Evidence on the incompatibility of smoothed particle hydrodynamics and eddy viscosity models for large eddy simulations
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；German Aerospace Center（德国航空航天中心）；Helmholtz Institute Ulm for Electrochemical Energy Storage（赫尔霍茨乌尔姆电化学储能研究所）
本文通过粗粒化视角论证了SPH方法与涡粘性模型在大涡模拟中的不兼容性，指出SPH本质上是拉格朗日大涡模拟，但重叠元素导致隐含子滤波应力，影响湍流过渡过程。
2026-01-15 physics.flu-dyn
On sub-grid scale modeling in a differentially heated cavity using coarse large eddy simulation
两个广泛使用的亚网格尺度模型，标准和动态Smagorinsky模型进行了测试，在一个热驱动的三维腔在瑞利数Ra= 1 E9的流动模拟。研究的主要焦点是亚网格尺度模型对粗网格的响应及其预测热驱动三维空腔中流动的能力，网格分辨率低于普遍接受的LES标准。本研究的动机是探讨一个可行的建模策略，为颗粒在有壁侧壁加热空腔流动。由于URANS和混合RANS-LES模型由于层化而无法产生建模能量，替代方案是在粗网格上应用LES。以定量的方式，一阶矩和二阶矩统计量与文献中的参考LES和实验数据库进行了比较。对于一阶矩统计，两种模型都能很好地预测流场。然而，对于更高的时刻，使用相同的网格分辨率的动态模型优于标准Smagorinsky模型。在一个定性的方式，我们报告的温度和速度场的轮廓，以及近壁湍流相干结构。流量的结果是在全球范围内非常好的协议与参考LES和实验测量在一小部分的CPU功率所需的传统LES。
2021-08-05 physics.comp-ph 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
A physics-inspired alternative to spatial filtering for large-eddy simulations of turbulent flows
大涡模拟（LES）是计算高雷诺数湍流的一种常用方法。LES的空间滤波理论并非没有缺点，包括如何定义壁边界流的滤波，非均匀滤波器的换向误差，以及对具有额外复杂性的流（如多相流）的可扩展性。在本文中，大涡模拟的理论是重新想象使用一个粗糙的过程，模仿自然。这种物理启发的方法相当于单相无壁流动的高斯滤波，但即使在这种简单的情况下，也为建模开辟了新的见解。有界和非均匀分辨率可以在这个框架中无条件地处理，没有交换错误，和无发散条件被保留为不可压缩流。介绍了Germano恒等式的一种替代方法，并用于定义一个动态过程，而无需测试过滤器。更复杂的物理学的潜在扩展进行了简要讨论。
2021-10-14 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
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
The role of bulk eddy-viscosity variation on the log-layer mismatch observed in wall-modeled large-eddy simulations
我们研究了体积涡粘度变化对著名的日志层失配问题的作用。平均动量平衡的分析表明，由于体涡粘性，靠近壁面的模拟应力项可以占主导地位。因此，动量平衡方程缺少自由度，并且平均速度符合不正确的轮廓以满足动量平衡。我们表明，分区执行的目标质量流率可以是一个有效的策略，引入一个额外的自由度的平均动量平衡，这导致了显着减少的日志层不匹配。当质量流率被强制分区时，过滤后的速度场达到了它自己的恒定速度标度，支持了在平均区域上方存在人工边界层的假设。我们模拟湍流槽道流动的摩擦雷诺数为2000和5200的粗网格，这将把第一点远离壁以及进入对数层。二阶湍流统计和一维速度谱符合直接数值模拟基准数据时，结果进行归一化的速度尺度提取过滤速度场。此外，当我们分区强制质量流率时，摩擦雷诺数为2000时的表面摩擦系数的误差从$14.1\%$减小到$2.5\%$。
2017-12-21 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
