎和气泡形成引起的气泡脱落导致的Taylor气泡空隙损失的过度预测。为了解决这个问题，在目前的工作中，我们提出了一个DNS的方法，并流湍流泰勒气泡流称为RK-Basilisk，Basilisk代码与本地自适应网格细化的基础上。该策略允许在气泡界面附近具有非常高的网格分辨率，而在其他地方允许网格更粗糙。每个时间步，网格是适应的基础上的空隙率标准。Basilisk的底层数据结构基于“八叉树”，与使用更通用的OpenFOAM代码进行的LES模拟相比，它允许更快的求解过程，因此网格点的数量要多得多。我们将结果与相同设置的实验数据以及并行LES OpenFOAM结果进行比较。湍流泰勒气泡流在并流条件下的设置允许低阶湍流模型的开发和更一般的两相建模策略的验证。泰勒泡状流本身也与特定的两相流情况相关。目前的工作有助于提高这种情况下的模拟能力。
2020-10-08 physics.comp-ph physics.flu-dyn
Turbulence Closure in RANS and Flow Inference around a Cylinder using PINNs and Sparse Experimental Data
Brown University（布朗大学）；University of Central Florida（中佛罗里达大学）；Massachusetts Institute of Technology（麻省理工学院）
本文研究了使用PINNs和稀疏实验数据改进RANS模型对圆柱周围流体的预测，通过结合PIV和DNS/LES数据，提出了一种基于数据驱动的湍流闭合方法。
2026-09-01 physics.flu-dyn
Active model split hybrid RANS/LES
复杂流场的可靠预测模拟要求模型的复杂性和鲁棒性超过当前雷诺平均纳维尔-斯托克斯（RANS）模型的能力。高分辨率的大涡模拟（LES）通常可以提供必要的能力，但是，对于许多感兴趣的流动，这种模拟计算量太大，不能常规地进行。原则上，混合RANS/LES（HRL）模型能够通过任意级别的建模和解决湍流过渡，将改善RANS不足和LES费用。然而，除了RANS和LES中已经存在的并发症外，这些HRL方法还导致了许多独特的并发症。这项工作提出了一种建模方法，旨在克服这些挑战。这里提出的方法依赖于分裂成三个不同的组件的湍流模型：两个负责标准的亚网格模型的角色，要么提供未解决的应力或耗散和第三个，通过创建解决湍流减少模型的长度尺度。这种公式使得HRL中的混合函数不必要。此外，分裂模型的方法既减少了简单的涡流粘度为基础的模型的物理近似负担，并提供了方便的灵活性，在模型选择。在分辨率足以支持额外湍流的区域中，在最小的局部分辨运动尺度上产生波动。这种主动强迫驱动系统之间的平衡RANS和网格分辨LES的分辨率和流量的任何组合，而分裂模型配方防止局部中断的总应力。该模型在完全发展的不可压缩通道流[1]和周期性山丘[2]上进行了演示，其中显示出产生准确的结果并避免了常见的HRL缺点，例如模型应力耗尽。
2021-12-08 physics.flu-dyn
Effect of Reynolds number on triboelectric particle charging in turbulent channel flow
Physikalisch-Technische Bundesanstalt（德国联邦物理技术研究院）；Otto von Guericke University Magdeburg（奥托·冯·格里克马格德堡大学）
本研究开发了 triboFoam 模拟工具，揭示了雷诺数对湍流中颗粒电荷充电的影响，并提出了预测充电率的经验公式。
2026-02-11 physics.flu-dyn
A wall model for separated flows: embedded learning to improve a posteriori performance
针对分离流大涡模拟的壁面建模难题，提出包含壁面剪切应力预测和涡黏性计算双子模型的特征嵌入式学习（FEL）壁面模型，在多种分离流条件下展现出良好的后验预测性能。
2024-09-02 physics.flu-dyn
Non-Linear Super-Stencils for Turbulence Model Corrections
针对DNS高计算成本与传统湍流模型局限导致的湍流模拟难题，本文提出非线性超模板（NLSS）方法，通过全连接神经网络学习流场到修正力项的映射以增强RANS模型，在周期性山丘案例验证了其跨几何和雷诺数的泛化准确性。
2025-02-13 physics.comp-ph physics.flu-dyn
