Clipping refers to adding 1 line of code A=min{A,B} to force the variable A to stay below a present bound B. Phenomenological clipping also occurs in turbulence models to correct for over dissipation caused by the action of eddy viscosity terms in regions of small scales. Herein we analyze eddy viscosity model energy dissipation rates with 2 phenomenological clipping strategies. Since the true Reynolds stresses are O(d^2) (d= wall normal distance) in the near wall region, the first is to force this near wall behavior in the eddy viscosity by clipping the turbulent viscosity. The second is Escudier's early proposal to clip the turbulence length scale, reducing too large values in the interior of the flow. Analyzing respectively shear flow turbulence and turbulence in a box (i.e., periodic boundary conditions), we show that both clipping strategies do prevent aggregate over dissipation of model solutions.


翻译:Clipping 指的是添加一行代码 A=min{A,B} 以强制变量 A 保持在目前绑定的 B 下。 气流模型中也出现基因剪切, 以纠正小尺度区域由于 Eddy 粘度条件的动作造成的过度消散。 我们在此分析 Eddy 粘度模型能量消散率, 使用 2 个 phenmencial 剪切策略。 由于 Reynolds 真正的压力是 靠近 墙区域的 O( d) 2 (d = 墙的正常距离 ), 首先是通过 剪裁 动荡 粘结 的 粘结 。 第二种是 埃斯库迪尔 的早期建议, 以 剪切 波动 长度, 缩小 流内部过大 的值 。 分析 切 剪切 流流 和 盒子中 的 的 波动 ( 定期边界 ), 我们显示 两种剪切策略都 防止 集 模式 。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
《Golang修养之路》干货书
专知会员服务
34+阅读 · 2021年5月8日
专知会员服务
60+阅读 · 2020年3月19日
专知会员服务
161+阅读 · 2020年1月16日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
从GE工业互联网到中国工业互联网
未来产业促进会
4+阅读 · 2019年5月5日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Golang高性能实战
架构文摘
4+阅读 · 2018年4月11日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Arxiv
0+阅读 · 2021年11月15日
Arxiv
0+阅读 · 2021年11月14日
Arxiv
0+阅读 · 2021年11月12日
Arxiv
3+阅读 · 2018年2月24日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
从GE工业互联网到中国工业互联网
未来产业促进会
4+阅读 · 2019年5月5日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Golang高性能实战
架构文摘
4+阅读 · 2018年4月11日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员