Effect of Acoustic Doppler Velocimeter Sampling Volume Size on Measurements of Turbulence
Notice bibliographique
Résumé
Abstract The relatively large sampling volume of acoustic Doppler velocimeters (ADVs) is expected to influence their measurement of turbulence. To study this effect, a series of experiments using different sampling volume sizes was conducted in an axisymmetric turbulent jet. The results show that the mean velocities are not significantly affected by the size of the sampling volume. On the other hand, reducing the sampling volume size results in an increase in the variances of the u and υ velocities, while its effect on the variance of the w velocity is negligible. Application of a noise-reduction method to the data renders the velocity variances nearly independent of sampling volume size, suggesting that the difference was mainly due to Doppler noise. The principal conclusion of this work is, therefore, that—as long as the characteristic length of sampling volume is much smaller than the integral length scale of flow—increasing the sampling volume size (i.e., increasing spatial averaging over highly correlated scatterers) can reduce Doppler noise and result in more accurate measurements of the velocity variances. Application of noise-reduction methods to the data is found to be especially important when the sampling volume size is reduced to capture smaller scales, or for near-boundary measurements. Furthermore, noise due to mean velocity shear, even at the largest velocity gradient along the jet radial profile, is found to be negligible in the present work.
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 | 0,000 |
| 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 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 ».