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
Non-Markovian Closure Models for Large Eddy Simulations using the Mori-Zwanzig Formalism
这项工作使用的Mori-Zwanzig（M-Z）形式主义，一个概念起源于非平衡统计力学，作为发展的基础粗粒度模型的湍流。广义朗之万方程（GLE）的力学被认为是从正交动力学方程获得的洞察力作为模型开发的起点。考虑一类子网格模型，其通过有限记忆近似表示非局部行为（Stinis，P.，“Mori-Zwanzig reduced models for不确定性量化I：Parameter uncertainty，”\textit{arXiv:1211.4285}，2012.），其长度使用与解析变量的雅可比矩阵的谱半径相关的试探法来确定。由此产生的模型是密切相关的基本数值分辨率，并能够近似非马尔可夫效应。Burgers方程的数值实验表明，基于M-Z的模型可以准确地预测不同网格分辨率下总动能和总耗散率的时间演化。在相空间中的每一个解决模式的轨迹准确预测的情况下，粗粒化是温和的。均质各向同性湍流和Taylor Green涡的LES表明，基于M-Z的模型能够提供出色的预测，准确地捕获子网格对能量传递的贡献。最后，充分发展的通道流的LES证明了M-Z为基础的模型的非衰减问题的适用性。值得注意的是，闭包的形式不是由建模者强加的，而是从粗粒度的数学推导出来的，突出了基于M-Z的技术定义LES闭包的潜力。
2017-01-23 physics.flu-dyn
Validating the Boltzmann approach to the Large-Eddy simulations of forced homogeneous incompressible turbulence
University of Rome “Tor Vergata”（罗马托尔维加塔大学）；Italian Institute of Technology（意大利理工学院）；Harvard University（哈佛大学）
本文验证了LBM-Smagorinsky LES在强制均匀各向同性湍流中处于流体动力学范围，通过量化Knudsen数确认其行为与传统LES一致。
2026-08-17 physics.flu-dyn
High-Order Implicit Large-Eddy Simulation of Flow over a Marine Propeller
本文首次采用高阶滑动网格方法对螺旋桨绕流进行了高阶涡分辨数值模拟。该方法采用通量重建框架和新的动态曲线迫击炮方法来处理复杂的旋转几何形状。对于广泛的工作条件，根据实验验证可以非常准确地预测负载。该方法的低耗散特性允许捕获的湍流结构的广谱非常长的距离，即使在一个非常粗糙的网格。与以前的低阶模拟的比较也进行了显示本模拟的低耗散的优势。通过详细的负荷分析，确定了主要负荷及其分布、时间和频率尺度。通过对瞬时流场、相平均流场和时间平均流场的可视化，揭示了不同工况下叶尖涡的形成、主要涡的演变和流动不稳定性的发展过程。定量地评估了不同导流罩对螺旋桨总体性能的影响。
2021-06-04 physics.flu-dyn
Data-driven Hi2Lo for Coarse-grid System Thermal Hydraulic Modeling
本研究提出两种数据驱动的高保真到低保真方法，利用高保真数据改善核反应堆粗网格系统热工水力模拟的网格与模型误差，并在高温气冷堆上腔室案例中验证了其潜力。
2022-03-07 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
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
Inserting machine-learned virtual wall velocity for large-eddy simulation of turbulent channel flows
