Prediction of Turbulent Flow Over a Flat Plate With a Step Change From a Smooth to a Rough Surface Using a Near-Wall RANS Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The present paper reports a numerical study of fully developed turbulent flow over a flat plate with a step change from a smooth to a rough surface. The Reynolds number based on momentum thickness for the smooth flow was Reθ=5950. The focus of the study was to investigate the capability of the Reynolds-averaged Navier–Stokes (RANS) equations to predict the internal boundary layer (IBL) created by the flow configuration. The numerical solution used a two-layer k−ε model to implement the effects of surface roughness on the turbulence and mean flow fields via the use of a hydrodynamic roughness length y0. The prediction for the mean velocity field revealed a development zone immediately downstream of the step in which the mean velocity profile included a lower region affected by the surface roughness below and an upper region with the characteristics of the smooth-wall boundary layer above. In this zone, both the turbulence kinetic energy and Reynolds shear stress profiles were characterized by a significant reduction in magnitude in the outer region of the flow that is unaffected by the rough surface. The turbulence kinetic energy profile was used to estimate the thickness of the IBL, and the resulting growth rate closely matched the experimental results. As such, the IBL is a promising test case for assessing the ability of RANS models to predict the discrete roughness configurations often encountered in industrial and environmental applications.
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.
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) | 0,001 | 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 | 0,000 | 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 découle