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 to not include the dispersive modes.


翻译:隐含过滤的大型和深层模拟(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地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, 这些代表度差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。 本字母的重点是通过研究三相均匀的同地心波流的能量级联来说明数字扩散错误的影响。 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解作用会减弱。 简单分析表明, 分散错误导致三相交错的波模式之间的分解阶段, 导致这些尺度的平均能量传输速度下降。 这些发现与广泛的波模式有关, 并且不会使这些惯的电流模式变异, 意味着这些平的模型应该通过这些共同的电流模式去变。

0
下载
关闭预览

相关内容

Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Arxiv
0+阅读 · 2021年11月14日
Arxiv
0+阅读 · 2021年11月12日
VIP会员
相关VIP内容
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Top
微信扫码咨询专知VIP会员