提出了一种基于监督机器学习的壁面模型，用于粗网格壁面分辨大涡模拟（LES）。我们的考虑是对湍流通道流的LES与第一个网格点设置相对远离壁（$\sim$ 10壁单元），同时仍然解决近壁区，提出了一个新的路径，以节省计算成本。利用卷积神经网络（CNN）从壁面附近的$x-z$截面场估计虚拟壁面速度，其训练数据由${\rm Re}_τ=180$的直接数值模拟（DNS）生成。虚拟壁面速度是由近壁面的DNS数据外推得到的。这一思想使我们能够给出一个适当的壁面条件来修正壁面附近的速度梯度。作为先验检验，首先研究了模型从近壁信息的估计能力。由本CNN模型估计的速度场与参考DNS数据在统计上一致。然后将先验测试中训练的模型与LES组合作为后验测试。我们发现，LES可以成功地增强使用本模型在摩擦雷诺数${\rm Re}_τ=180$用于训练和看不见的雷诺数${\rm Re}_τ=360$，即使当第一个网格点位于5壁单元的墙壁。我们还研究了本模型的鲁棒性的选择亚网格规模的模型和迁移学习的可能性在一个局部域。通过本文的观察表明，本模型是一个很有前途的工具，用于恢复的大涡模拟的精度与粗网格附近的壁。
2021-06-17 physics.flu-dyn
Artificial and Eddy Viscosity in Large Eddy Simulation Part 1: Temporal and Spatial Schemes
提出量化大涡模拟人工耗散的新方法，通过TKE方程残差分析，发现人工黏性可产生或耗散TKE，并评估时间与空间格式对精度的影响，保对称格式优于标准OpenFOAM格式。
2025-02-28 physics.flu-dyn
Coupled population balance and large eddy simulation model for polydisperse droplet evolution in a turbulent round jet
采用粒子数平衡模型和大涡模拟（LES）相结合的方法，研究了油滴在湍流射流中的演化过程，并考虑了油滴破碎的影响。在模拟湍流多相射流中的二次破碎时，一个关键的未知数是在喷嘴出口附近的一次破碎区内产生的流入尺寸分布。为了简单起见，通常使用单分散注入流入条件，但这种选择通常是不现实的。为了提供更现实的入口条件LES，我们开发了一个一维（1D）的包裹模型来预测的演变的分散相沿射流中心线由于平流，径向湍流输送和液滴破碎的综合影响，由于湍流的区域更接近的喷嘴，不能使用粗LES解决。用远离喷管的实验数据对模型进行了验证。一维模型也被用来产生一个初始的尺寸分布，用于在一个粗分辨率LES的湍流射流。使用欧拉LES方法对离散化液滴尺寸分布的每个箱的数密度场进行建模，并对每个箱求解标量输运方程。LES的结果进行了比较，发表的实验数据，具有良好的一致性，我们研究的统计数据的速度场和浓度的多分散油滴羽流为两个液滴韦伯数。我们发现，浓度的中心线衰减率为不同的液滴尺寸的修改在破碎为主的区域。与雷诺平均方法不同，LES还允许我们量化由于湍流引起的尺寸分布变化。我们量化的径向和轴向分布和变化的关键量，如索特平均直径，总表面积和液滴破碎的时间尺度，并探讨其敏感性的韦伯数。
2020-11-11 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
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
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
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
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
Lattice eddy simulation of turbulent flows
Kolmogorov（1941）的自相似理论揭示了小尺度涡的普遍性，并为大涡模拟提供了一个通用的亚网格尺度模型。事实上，一个典型的亚网格尺度模型的经验系数在自由湍流中从0.1变化到0.2，并且在接近壁面处逐渐衰减到零。本文发展了一种格点涡模拟方法（LAES），其中唯一的经验系数为常数（Cs=0.08）。LAES假设流体的性质存储在一个典型的CFD网格的节点中，将节点视为网格，并在一个特定的网格上进行分析。具体地说，LAES表达了该晶格上的域导数，并受到附近晶格的影响。紧邻i的格子，命名为i+，与i“碰撞”，对i施加对流效应。i+旁边的格子称为i++，它对i+施加对流效应，并间接影响i。这种影响实际上是湍流扩散。LAES的控制方程类似于纳维-斯托克斯方程，并在各向同性网格上简化为Smagorinsky亚网格模型（Smagorinsky 1963）的滤波Navier-Stokes方程。LAES在非常粗的网格上对Re=180、395和590的湍流槽道流动进行了准确的预测，并且具有恒定Cs的LAES的性能与动态LES模型（Germano等人1991）一样好。因此，这项工作为Kolmogorov的自相似理论提供了有力的证据。
