Convergence of Dynamic Mode Decomposition As an Assessment Criteria for Completion of Internal, Unsteady Flow Simulations
Notice bibliographique
Résumé
Abstract The length of simulation time for unsteady computational fluid dynamics (CFD) is often based on intuition or best practices, as there is no established convergence criteria to guarantee the computations have generated enough flow to resolve all spatio-temporal content. Thus, these simulations are often run longer than necessary, but this increases the run time and computational resources required. This is often the case for unsteady CFD for turbomachines. This paper introduces an algorithm, based on dynamic mode decomposition (DMD), that can determine when continuing an unsteady CFD computation no longer yields additional spatio-temporal information. The algorithm is shown to correctly determine the modal content for an analytical dataset with a start-up transient with 44% less data than by only using data from after the start-up transient. The algorithm is then applied to 2D CFD of a fully turbulent flow over a cylinder with periodic boundaries, where the amount of flow time required is just sufficient for the size of fluctuations in cylinder lift coefficient to stop growing. The algorithm is also applied to a 2D periodic flow over a rotor airfoil, with an empty stationary duct downstream. The algorithm determines the point at which the statio-temporal content of the flow stops changing meaningfully greatly in advance of using conventional methods.
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 ».