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
Impact of perturbed eddy-viscosity modeling on stability and shape sensitivity of the hydro-turbine vortex rope using linearized Reynolds-averaged Navier-Stokes equations
Technische Universität Berlin(柏林工业大学)
本文研究了扰动涡粘性模型对水轮机涡旋绳稳定性及形状敏感性的影响,发现其对敏感性控制至关重要。
2026-03-04 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
Direct Calculation of the Eddy Viscosity Operator in Turbulent Channel Flow at Re$_τ$=180
本研究针对Re_tau=180的湍流槽道流,用两种宏观强迫策略结合DNS直接计算涡粘性算子,揭示了其各向异性与非局域特性,为壁面湍流动量输运闭合建模提供依据。
2024-11-04 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
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
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
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
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
Large Eddy Simulation of a Premixed Bunsen flame using a modified Thickened-Flame model at two Reynolds number
基于大涡模拟方法的改进的增厚火焰(TF)模型用于研究预混燃烧,并且通过与先导预混化学计量甲烷-空气火焰数据(Chen等人,1996),雷诺数Re = 24,000(火焰F3)和Re= 52,000(火焰F1)。加厚火焰法的基本思想是,火焰前缘被人为地加厚以在计算LES网格上求解,同时保持层流火焰速度()恒定。通过增强分子扩散和减小Arkenius定律的指前因子来实现火焰前缘的人为增厚。由于火焰前缘被人为加厚,加厚火焰对湍流的响应受到影响,并通过在控制方程中引入效率函数(E)来处理。修正TF模型中的效率函数(E)是根据火焰-涡流相互作用的直接数值模拟(DNS)数据集提出的(Colin等人,2000年)。将预测的模拟结果与实验数据和使用基于RANS的概率分布函数(PDF)建模方法(Lindstedt,R. P.和Vaos,E. M.,2006,Transported PDF modeling of high-Reynolds-number premixed turbulent flames,Combustion and Flame,145,495)和基于RANS的G方程方法(Herrmann,M.,2006年)。结果表明,与修改后的TF模型的结果一般是在良好的协议与数据,与TF的预测一贯可比的PDF模型的预测和优于与G-方程的方法的结果。
2021-01-21 physics.flu-dyn
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
Coherent-vorticity Preserving Large-Eddy Simulation of trefoil knotted vortices
受Kleckner和Irvine实验的启发,我们对三叶结形涡进行了相干涡量保持大涡模拟。在本研究中,流动参数空间被扩展,包括在Re = 2000 - 200000范围内的循环雷诺数的变化,其中Re = 20000是在实验中使用的值。用参数方程定义了三叶结对应的涡线,并采用毕奥-萨伐尔定律对速度场进行初始化。的CvP LES计算显示出良好的定性匹配与实验。特别是,涡纠缠过程中准确地表示,以及随后的分离的主涡在两个不同的结构-一个小的和一个大的涡-具有不同的自平流速度,已被量化。小涡旋的传播速度比携带大量涡量的大振荡涡旋快。涡破裂前的平流速度被发现是独立的雷诺数。与较高雷诺数计算相比,低雷诺数计算导致破裂后分离涡速度降低。能谱的计算强调了爆发过程中从大尺度到小尺度的强烈能量传递。体积平均涡度拟能的演化表明,当雷诺数足够大(Re>20000)时,爆发导致在流动中持续很长时间的小尺度的产生。低雷诺数Re = 2000的情况下,阻碍了小尺度的产生,在爆裂过程中,并产生基本上层流动力学。在Re = 200000时,可以观察到由于纠缠过程而引起的背景湍流的开始