2022-11-23 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
Approximate deconvolution large eddy simulation of a barotropic ocean circulation model
本文提出了一种新的二维湍流地球物理流动大涡模拟闭合模式。这种闭合建模方法利用近似解卷积，其仅基于数学近似，并且不对模型采用额外的现象学参数。新的近似反褶积模型在数值模拟的风驱动的环流在一个浅的洋盆，一个标准的原型更现实的海洋动力学进行了测试。该模式采用正压渦度方程驱动的对称双涡旋风强迫，这产生了一个四涡旋环流的时间平均。近似反褶积模型产生正确的四个环流结构预测的直接数值模拟，在一个粗糙的网格，但在一小部分的计算成本。新模型的数值评估的第一步表明，近似反褶积可以代表一个可行的工具，在更现实的湍流地球物理流的大涡模拟的欠分辨计算。
2011-08-05 physics.ao-ph 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
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
Large Eddy Simulation of Plunging Flows in Laboratory-Scale Bedrock Rivers
University of Texas at El Paso（德克萨斯大学埃尔帕索分校）；Simon Fraser University（西蒙菲莎大学）
研究基岩河流中瀑布流行为，利用涡分辨计算流体动力学模型及大涡模拟，发现不同流量下产生瀑布流的最佳收缩率，高流量时收缩可放大瀑布效应、增加速度方差和脉动频率，强调改进基岩下切模型以超越简化稳态流假设。
2026-07-21 physics.flu-dyn
Large eddy simulation requirements for the Richtmyer-Meshkov Instability
采用大涡模拟（LES）和直接数值模拟（DNS）研究了激波诱导的两种气体在扰动界面处的混合。在模拟中，速度场和组分质量分数的物理耗散经常与数值方法误差引起的数值耗散竞争。在DNS中，计算网格解决了流动的所有物理梯度，并且数值耗散的相对影响很小。在大涡模拟中，存在未解决的尺度，数值耗散对流动有很大的影响，这取决于计算网格。一套模拟探索这两个极端之间的空间，通过研究网格分辨率，雷诺数和数值方法对混合过程的影响。从DNS的结果显示使用两种不同的代码，使用高阶和低阶的数值方法，并显示收敛的时间和光谱相关的量与混合。粗LES的数据也提出，包括网格收敛研究。提出了一种有效粘度模型，该模型允许对LES模型、数值和模拟的物理雷诺数不可知的模拟数据进行后验分析。一个有效的物种扩散率的类似近似。该框架可用于估算未来模拟的有效雷诺数和施密特数，阐明数值耗散对任意数值方法混合过程的影响，并为未来计算的分辨率要求提供指导
2014-03-14 physics.flu-dyn
Conditional diffusion denoising probabilistic model for super-resolution of atmospheric boundary layer large eddy simulation
Texas A & M University（德克萨斯农工大学）
本文提出基于生成AI的条件扩散去噪概率模型，用于从粗分辨率输入中重建高分辨率湍流场，通过高保真数据集训练，验证了在不同尺度因子下模型的超分辨率能力，展示了物理信息生成模型在降低计算成本和提高风能应用可靠性方面的优势。
2026-04-29 physics.flu-dyn
Large-eddy simulations with ClimateMachine: a new open-source code for atmospheric simulations on GPUs and CPUs
我们介绍ClimateMachine，这是一个新的开源大气建模框架，使用Julia语言在中央处理器（CPU）和图形处理器（GPU）上实现性能移植。ClimateMachine使用一个通用的框架，用于粗分辨率的全球模拟和高分辨率的有限区域大涡模拟（LES）。在这里，我们证明了LES配置的大气模型在典型的基准情况下，大气流动，使用节能节点不连续Galerkin（DG）离散的控制方程。与现有的LES代码相比，分辨率的依赖性，守恒特性和缩放度量进行检查。他们展示了ClimateMachine作为有限区域LES流配置的建模工具的实用性。
