XiaoMi-AI文件搜索系统
World File Search System边界层流
具有对流边界条件的三重扩散 MHD Casson 流体在垂直壁上的流动
摘要：在本文中，我们研究了三重扩散对 MHD Casson 流体通过垂直渗透壁的混合对流粘性流动的影响，并对流边界层进行了数值计算。为三重扩散边界层流建立了控制方程模型并推导了控制方程，以研究流体在热导率和溶质扩散率影响下的性质。使用有效且合适的相似变换，将高度非线性耦合的 PDE 简化为一系列耦合的 ODE，并借助 Runge Kutta-Fehlberg 积分方案通过 Shooting 技术进行求解。为了了解流体特性的行为，对控制流动的无量纲参数进行了数值计算，并通过物理系统的渗透率、对流参数、Casson 参数和浮力比参数等图表进行了展示。在缺少一些无量纲参数的情况下，将目前的发现与以前发表的研究进行了比较，以验证我们的数值方案，并发现其与小数点后六位的精度高度一致。
物种的壁模型大型模拟 -
在超音速飞行期间，冷却膜可以保护光窗免受热湍流边界层的影响。必须在冷却效率和产生的光学扭曲之间达到平衡。光畸变是由于密度差异和导致连贯流量结构的不稳定性而导致的。作为巴黎圣母院与新墨西哥州立大学之间的合作研究项目的一部分，进行了壁模型的大型模拟，对两个动荡的边界层流在带有冷却膜的光学窗口上的两个湍流边界层流。考虑了三种不同的冷却膜气体（空气，二氧化碳和氦气）。模拟的条件与巴黎圣母院SBR-50超音速风洞中的实验相匹配。外流与冷却膜速度和密度之间的差异会影响混合层的湍流和压力扭矩涡度产生。将冷却膜物种浓度和光路失真的根平方与巴黎圣母院的测量进行了比较。对物种不匹配的病例的基于密度的正交分解揭示了有助于光学扭曲的连贯结构。
航空航天科学进展 - CERES 研究资料库
航空业正面临越来越大的压力，需要通过长期战略来减少排放，以满足不断增长的飞行乘客数量。目前运行的飞机通常是在设计时将机身与推进系统分开考虑的。这样一来，传统的航空发动机架构在推进效率方面已接近极限，而技术进步带来的收益却越来越少。一种有前途的替代架构可以提高下一代商用飞机的整体性能，它依赖于边界层吸入 (BLI)。这项技术将机身与战略性定位的推进系统在空气动力学上耦合，以有目的地吸入机身的边界层流。尽管如此，对于 BLI 效益的解释和量化仍缺乏共识。这主要是因为传统的性能核算方法在强气动耦合的情况下失效。随后，定义适当的性能指标以提供一致测量和潜在效益比较是一项重大挑战。本评论研究了用于评估 BLI 性能的各种会计方法和指标。这些内容在数值和实验模型的背景下进行了讨论和批评。从数值上讲，几何、空气动力学和推进模型按保真度顺序排序，同时使用大量方法进行流动特征识别，从而实现对 BLI 的现象学理解。然后特别关注具有不同设置、方法和相关限制和不确定性的实验 BLI 模型。最后，参考其相关的设计探索和优化研究，对众多非常规 BLI 飞机概念进行了分类、比较和批评。
海岸工程
有许多可用于科学和工程目的的模型，它们以数字方式模拟近岸流体动力学和相应的形态演变。然而，这些模型在需要校准的物理过程的参数化中包含了可调系数，因此仍有通过纳入额外物理来改进的空间。XBeach 就是这样一个模型，它可以根据观察结果进行适当的校准，从而模拟风暴期间的侵蚀。模拟的沉积物输送，尤其是沿岸方向的输送，对可调系数很敏感，其优选值是针对特定地点和事件的。在这里，通过将一维（沿岸）深度平均模拟与大西洋海滩上的波浪、洋流和沙洲迁移的观测结果进行比较，研究了 XBeach 的技巧。