2017-12-06 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
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
Consistency requirement of data-driven subgrid-scale modeling in large-eddy simulation
California Institute of Technology(加州理工学院);Brown University(布朗大学)
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 turbulent eddy-viscosity surrogate modeling framework for Reynolds-Averaged Navier-Stokes simulations
用于不可压缩湍流稳态计算的雷诺平均Navier-Stokes(RANS)方程仍然是实际计算流体动力学(CFD)应用的主力。因此,速度或精度的提高有可能影响各种应用。在给定初始条件的情况下,我们引入了一个机器学习框架,用于RANS模拟稳态湍流涡粘性的代理建模。该建模策略被评估用于参数插值,同时数值地求解压力和速度方程以达到稳态,从而表示与机器学习混合的框架。我们实现{竞争}稳态的结果与显着减少的解决方案的时间相比,由Spalart-Allmaras一方程模型。这是因为所提出的方法允许相当大的松弛因子的稳态速度和压力求解器。我们的评估是针对具有相当大的网格各向异性和分离的后向台阶进行的,以代表实际的CFD应用。对于使用\textcolor{black}{either}改变入口速度条件或台阶高度的测试实验,我们看到求解时间减少约5倍。这些结果为快速探索参数空间提供了一个机会,这些参数空间在利用具有多个耦合偏微分方程的湍流闭合模型时被证明是令人望而却步的。\blfootnote{Code available publicly at \texttt{https://github.com/argonne-lcf/TensorFlowFoam}}。
2020-12-03 physics.comp-ph physics.flu-dyn
A posteriori analysis of low-pass spatial filters for approximate deconvolution large eddy simulations of homogeneous incompressible flows
本文的目的是双重的:首先,它研究了低通空间滤波器的近似反卷积大涡模拟(AD-LES)的不可压缩湍流流动的效果。其次,它提出了超微分滤波器作为一种手段,提高精度的AD-LES模型,而不增加计算成本。在AD-LES框架下研究了具有宽参数范围的箱式滤波器、Padé滤波器和微分滤波器。AD-LES模型,结合这些空间滤波器,在三维泰勒-格林涡问题的数值模拟进行了测试。数值结果对直接数值模拟(DNS)的数据进行基准。一个欠分辨的数值模拟也用于比较的目的。四个标准被用来调查的AD-LES模式配备这些空间滤波器:(i)的体积平均拟能的时间序列;(ii)体积平均的三阶结构函数;(iii)的$L^2$ -范数的速度和涡度误差;和(iv)体积平均的速度和涡度相关系数。根据这些标准,数值结果产生以下两个结论:第一,AD-LES模型配备任何这些空间滤波器产生准确的结果在一小部分的DNS的计算成本。其次,最准确的结果是用超差分滤波器,其次是差分滤波器。我们证明,结果高度依赖于过滤过程的选择。虽然仔细的参数选择使得在本研究中使用的每一类滤波器都具有竞争力,但似乎传递函数类似于傅立叶截止滤波器(如超微分滤波器)的滤波器往往表现最佳。
2014-01-23 physics.flu-dyn
Neural network-based closure models for large-eddy simulations with explicit filtering
针对大涡模拟中亚格子神经网络模型先验与后验精度不一致的问题,提出对非线性平流项进行显式滤波以消除训练与测试滤波不一致导致的数据集偏移,并在槽道湍流中验证了该方法的准确性与稳定性。
2024-08-30 physics.comp-ph physics.flu-dyn
Assessment of local isotropy, Kolmogorov constant, and modified eddy viscosity-based modeling for particle-laden turbulent channel flows
