Evaluation of Turbulence Models in Unsteady Separation
Notice bibliographique
Résumé
Unsteady separation is a phenomenon that occurs in many flows and results in increased drag, decreased lift, noise emission, and loss of efficiency or failure in flow devices. Turbulence models for the steady or unsteady Reynolds-averaged Navier–Stokes equations (RANS and URANS, respectively) are commonly used in industry; however, their performance is often unsatisfactory. The comparison of RANS results with experimental data does not clearly isolate the modeling errors, since differences with the data may be due to a combination of modeling and numerical errors, and also to possible differences in the boundary conditions. In the present study, we use high-fidelity large-eddy simulation (LES) results to carry out a consistent evaluation of the turbulence models. By using the same numerical scheme and boundary conditions as the LES, and a grid on which grid convergence was achieved, we can isolate modeling errors. The calculations (both LES and RANS) are carried out using a well-validated, second-order-accurate code. Separation is generated by imposing a freestream velocity distribution, that is modulated in time. We examined three frequencies (a rapid, flutter-like oscillation, an intermediate one in which the forcing and the flow have the same timescales, and a quasi-steady one). We also considered three different pressure distributions, one with alternating favorable and adverse pressure gradients (FPGs and APGs, respectively), one oscillating between an APG and a zero-pressure gradient (ZPG), and one with an oscillating APG. All turbulence models capture the general features of this complex unsteady flow as well or better than in similar steady cases. The presence, during the cycle, of times in which the freestream pressure-gradient is close to zero affects significantly the model performance. Comparing our results with those in the literature indicates that numerical errors due to the type of discretization and the grid resolution are as significant as those due to the turbulence model.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».