Influence of depth-ratio on turbulence transition in the wake of wall-mounted prisms
Notice bibliographique
Résumé
This paper presents a numerical investigation of the turbulence transition phenomenon in the wake of wall-mounted prisms. Large-eddy simulations are performed at $Re = 1\times 10^3 {-}5\times 10^3$ for prisms with a range of aspect ratio (height to width) from $0.25$ to $1.5$ , and depth ratios (length to width) between $1$ and $4$ . The results show that the wake irregularity is enhanced with increasing depth ratio, evidenced by higher turbulent kinetic energy ( ${\approx}90\,\%$ ) near the leading edge, and the onset of irregular, unsteady vortex shedding. This is attributed to interactions between Kelvin–Helmholtz instability (KHI) of the shear layer and large-scale vortex shedding, and it is induced by an unsteady shear layer, resembling flapping-like motion. These interactions elevate the flow momentum due to increased turbulence intensity and mixing, contributing to the wake transition phenomenon. To this end, this study defines the role of depth ratio in the transition phenomenon by showing that increasing depth ratio (e.g. from $1$ to $4$ ) leads to earlier onset of KHIs in the shear layer. These instabilities intensify with depth ratio, resulting in stronger interactions between shear layer and large-scale vortex shedding. Specifically, KHI-induced vortices interact more frequently with large-scale wake structures for higher depth ratio prisms, exciting larger flow fluctuations and irregular wake patterns. This interaction alters the frequency and coherence of vortex shedding, revealing a complex coupling mechanism that drives the transition to turbulence.
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 ».