基于局部各向同性的假设,并使用将湍流动能的谱分布与湍流耗散率相关联的Kolmogorov常数,已经开发了大量的模型来处理含颗粒的湍流的动力学。许多湍流模型(随机和LES模型)在公式中使用Kolmogorov常数。对不同流动构型的大量实验数据的汇编表明,在高雷诺数的极限下,Kolmogorov常数与雷诺数无关(Sreenivasan,1995)。然而,在低和中等雷诺数,解决实际重要性的流动情况下的几个数值研究认为,Kolmogorov常数保持不变,无论流动是单相或多相。在目前的工作中,我们评估的变化的局部各向同性的流体波动的颗粒负载的颗粒负载的增加,在颗粒负载的湍流槽道流。在低雷诺数湍流的情况下,我们还使用二阶速度结构函数和补偿谱估计Kolmogorov常数。我们的研究表明,Kolmogorov常数在这里研究的雷诺数范围内,随着颗粒体积分数的增加,在通道中心减小。的Kolmogorov常数的估计的变化被用来表示Smagorinsky系数作为一个功能的固体负载在颗粒负载流。然后,采用一种新的建模技术,使用大涡模拟(LES)预测的流体相的统计,而无需求解联立颗粒相方程。这种新的方法也有助于理解湍流强度在临界颗粒体积负荷急剧下降。
2022-10-25 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
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
Shear-Improved Smagorinsky Model for Large-Eddy Simulation of Wall-Bounded Turbulent Flows
基于Toschi等人(2000)关于壁面湍流剪切效应的最新研究结果,引入了剪切改进的Smagorinsky模型。Smagorinsky涡粘性修正减去的瞬时分辨应变率张量的大小的平均剪切的大小。在两种不同雷诺数下,对平面通道流动进行了大涡模拟,并对该亚网格模型进行了检验。与动态Smagorinsky模型和直接数值模拟,包括平均速度,湍流动能和雷诺应力分布的第一个比较,是非常令人满意的。所提出的模型,除了是物理上的声音,具有较低的计算成本,并具有较高的潜力,推广到更复杂的非均匀湍流。
2006-06-01 nlin.CD 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
A Novel Explicit Filter for the Approximate Deconvolution in Large-Eddy Simulation on General Unstructured Grids: A posteriori tests on highly stretched grids
Amirkabir University of Technology (Tehran Polytechnic)(阿米尔卡比尔理工大学(德黑兰理工学院));Sabanci University Nanotechnology Research and Application Center(萨贝里大学纳米技术研究与应用中心)
本文提出一种适用于通用非结构网格的新显式滤波器,通过面平均与递归滤波技术提升大涡模拟的湍流预测精度。
2026-02-24 math-ph math.MP physics.flu-dyn
Large/small eddy simulations: A high-fidelity method for studying high-Reynolds number turbulent flows
针对直接数值模拟计算成本高、低保真大涡模拟依赖假设的问题,提出耦合大涡模拟与嵌入小涡模拟的高保真方法,以远低于全DNS的成本实现DNS级精度,为高雷诺数湍流研究提供新途径。
2024-09-15 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
A mean field dynamo from negative eddy diffusivity
利用直接数值模拟,我们验证了Roberts(1972)的“流IV”表现出由水平平均大尺度磁场主导的发电机作用。用试验场方法计算了湍流磁扩散系数,发现它是负的,并克服了分子扩散系数,从而定量地解释了磁雷诺数大于$\approx8$时的大尺度发电机现象。正如对这种发电机所预期的那样,但与$α$效应发电机相反,两个水平场分量彼此独立地增长,并具有任意的幅度比和相位差。小长度尺度的平均磁场被证明是稳定的湍流磁扩散率成为积极的在较大的波数。振荡衰减或增长的解决方案也被发现在某些波数间隔和足够大的值的磁雷诺数。对于磁雷诺数低于$\approx0.5$的湍流磁扩散率被证实是积极的,预期所有不可压缩流。早期声称的发电机驱动的修改泰勒-格林流通过负涡扩散率不能得到证实。
2013-05-23 astro-ph.SR physics.flu-dyn
