Wall-model response to departure from equilibrium in turbulent flows over rough surfaces
Notice bibliographique
Résumé
Most turbulent boundary-layer flows in engineering and natural sciences are out of equilibrium. While direct numerical simulation and wall-resolved large-eddy simulation can accurately account for turbulence response under such conditions, lower-cost approaches like wall-modelled large-eddy simulation often assume equilibrium and struggle to reproduce non-equilibrium effects. The recent ‘Lagrangian relaxation-towards-equilibrium’ (LaRTE) wall model (Fowler et al. 2022 J. Fluid Mech. vol. 934, 137), formulated for smooth walls, applies equilibrium modelling only to the slow dynamics that are more likely to conform to the assumed flow state. In this work, we extend the LaRTE model to account for wall roughness (LaRTE-RW) and apply the new model to turbulent flow over heterogeneous roughness and in accelerating and decelerating flows over rough surfaces. We compare predictions from the new LaRTE-RW model with those from the standard log-law equilibrium wall model (EQWM) and with experimental data to elucidate the turbulence response mechanisms to non-equilibrium conditions. The extended model transitions seamlessly across smooth-wall and fully rough regimes and improves prediction of the skin-friction coefficient, especially in recovering trends at roughness transitions and in early stages of pressure-gradient-driven flow acceleration or deceleration. Results show that LaRTE-RW introduces response delays that are beneficial when EQWMs react too quickly to disturbances, but it is less effective in flows requiring rapid response, such as boundary layers subjected to accelerating–decelerating–accelerating free stream conditions. These findings emphasize the need for further model refinements that incorporate fast turbulent dynamics not currently captured by LaRTE-RW.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».