Particle image velocimetry study of turbulent flow over transverse square ribs in an asymmetric diffuser
Notice bibliographique
Résumé
The objective of this paper is to study the combined effects of rib roughness and adverse pressure gradient produced in an asymmetric diffuser on turbulent flows. The two-dimensional asymmetric diffuser was comprised of a straight flat floor and a curved roof. The diffuser section was preceded and followed by straight parallel walls. The complete test conditions were comprised of a reference smooth floor and repeated arrays of transverse square ribs glued onto the floor to produce three pitch-to-height ratios, p∕k=3, 6, and 8. The curved roof was kept smooth in all the experiments. For each of the four test conditions, a particle image velocimetry was used to conduct detailed velocity measurements within the diverging section and also at locations upstream and downstream of the diverging section. From these measurements, the mean streamlines, mean velocities, turbulent intensities, Reynolds shear stress, and production terms in the transport equations for the turbulent kinetic energy and Reynolds stresses were obtained. The results obtained in the diverging section showed that the boundary layers that developed on the ribs thickened considerably at the expense of those adjacent to the roof opposite to the ribs. The streamlines and mean velocity profiles over the ribs showed that adverse pressure gradient increased the roughness sublayer substantially. Adverse pressure gradient and rib roughness also increased the drag and levels of the turbulent intensities, Reynolds shear stress and production terms compared to smooth-wall zero pressure gradient turbulent boundary layer. It appears, however, that adverse pressure gradient enhanced turbulence more effectively than it increased drag.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».