Direct numerical simulation of turbulent channel flow over porous walls
Notice bibliographique
Résumé
We perform direct numerical simulations (DNS) of a turbulent channel flow over porous walls. In the fluid region the flow is governed by the incompressible Navier–Stokes (NS) equations, while in the porous layers the volume-averaged Navier–Stokes (VANS) equations are used, which are obtained by volume-averaging the microscopic flow field over a small volume that is larger than the typical dimensions of the pores. In this way the porous medium has a continuum description, and can be specified without the need of a detailed knowledge of the pore microstructure by independently assigning permeability and porosity. At the interface between the porous material and the fluid region, momentum-transfer conditions are applied, in which an available coefficient related to the unknown structure of the interface can be used as an error estimate. To set up the numerical problem, the velocity–vorticity formulation of the coupled NS and VANS equations is derived and implemented in a pseudo-spectral DNS solver. Most of the simulations are carried out at $Re_{{\it\tau}}=180$ and consider low-permeability materials; a parameter study is used to describe the role played by permeability, porosity, thickness of the porous material, and the coefficient of the momentum-transfer interface conditions. Among them permeability, even when very small, is shown to play a major role in determining the response of the channel flow to the permeable wall. Turbulence statistics and instantaneous flow fields, in comparative form to the flow over a smooth impermeable wall, are used to understand the main changes introduced by the porous material. A simulation at higher Reynolds number is used to illustrate the main scaling quantities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».