A return to eddy viscosity model for epistemic UQ in RANS closures
为了对湍流平均Navier-Stokes闭包进行不确定性量化(UQ),我们引入了一个框架,在该框架中,为了根据湍流的极限状态来确定感兴趣的数量,对各向异性张量的特征值进行了扰动。为了使扰动代表当地的流动特征,我们引入了两个额外的传输方程的线性组合,这些上述特征值。本征值扰动的位置、大小和方向现在由模型输运方程决定。我们的差异模型的一般行为是由两个系数,导致在一个低维的UQ问题。我们将进一步表明,该模型的行为是直观的,植根于平均应变和雷诺应力之间的不对准的物理解释。
2017-05-15 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
Wall-resolved large eddy simulations of a pitching airfoil incurring in deep dynamic stall
Politecnico di Milano(米兰理工大学)
本研究通过壁解析大涡模拟分析了深动态失速pitching翼型的流动演变,与实验数据对比,验证了计算模型跨度与弦长比的重要性。
2025-01-15 physics.flu-dyn
Data-driven subgrid-scale modeling of forced Burgers turbulence using deep learning with generalization to higher Reynolds numbers via transfer learning
发展数据驱动的亚网格尺度(SGS)模式用于大涡模拟(LES)已受到广泛关注。尽管取得了一些成功,特别是在先验(离线)测试中,但已经确定了挑战,包括后验(在线)测试和泛化(即,外推)训练的数据驱动的SGS模型,例如更高的雷诺数。在这里,使用随机强迫Burgers湍流作为测试平台,我们证明了使用适当预处理(增强)数据训练的深度神经网络可以产生稳定和准确的后验LES模型。此外,我们还证明了迁移学习可以准确/稳定地推广到雷诺数高10倍的流动。
2020-12-11 physics.ao-ph 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
Targeted computation of nonlocal closure operators via an adjoint-based macroscopic forcing method
本文提出一种基于伴随的宏观强迫方法(MFM),通过单次模拟高效计算特定位置的涡粘性,揭示了局部近似的局限性。
2023-10-12 physics.flu-dyn
Survey of machine learning wall models for large eddy simulation
本综述在开源代码中实现了三种机器学习壁面模型,在半槽流大涡模拟中对比其外推雷诺数的能力,发现监督模型和强化学习模型均能较好捕捉壁面律,并分析了误差来源,展现了数据驱动方法的前景。
2023-05-22 physics.flu-dyn
Particle-resolved simulations of shock-induced flow through particle clouds at different Reynolds numbers
本文利用粒子分辨大涡模拟的整体平均结果,研究了体积分数为10%时,激波诱导的颗粒层绕流与雷诺数的关系。利用大涡模拟研究这一问题的优点是,它们捕捉到了由颗粒表面无滑移条件引起的强烈的速度剪切和流动分离。激波粒子云相互作用产生反射激波,其强度随粒子雷诺数的减小而增大。这导致进入粒子云的流场发生重要变化。结果表明,平均流速和流量波动幅度之间近似成正比。最大粒子阻力与以前的无粘研究非常一致,我们补充这些结果与统计的时间平均粒子力以及时间振荡的变化。研究结果为进一步发展改进的简化分散流模型提供了基础。
2019-06-19 physics.flu-dyn
Asymptotic limits of the attached eddy model derived from an adiabatic atmosphere
该研究利用62米气象塔210天数据,检验附着涡模型在高雷诺数近中性大气表面层的对数行为,发现排除非平稳性后Townsend-Perry系数收敛至1-1.25,并验证了垂直速度方差常系数及“-1”标度与对数行为的关系。
2024-11-05 physics.ao-ph physics.flu-dyn
Vortex-Stretching based Large Eddy Simulation Framework for Wind Farms
