Particle subgrid scale modeling in large-eddy simulation of particle-laden turbulence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This thesis is concerned with particle subgrid scale (SGS) modeling in large-eddy simulation (LES) of particle-laden turbulence. Although most particle-laden LES studies have neglected the effect of the subgrid scales on the particles, several particle SGS models have been proposed in the literature. In this research, the approximate deconvolution method (ADM), and the stochastic models of Fukagata et al. (2004), Shotorban and Mashayek (2006) and Berrouk et al. (2007) are analyzed. The particle SGS models are assessed by conducting both a priori and a posteriori tests of a periodic box of decaying, homogeneous and isotropic turbulence with an initial Reynolds number of Re=74. The model results are compared with particle statistics from a direct numerical simulation (DNS). Particles with a large range of Stokes numbers are tested using various filter sizes and stochastic model constant values. Simulations with and without gravity are performed to evaluate the ability of the models to account for the crossing trajectory and continuity effects. The results show that ADM improves results but is only capable of recovering a portion of the SGS turbulent kinetic energy. Conversely, the stochastic models are able to recover sufficient energy, but show a large range of results dependent on Stokes number and filter size. The stochastic models generally perform best at small Stokes numbers. Due to the random component, the stochastic models are unable to predict preferential concentration.
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.
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 | 0,001 |
| 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) | 0,005 | 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 découle