High-order gas-kinetic scheme in general curvilinear coordinate for iLES of compressible wall-bounded turbulent flows
本文发展了一种用于可压缩湍流数值模拟的一般曲线坐标系下的高阶气体动力学格式（HGKS-cur）。基于坐标变换，将Bhatnagar-Gross-Krook（BGK）方程从物理空间变换到计算空间。为了处理由离散点给出的一般网格，需要通过逐维拉格朗日插值构造几何度量。在计算域中采用多维加权基本无振荡（WENO）重建，重建变量为单元平均雅可比矩阵和雅可比加权保守变量，以保证空间精度。两阶段的四阶方法，这是发展的时空耦合流动求解器，用于时间离散。无粘和层流的数值算例验证了HGKS-cur的精度和几何守恒定律。作为HGKS-cur的直接应用，本文将其应用于可压缩壁面湍流的隐式大涡模拟（iLES），包括可压缩槽道湍流和可压缩周期性起伏湍流。HGKS-cur的iLES计算结果与文献中的谱方法和高阶有限体积方法的计算结果吻合较好。HGKS-cur的性能表明其作为可压缩壁面湍流和大规模分离流数值模拟的有力工具的能力。
2021-07-19 physics.flu-dyn
RANS Equations with Explicit Data-Driven Reynolds Stress Closure Can Be Ill-Conditioned
湍流闭合模型的雷诺平均Navier-Stokes（RANS）模拟在工业流动模拟中继续发挥重要作用。然而，常用的线性涡粘性模型本质上不能处理非平衡湍流流动。另一方面，雷诺应力模型因缺乏鲁棒性而受到困扰。最近在平面通道流动中的研究发现，即使将直接数值模拟（DNS）数据库中误差小于0.5%的雷诺应力代入RANS方程，也会导致速度误差较大（高达35%）。虽然这样的观测结果可能与传统的雷诺应力模型只有很小的相关性，但对于最近出现的将雷诺应力作为RANS方程中的显式源项的数据驱动模型来说，这是令人不安的，因为它表明具有此类模型的RANS方程可能是病态的。到目前为止，这类模型的条件下，仍然缺乏严格的分析。因此，在这项工作中，我们提出了一个度量的基础上局部条件数函数的先验评估的条件的RANS方程。我们进一步表明，病态不能解释的整体矩阵条件数的离散RANS方程。对不同雷诺数下的槽道湍流以及两种复杂流动进行了全面的数值试验，流过周期性的山丘，并在方形管道中流动。结果表明，所提出的度量可以充分解释以前研究中的观察结果，即，随着雷诺数的增加，模型条件恶化，与显式处理相比，隐式处理雷诺应力的条件更好。该指标可以在数据驱动的湍流模型的未来开发中发挥关键作用，通过将调节作为这些模型的要求来实施。
2019-03-10 physics.flu-dyn
Two-Phase Flow Simulations of Surface Waves in Wind-Forced Conditions
本研究利用扩散界面Cahn-Hilliard Volume-of-Fluid模型结合改进型分离涡模拟方法，开展风强迫下表面波两相流模拟，通过数值风波水槽实验验证了该方法在地球物理相关雷诺数下捕捉海-气界面动力学的有效性。
2022-12-20 physics.ao-ph physics.flu-dyn
A Priori Assessment of Prediction Confidence for Data-Driven Turbulence Modeling
尽管雷诺平均纳维尔-斯托克斯（RANS）方程仍然是工程设计和涉及湍流的分析应用的主要工具，但已知标准RANS模型在许多与工程相关的流动中是不可靠的，包括具有分离、强压力梯度或平均流动曲率的流动。随着大涡模拟（LES）和直接数值模拟（DNS）等方法获得的大量三维实验数据和高精度模拟数据的不断增加，数据驱动的湍流模型已成为提高RANS模拟预测能力的一种很有前途的方法。最近，已经提出了通过机器学习的数据驱动的湍流建模方法，以基于来自密切相关的流的高保真数据来预测给定流的雷诺应力各向异性。在这项工作中，不同的流量的接近程度进行了调查，以评估预测的信心先验。具体而言，Mahalanobis距离和核密度估计（KDE）技术被用作度量，以量化特征空间中的流数据集之间的距离。以Re=10595的周期性山丘上的流动作为测试集，以7种不同构型的流动作为训练集。结果表明，雷诺应力各向异性的预测误差与Mahalanobis距离和KDE距离呈正相关，表明两种外推度量均可用于先验地估计预测置信度。使用相关系数的定量比较表明，Mahalanobis距离在估计预测置信度方面不如KDE距离准确。在这项工作中引入的外推度量和相应的分析提供了一种方法，以帮助选择的数据源，并评估数据驱动的湍流建模的预测置信度。
2017-03-26 physics.comp-ph physics.flu-dyn