2021-10-02 physics.ao-ph physics.comp-ph 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
Fluid Dynamics Beyond the Continuum -- A Physical Perspective on Large Eddy Simulation
在这项工作中，我们将提出一个物理上一致的理论推导出的控制方程的大涡模拟（LES）框架的基础上的第一性原理，而不是动机进行计算负担得起的模拟湍流。因此，我们假设一个粗粒流体元素，随后称为超流体元素，可以局部定义包括大量的较小的基本流体元素。然后，类似于非平衡分子动力学（NEMD），其中基本流体元素的输运方程可以从分子的局部集体动力学一致地重构，超流体元素的输运方程可以从基本流体元素的局部集体动力学导出。有趣的是，我们发现：（a）Favre滤波是一种物理一致性条件，（b）为什么Boussinesq假设与涡粘性模型一起通常用于LES，以及（c）LES框架可能不仅仅是计算流体动力学（CFD）的数值湍流模型。
2021-09-09 physics.comp-ph physics.flu-dyn
A Coherent vorticity preserving eddy viscosity correction for Large-Eddy Simulation
本文介绍了一种新的大涡模拟（LES）方法，其中亚网格尺度（SGS）耗散与局部谱展宽的程度成比例地应用，从而在以大尺度和/或层流涡旋运动为主的区域中减轻或停用。建议的相干涡度保持（CvP）LES方法是基于测试过滤的比率的评价解决（或网格过滤）的拟能$σ$。接近1的$σ$值表明子试验过滤器湍流活动较低，证明SGS耗散的局部失活。对于$σ< 1$，SGS耗散的强度逐渐增加，这对应于小尺度光谱增宽。然后，在以$σ\le σ_{eq}$为特征的发展湍流中，SGS耗散被完全激活，其中值$σ_{eq}$是假设柯尔莫哥洛夫谱而导出的。所提出的方法可以适用于任何涡粘性模型，算法简单，计算成本低。Taylor-Green涡破裂的LES表明，CvP方法提高了传统的非动态耗散SGS模型的性能，捕获了过渡期间总湍流动能耗散的峰值。通过采用Germano的动态过程获得了类似的精度，尽管计算开销是其两倍多。一对不稳定的周期性螺旋涡的CvP-LES示出准确地预测实验观察到的增长率，使用粗分辨率。的能力的CvP方法动态排序的连贯性，大规模的运动，从较小的，宽带尺度在过渡期间通过流动可视化证明。可压缩通道的LES进行，并显示出良好的匹配与参考DNS。
2017-12-01 cs.CE physics.flu-dyn
Reconstruction of turbulent flow fields from lidar measurements based on large-eddy simulation
本文利用大涡模拟和四维变分同化算法，从激光雷达观测的时间序列中重建大气边界层中的湍流场。这导致了一个优化问题，其中测量和模拟之间的误差在观察时间范围内最小化。为了利用湍流的空间相干性，我们在目标函数中使用二次正则化，即基于两点协方差矩阵。此外，为了改善条件，并消除连续性约束，该问题被转化为一个Karhunen-Loève基础。对于优化，我们使用拟牛顿有限记忆BFGS算法结合伴随方法的梯度。我们还考虑重建的基础上泰勒的冻结湍流（TFT）模型作为比较点。为了评估的方法，我们构建了一系列的虚拟激光雷达测量从细网格LES的压力驱动的边界层。重建使用LES在一个较粗的网格和较小的域，并将结果与细网格参考。两种激光雷达扫描模式被认为是：一个经典的平面位置指示器模式，它在水平面内扫过激光雷达光束，和一个三维图案，是基于一个Lissajous曲线。我们发现，归一化误差位于15%和25%之间（误差方差由背景方差归一化）的扫描区域，并增加到$100\%$的距离，这是可比的相关长度尺度以外的扫描区域。此外，根据扫描模式和位置，LES的性能优于TFT 30%至70%。
2020-01-10 physics.flu-dyn
Some issues concerning Large-Eddy Simulation of inertial particle dispersion in turbulent bounded flows
