MétaCan
Menu
Retour à la cohorte
Enregistrement W1967813663 · doi:10.1063/1.4862672

Numerical simulations of sink-flow boundary layers over rough surfaces

2014· article· en· W1967813663 sur OpenAlexafffund
Junlin Yuan, Ugo Piomelli

Notice bibliographique

RevuePhysics of Fluids · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensQueen's University
Organismes subventionnairesHydro-Québec
Mots-clésPhysicsTurbulenceReynolds numberMechanicsBoundary layerDirect numerical simulationSurface finishTurbulence kinetic energySurface roughnessScalingBoundary layer thicknessGeometryClassical mechanicsMaterials scienceThermodynamicsMathematics

Résumé

récupéré en direct d'OpenAlex

Turbulent sink flows over smooth or rough walls with sand-grain roughness are studied using large-eddy and direct numerical simulations. Mild and strong levels of acceleration are applied, yielding a wide range of Reynolds number (Reθ = 372 − 2748) and cases close to the reverse-transitional state. Flow acceleration and roughness are shown to exert opposite effects on boundary-layer integral parameters, on the Reynolds stresses, budgets of turbulent kinetic energy, and properties of turbulent structures in the vicinity of the rough surface; statistics exhibit similarity when plotted using inner scaling for cases with the same roughness Reynolds number, k+. Acceleration leads to a decrease of k+, while roughness increases it. For cases with higher k+, the low-speed streaks become destabilized, and turbulent structures near the wall are distributed more uniformly in the wall-parallel plane; they are less extended in the streamwise direction, but more densely packed. Higher k+ also causes decorrelation of the outer-layer hairpin packets with the near-wall structures, probably due to the direct impact of random roughness elements on the hairpin legs. Wall-similarity applies for the fully turbulent cases, in which the outer-layer turbulent statistics are affected by acceleration only. It is shown that being in the hydraulically smooth regime is a necessary condition for reverse-transition, supporting the idea that relaminarization starts from the inner region, where roughness effects dominate.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations66
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysics of FluidsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207