MétaCan
Menu
Retour à la cohorte
Enregistrement W4410840479 · doi:10.1016/j.ijheatfluidflow.2025.109862

Restricted nonlinear simulations of flow over riblets: Characterizing drag reduction and its breakdown

2025· article· en· W4410840479 sur OpenAlexaff
Xiaowei Zhu, Bianca Viggiano, Benjamin Minnick, Dennice F. Gayme

Notice bibliographique

RevueInternational Journal of Heat and Fluid Flow · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Turbulent Flows
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesOffice of Naval ResearchMaryland Advanced Research Computing CenterNational Science Foundation
Mots-clésDragReduction (mathematics)MechanicsFlow (mathematics)Materials scienceNonlinear systemPhysicsMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

The restricted nonlinear (RNL) model is employed as low-order representation of turbulent flow over riblets at R e τ ≈ 395 . Comparisons with direct numerical simulations (DNS) verify the ability of the model to accurately capture low-order statistics, as well as trends in drag-alteration and secondary motion as a function of riblet geometry and spacing. We demonstrate the ability of the RNL model to reproduce additional flow features by decomposing the roughness function to isolate contributions from the total stress and comparing its predictions to DNS data. An analysis of the spectra of Reynolds shear stress shows that the RNL model captures Kelvin-Helmholtz-like rollers linked to riblet drag reduction breakdown but slightly over predicts the total stresses. The reproduction of the overall trends in stresses and flow features linked to the breakdown of riblet induced drag-reduction suggests that the nonlinearity and scale interactions retained in the RNL system are adequate to capture the key mechanisms underlying turbulent flow over a range of riblet geometries. These results also indicate that examining the limitations of the model may provide insight into the critical nonlinear interactions underlying drag alteration due to riblets .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,413

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,232
Écart entre enseignants0,226 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Heat and Fluid FlowMême sujetFluid Dynamics and Turbulent FlowsTravaux en français237 207