研究了壁面湍流大涡模拟（LES）中惯性颗粒弥散的精确欧拉-拉格朗日模型问题。我们运行直接数值模拟（DNS）的湍流槽道流在剪切雷诺数等于150和300和相应的先验和后验LES在不同的粗网格。然后，我们跟踪不同的惯性粒子群，我们研究了过滤和亚网格尺度（SGS）建模的流体相粒子速度和浓度统计的影响。我们还重点讨论了如何通过LES预测颗粒的优先偏析。结果表明，即使是“良好的解析”LES是无法再现的物理表现为DNS，无论是在壁的颗粒积累和颗粒的优先偏析。在这项研究中考虑的颗粒的整个范围内观察到不准确的预测，即使当颗粒的响应时间是远远大于流的时间尺度没有解决LES。先验和后验测试都表明，恢复流体和颗粒速度波动的水平不足以准确预测近壁积聚和局部偏析。这可能表明，重新引入正确数量的高阶矩的速度波动也是一个关键点SGS封闭模型的粒子方程。另一个重要的问题是可能存在的流动雷诺数对颗粒分散的影响。我们的研究结果表明，在小雷诺数湍流和重颗粒的情况下，剪切流体速度是一个合适的尺度参数来量化这些影响。
2008-01-15 physics.flu-dyn
Large-eddy simulation of moderately dense evaporating sprays with particle-informed super-resolution
University of Stuttgart（斯图加特大学）；Institute for Reactive Flows (IRST)（反应流研究所）
本文提出了一种基于粒子感知超分辨率（PISR）的改进方法，用于大涡模拟（LES）中较密集的蒸发喷雾，通过提高流场分辨率来改进蒸发率计算，并在不同条件下验证了其鲁棒性。
2026-08-27 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
Centralized Gradient-Based Reconstruction for Wall Modelled Large Eddy Simulations of Hypersonic Boundary Layer Transition
本研究提出一种鲁棒的中心型基于梯度重构格式，通过特征空间变换实现可压缩流波的选择性处理，经基准算例及高超声速WMLES测试验证，该方法能以更低数值耗散准确捕捉复杂流动。
2024-05-18 physics.flu-dyn
On the All-Speed Roe-type Scheme for Large Eddy Simulation of Homogeneous Decaying Turbulence
作为激波捕获格式的代表，Roe格式在LES中失败了，因为由于数值耗散较大，无法再现重要的湍流特征，例如著名的k-5/3谱律。本文将Roe格式分为五个部分：、和，分别表示基本迎风耗散、压差驱动和速度差驱动的界面通量和压力修正。然后，利用均匀衰减湍流模型研究了各部分对大涡模拟的影响。结果表明，部件、、和对大涡模拟的影响不大。这一点特别重要，因为它是计算稳定性所必需的。大的数值耗散是由于和，并且它们中的每一个都具有比SGS耗散大得多的耗散。基于这些认识，本文提出了一种改进的全速LES-Roe格式，该格式在通常采用的重构方法下，即使在较粗的网格分辨率下也能给出足够好的LES结果。
2015-09-08 physics.comp-ph physics.flu-dyn
On The Implicit Large Eddy Simulation of Turbomachinery Flows Using The Flux Reconstruction Method
本文开发高阶通量重构求解器进行叶轮机械隐式大涡模拟，通过对比黎曼求解器与非线性滤波器，验证了HLLC的稳健性及局部模态滤波器的低耗散优势，并确定了实现低成本气动热模拟的展向网格间距。
2024-07-25 physics.flu-dyn
Wall-Modeled Large-Eddy Simulation of Turbulent Non-Newtonian Power-Law Fluid Flows
Amirkabir University of Technology (Tehran Polytechnic)（阿米尔卡比尔理工大学（德黑兰理工学院））
针对传统壁面应力模型无法预测幂律非牛顿流体剪切变稀减阻的问题，首次提出代数型、积分型和常微分方程型壁面应力模型，评估其性能并探究参数影响，为复杂非平衡问题提供更优建模选择。
2025-11-11 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
Deep Neural Networks for Data-Driven Turbulence Models