在大型风电场中,风力涡轮机后面的尾流分布导致下游风力机的风速显著降低,从而导致大量的功率损失。因此,对风力机尾流进行有效的预测是非常重要的。因此,我们提出了一个大涡模拟(LES)方法,它采取涡量拉伸模型瞬态风力机尾流。此外,我们提出了一个改进的致动器盘模型,该模型考虑了大气和尾流之间的双向反馈。首先,我们表明,与新模型预测的平均风的垂直廓线有一个很好的协议与实验测量。接下来,我们验证预测的雷诺应力对风洞数据,并表明,分散应力约占40%的雷诺应力。最后,我们表明,所提出的LES方法准确地预测特性的风力机唤醒。比较LES的结果与以前报道的数据,我们发现,新的LES框架准确地预测在近尾流和远尾流区域的流量统计。
2022-05-03 physics.flu-dyn
A model for drift velocity mediated scalar eddy diffusivity in homogeneous turbulent flows
本文针对含漂移速度的均匀湍流中被动标量输运问题,提出一个描述涡扩散率衰减的新模型,并结合欧拉场测量方法与直接数值模拟验证其准确性和理论一致性。
2023-10-25 physics.ao-ph 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
Reynolds number dependence of length scales governing turbulent flow separation with application to wall-modeled large-eddy simulations
本文提出壁面建模大涡模拟中控制湍流分离的长度尺度随雷诺数按 Re^(-2/3) 缩放,网格需求按 Re^(4/3) 缩放,并通过多个算例验证了该缩放的有效性。
2023-12-29 physics.comp-ph physics.flu-dyn
Reynolds Stress Modeling Using Data Driven Machine Learning Algorithms
流体湍流是一个重要的物理和工程问题。湍流建模涉及简化模型的开发,这些简化模型可以作为代表湍流对流动演变影响的替代模型。这些模型对应于一系列不同的相似性,从简单的基于涡流粘度的封闭到雷诺应力模型。到目前为止,数据驱动的湍流建模工作的重点一直集中在机器学习增强涡粘性模型上。在这篇文章中,我们说明了涡粘性框架界定机器学习算法的功效和性能的方式。在此基础上,我们进行了机器学习算法的第一次应用,以开发改进的雷诺应力模型为基础的湍流封闭。不同的机器学习方法进行评估,在湍流,一个长期存在的问题,奇异的重要性的压力应变相关性建模。我们评估了这些算法在学习数据集中的性能,以及它们推广到不同流动情况的能力,其中固有的物理过程可能会有所不同。这探讨了基于ML的数据驱动湍流模型可以克服与传统湍流模型相关的建模限制,并且使用具有不同类别的流的大量数据训练的ML模型可以合理准确地预测具有类似流动物理特性的未知流的流场。
2021-11-13 physics.comp-ph physics.flu-dyn
Large eddy simulation of a low-pressure turbine cascade with turbulent end wall boundary layers
本文通过高阶间断Galerkin隐式大涡模拟与RANS模型对比,研究MTU 161低压涡轮在端壁湍流条件下的二次流与转捩预测问题,发现常用RANS模型在中部转捩和二次流损失预测上存在不足。
2023-05-02 physics.flu-dyn
Large eddy simulation of a low pressure turbine cascade with turbulent end wall boundary layers
我们给出了MTU T161低压涡轮在雷诺数为90,000和马赫数为0.6时隐式大涡模拟的第一批结果,两者均基于等熵出口条件,采用高阶间断Galerkin方法。其目的是验证的数值设置与现有的实验数据。我们讨论了在端壁边界层厚度和自由流湍流强度方面创建真实流入边界条件所采取的步骤。这是通过将雷诺应力和湍流长度尺度的输入分布定制到基于傅立叶级数的合成湍流发生器来实现的。叶片载荷和中跨处的总压损失都与测量结果非常吻合。在对由于进入的边界层和涡轮叶片的相互作用而出现的二次流结构进行简短讨论之后,我们表明,该模拟还能够在整个通道高度上再现叶片后面的损失分布。
2022-12-16 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
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
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
Large-eddy simulation of the lid-driven cubic cavity flow by the spectral element method
