A generalized wall-pressure spectral model for non-equilibrium boundary layers
Notice bibliographique
Résumé
This study uses high-fidelity simulations (direct numerical simulation or large-eddy simulation) and experimental datasets to analyse the effect of non-equilibrium streamwise mean pressure gradients (adverse or favourable), including attached and separated flows, on the statistics of boundary-layer wall-pressure fluctuations. The datasets collected span a wide range of Reynolds numbers ( $Re_\theta$ from 300 to 23 400) and pressure gradients (Clauser parameter from $-0.5$ to 200). The datasets are used to identify an optimal set of variables to scale the wall-pressure spectrum: edge velocity, boundary layer thickness and the peak magnitude of Reynolds shear stress. Using the present datasets, existing semi-empirical models of the wall-pressure spectrum are shown unable to capture effects of strong, non-equilibrium adverse pressure gradients, due to inappropriate scaling of the wall pressure using the wall shear stress, calibration with limited types of flows and dependency on model parameters based on the friction velocity, which reduces to zero at the detachment point. To address these shortcomings, a generalized wall-pressure spectral model is developed with parameters that characterize the extent of the logarithmic layer and the strength of the wake. Derived from the local mean streamwise velocity profile, these two parameters inherently carry the effect of the Reynolds number, as well as those of the non-equilibrium pressure gradient and its history. Comparison with existing models shows that the proposed model behaves well and is more accurate in strong-pressure-gradient flows and in separated-flow regions.
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 ».