Explicit Algebraic Reynolds-Stress Modeling of Pressure-Induced Separating Flows in the Presence of Sidewalls
Notice bibliographique
Résumé
Abstract Reynolds-averaged Navier–Stokes (RANS) approach is used to simulate the steady-state of a family of pressure-induced turbulent separation bubbles in the presence of sidewalls. Different turbulence models are employed with a specific emphasis on the baseline explicit algebraic Reynolds stress model (BSL-EARSM) and the simulations are compared with experimental data. The separation and reattachment of a flat-plate turbulent boundary layer are generated through a combination of adverse and favorable pressure gradients (APG-FPG) by numerically reproducing the geometry of the wind-tunnel test section used for the experiments. Three cases are considered a large (LB) and a medium (MB) bubble presenting mean backflow, and a small bubble (SB) without mean-flow reversal. This is achieved by varying the streamwise position of the APG/FPG transition. Good agreement between the BSL-EARSM-computed solutions and the experimental results are obtained for wall-pressure and skin-friction distributions on the centerline plane of the test section as well as for the overall three-dimensional flow topology. However, both detachment and reattachment are predicted too early and the bubble length is slightly overestimated for cases LB and MB. For case LB, the streamwise Reynolds stress is estimated fairly well but its production is somewhat delayed. Normal and shear stresses are in good agreement with the experiments in the upstream part of the bubble but are significantly over-estimated in the reattachment region. The k−ω shear-stress transport (SST) model with the so-called reattachment modification performs better than the other tested linear-eddy-viscosity models but it is still unable to reproduce accurately the three-dimensional flow topology even for the “simplest” case SB. Overall, the results suggest that BSL-EARSM is the most suitable turbulence model for this flow configuration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».