本文采用动力学模型,用谱元法(SEM)对有盖驱动的立方空腔流动进行了大涡模拟。两个光谱滤波技术适用于这些模拟已经实施。雷诺数$\text{Re}=12'000$的数值结果与文献中的其他实验结果和DNS结果非常吻合。
2007-09-03 physics.comp-ph physics.flu-dyn
Mixed modeling for large-eddy simulation: The single-layer and two-layer minimum-dissipation-Bardina models
使用大涡模拟预测湍流的行为需要亚网格尺度应力张量的建模。该张量可以使用混合模型来近似,混合模型将功能模型的耗散性质与结构模型近似失衡效应的能力结合起来。我们提出了一个数学基础混合(功能)涡粘度模型与(结构)Bardina模型。通过对涡粘性采用各向异性最小耗散(AMD)模型,得到了(单层)AMD-Bardina模型。为了也获得一个物理符合模型的壁有界的流动,我们进一步发展这个混合模型成一个两层的方法:近壁区域的参数化与AMD-Bardina模型,而外部区域的计算与Bardina模型。单层和双层AMD-Bardina模型在不同雷诺数的湍流槽道流中进行了测试,并得到改进的预测时,混合模型被应用在与AMD和Bardina模型单独的计算相比。两层AMD-Bardina模型得到的结果是特别显着的:一阶和二阶统计都非常好的预测,甚至在通道中心的平均速度的拐点被捕获。因此,一个非常有前途的模型获得的大涡模拟的壁有界湍流在中等和高雷诺数。
2021-01-07 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
Implicit Large Eddy Simulation of Nearly Incompressible Flows with a Discontinuous Galerkin-Boltzmann Formulation
Middle East Technical University(中东技术大学);Virginia Tech(弗吉尼亚理工大学)
本文提出了一种基于不连续伽辽金-玻尔兹曼公式的高阶隐式大涡模拟方法,用于模拟近不可压缩流动,无需显式子格尺度建模,有效捕捉湍流特征。
2026-01-02 physics.flu-dyn
Vertically localised equilibrium solutions in large-eddy simulations of homogeneous shear flow
在无动粘的大涡模拟(LES)中,数值求解了具有弯曲对称性的均匀剪切流的不稳定平衡解。小尺度特性由用于定义涡动粘性的混合长度尺度$l_S$决定,大尺度运动由积分尺度下的平均剪切引起,而积分尺度受展向盒维数$L_z$的限制。分数$ R_S= L_z/l_S$,它起到了雷诺数的作用,被用作数值连续参数。结果表明,随着$R_S$的增加,平衡解出现鞍结分岔,它们类似于具有相同对称性的平面Couette流。涡结构的低和上支的解决方案成为自发本地化的垂直方向。在低$R_S$下,下支解是一个边缘状态,随着$R_S$的增加,下支解呈现薄临界层的形式,正如在高雷诺数下一般剪切流的渐近理论。另一方面,上支解的特征在于具有多尺度多涡结构的高速度条纹。在$R_S$的高端,一个初始的多尺度结构被发现。LES湍流偶尔访问垂直本地化的状态,其涡结构类似于目前的垂直本地化LES平衡。
2017-06-23 physics.flu-dyn
Application of machine learning for forced plume in linearly stratified medium
直接数值模拟(DNS)是非常准确的,然而,计算成本显着增加,随着雷诺数的增加。另一方面,我们有雷诺平均Navier Stokes(RANS)方法来模拟湍流,它需要较少的计算能力。基于RANS方法中的线性涡动粘度模型(LEVM)的湍流模型,使用线性应力-应变率关系对雷诺应力张量进行建模,对于复杂流动\cite{shih1995new}表现不佳。在这项工作中,我们打算研究非线性涡粘性模型(NLEVM)假设的湍流强迫羽流在线性分层环境中的性能,并修改标准的RANS模型系数从机器学习。基于张量基神经网络(TBNN)生成的封闭系数支持一般涡粘性假设,建立了基于TBNN的K- $ε$模型。上述模型用于评估羽流的平均速度分布和达到的最大高度。标准LEVM,NLEVM和实验结果之间的比较表明,一个显着的改善,在最大高度达到,并在平均速度剖面有很好的改善。
2023-01-11 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
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