MétaCan
Menu
Retour à la cohorte
Enregistrement W4399774269 · doi:10.3390/fluids9060144

Toward Scale-Adaptive Subgrid-Scale Model in LES for Turbulent Flow Past a Sphere

2024· article· en· W4399774269 sur OpenAlexaff
H. Ali Marefat, Jahrul Alam, Kevin Pope

Notice bibliographique

RevueFluids · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésTurbulenceScale (ratio)Scale modelFlow (mathematics)MeteorologyMechanicsStatistical physicsComputer sciencePhysicsGeologyAerospace engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This study explores the dynamics of turbulent flow around a sphere at a Reynolds number of Re=103 using large-eddy simulation, focusing on the intricate connection between vortices and strain within the recirculation bubble of the wake. Employing a relatively new subgrid-scale modeling approach based on scale adaptivity, this research implements a functional relation to compute ksgs that encompasses both vortex-stretching and strain rate mechanisms essential for the energy cascade process. The effectiveness of this approach is analyzed in the wake of the sphere, particularly in the recirculation bubble, at the specified Reynolds number. It is also evaluated in comparison with two different subgrid-scale models through detailed analysis of the coherent structures within the recirculation bubble. These models—scale-adaptive, k-Equation, and dynamic k-Equation—are assessed for their ability to capture the complex flow dynamics near the wake. The findings indicate that while all models proficiently simulate key turbulent wake features such as vortex formation and kinetic energy distribution, they exhibit unique strengths and limitations in depicting specific flow characteristics. The scale-adaptive model shows a good ability to dynamically adjust to local flow conditions, thereby enhancing the representation of turbulent structures and eddy viscosity. Similarly, the dKE model exhibits advantages in energy dissipation and vortex dynamics due to its capability to adjust coefficients dynamically based on local conditions. The comparative analysis and statistical evaluation of vortex stretching and strain across models deepen the understanding of turbulence asymmetries and intensities, providing crucial insights for advancing aerodynamic design and analysis in various engineering fields and laying the groundwork for further sophisticated turbulence modeling explorations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,216
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFluidsMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207