在这项工作中，我们提出了一种新的基于数据的方法来模拟湍流大涡模拟（LES）的人工神经网络。我们定义了精确的封闭项，包括离散算子，并从衰减均匀各向同性湍流的直接数值模拟中生成训练数据。我们设计和训练人工神经网络的基础上，本地卷积滤波器来预测潜在的未知的非线性映射，从粗网格数量的封闭项没有先验假设。所有被研究的网络都能够从数据中进行归纳，并学习近似值，内部元素的互相关性高达47%，甚至73%，从而得出结论，当前的训练成功是数据绑定的。我们进一步表明，选择粗网格原始变量以及粗网格LES算子作为输入特征显着提高了训练结果。最后，我们构建了一个稳定的和准确的LES模型从学习的封闭条款。因此，我们将模型预测转化为数据自适应的逐点涡粘性封闭，并表明所得到的LES方案与当前最先进的方法相比表现良好。这项工作代表了进一步研究数据驱动的通用湍流模型的起点。
2018-06-15 cs.CE 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
Wall-modeled large-eddy simulation based on spectral-element discretization
本文在Nek5000中结合代数壁面模型与显式SGS建模，验证SEM可实现高精度、大规模并行的高阶壁面建模大涡模拟。
2024-04-08 cs.NA math.NA 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
Large eddy simulation of ocean mesoscale eddies
本文借鉴三维LES方法，结合显式滤波与动态过程为MOM6构建中尺度涡横向涡量通量闭合，并通过双环流测试揭示其收敛条件与粗分辨率改进。
2025-01-09 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
Multi-scale physics of cryogenic liquid helium-4: Inverse coarse-graining properties of smoothed particle hydrodynamics
本文揭示低温液氦-4经典与量子双流体模型间的尺度变换关系，证明SPH逆尺度变换及Condiff黏度模型可对应SGS描述，并讨论微观涨落类比的推测性质。
2025-06-05 cond-mat.mes-hall cond-mat.other physics.comp-ph
Development of a class of dynamic RANS closures for coarse-grained approaches to turbulence
Department of engineering ”Enzo Ferrari”, University of Modena and Reggio Emilia（摩德纳和雷焦艾米利亚大学恩佐·费拉里工程学院）
本文基于时间滤波Navier-Stokes方程框架，扩展了动态RANS闭合模型，提出新的k-ω动态公式，解决了自由流湍流非物理衰减问题，并通过尺度分辨模拟验证了其对时间粗粒化的鲁棒性及复杂流动现象的捕捉能力。
2026-10-05 physics.flu-dyn
Prediction of turbulent channel flow using Fourier neural operator-based machine-learning strategy
该研究提出隐式U型网络增强傅里叶神经算子IUFNO，在三维湍流槽道流粗网格大涡模拟中，预测精度优于多种传统模型与同类算子模型，且计算速度更快，为壁面湍流快速预测提供新方案。
2024-11-04 physics.flu-dyn
A covariant approach to relativistic large-eddy simulations: The fibration picture
湍流模型需要大范围尺度的分辨率，从大涡旋到与耗散直接相关的小尺度特征。由于所需的分辨率不在大规模数值模拟的范围内，标准策略涉及通过时间平均或空间滤波来平滑流体动力学。这些策略在广义相对论中提出了形式上的问题，在广义相对论中，空间和时间的分裂取决于观察者。为了取得进展，我们开发了一个新的协变框架过滤/平均的基础上与流体元素和费米坐标的使用，以方便有意义的本地分析的时空纤维化。我们推导出解决的运动方程，演示如何“有效”耗散项出现，因为粗粒化，并特别注意解决量的物理解释。最后，作为平滑的流体动力学不可避免地导致一个封闭的问题，我们提出了一个新的封闭方案的灵感来自最近的进展，在建模耗散相对论性流体，至关重要的是，证明了线性稳定性的建议模型。
2021-10-27 astro-ph.HE gr-qc physics.flu-dyn
