Implicitly filtered Large Eddy Simulation (LES) is by nature numerically under-resolved. With the sole exception of Fourier-spectral methods, discrete numerical derivative operators cannot accurately represent the dynamics of all of the represented scales. Since the resolution scale in an LES usually lies in the inertial range, these poorly represented scales are dynamically significant and errors in their dynamics can affect all resolved scales. This Letter is focused on characterizing the effects of numerical dispersion error by studying the energy cascade in LES of convecting homogeneous isotropic turbulence. Numerical energy and transfer spectra reveal that energy is not transferred at the appropriate rate to wavemodes where significant dispersion error is present. This leads to a deficiency of energy in highly dispersive modes and an accompanying pile up of energy in the well resolved modes, since dissipation by the subgrid model is diminished. An asymptotic analysis indicates that dispersion error causes a phase decoherence between triad interacting wavemodes, leading to a reduction in the mean energy transfer rate for these scales. These findings are relevant to a wide range of LES, since turbulence commonly convects through the grid in practical simulations. Further, these results indicate that the resolved scales should be defined through an explicit filter so that the dispersive modes will not be energized.


翻译:隐含过滤的大型艾迪模拟(LES) 本质上是数字解析不足的。 除了Fleier光谱方法之外, 离散数字衍生物操作器无法准确代表所有代表的天平的动态。 由于LES中的分辨率比例通常位于惯性范围, 这些代表度不足的尺度具有动态意义, 其动态错误会影响所有已解决的天平。 本信的重点是通过研究三相均同的同流相向波体的能量级联来描述数字分散错误的影响。 数字能量和传输光谱显示, 能量没有以适当的速转移到存在重大分散错误的波模式。 这导致高度分散模式中的能量缺乏, 并且同时在分辨率模式中堆积能源, 因为亚电网模型的分散会减弱。 一种随机分析表明, 分散错误导致三相相互作用的波体之间发生阶段脱钩, 导致这些尺度的平均能量转移率降低。 这些发现与广泛的波体波模式有关, 并且不会导致通过共同的电磁变格的模型。

0
下载
关闭预览

相关内容

【如何做研究】How to research ,22页ppt
专知会员服务
108+阅读 · 2021年4月17日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
已删除
将门创投
7+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年8月30日
Arxiv
0+阅读 · 2021年8月28日
VIP会员
相关资讯
已删除
将门创投
7+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员