系数校准提高了计算结果与观测到的波高、离岸平均洋流（暗流）、波轨道速度三阶矩（倾斜度和不对称性）以及陆上/离岸沙洲迁移的一致性，尽管建议的系数值取决于所使用的参数化。例如，与使用默认的常数系数值相比，加入可变破碎波滚轮能量模型可以更准确地预测暗流。使用校准的滚轮系数和相应的暗流，XBeach 模拟了观测到的沙洲离岸迁移。XBeach 的向岸输送由非正弦波轨道速度驱动，系数的建议值取决于用于估计偏度和不对称性以及相关输送的参数化，以及入射波条件。XBeach 计算的跨岸沉积物输送率与基于实验室实验的常用沉积物输送公式估算的速率进行了比较。相互比较表明，使用比默认值大 3 到 4 倍的波浪诱导向岸输送参数至少可以部分弥补 XBeach 缺乏底边界层流驱动的向岸输送。
深度学习在湍流中的应用
摘要 本论文研究了深度学习和深度强化学习在湍流模拟中的应用。深度学习模型经过训练可以进行时间和空间预测，而深度强化学习则应用于流量控制问题，即减少明渠流中的阻力。长短期记忆 (LSTM, Hochreiter & Schmidhuber 1997) 网络和 Koopman 非线性强迫 (KNF) 模型经过优化，可以在两种降阶湍流模型中执行时间预测，即 Moehlis 等人 (2004) 提出的九方程模型和最小通道流的截断适当正交分解 (POD) (Jim´enez & Moin 1991)。在第一个应用中，这两个模型都能够产生准确的短期预测。此外，预测的系统轨迹在统计上是正确的。KNF 模型在短期预测方面优于 LSTM 网络，并且训练计算成本低得多。在第二个任务中，只有 LSTM 可以成功训练，预测出统计上准确的轨迹。空间预测是在两种湍流中进行的：明渠流和边界层流。全卷积网络 (FCN) 用于使用壁面测量值预测给定壁面法线位置的二维速度波动场（反之亦然）。由于这些模型的非线性特性，它们提供了比扩展 POD（Bor'ee 2003）等最佳线性方法更好的重建性能。最后，我们展示了深度强化学习在发现湍流新控制策略方面的潜力。通过将流体动力学问题构建为多智能体强化学习环境，并使用位置不变的深度确定性策略梯度 (DDPG) 算法训练智能体，我们能够学习一种控制策略，该策略可显著减少 30% 的阻力，比现有策略提高约 10 个百分点。
材料科学与工程 B - 先进功能固态材料
现代纳米材料涂层工艺的特点是高温环境和复杂的化学反应，需要精确合成定制设计。这种流动过程极其复杂，除了粘性行为外，还具有传热和传质特性。智能纳米涂层利用磁性纳米粒子，可以通过外部磁场进行操纵。数学模型提供了一种廉价的洞察此类涂层动力学过程固有特性的方法。受此启发，在当前的工作中，开发了一种新的数学模型，用于双催化反应物种在轴对称涂层中扩散，该涂层包裹强制对流边界层流，该流来自浸没在饱和磁性纳米流体的均质非达西多孔介质中的线性轴向拉伸水平圆柱体。其中包括均相和异相反应、热源（例如激光源）和非线性辐射传输。部署了 Tiwari-Das 纳米级模型。使用 Darcy-Forchheimer 阻力公式来模拟多孔介质纤维的体积多孔阻力和二阶惯性阻力。磁性纳米流体是一种水性导电聚合物，由基础流体水和磁性 TiO 2 纳米粒子组成。TiO 2 纳米粒子是一种化学反应物质 (A)，还存在第二种物质 (B)（例如氧气），它也发生化学反应。粘性加热和欧姆耗散也包括在内，以产生更物理上真实的热分析。这里提出的具有物质扩散（物质 A 和 B）的非线性守恒方程通过适当的流函数和缩放变量转换为一组非线性联合多阶 ODE。在 MATLAB bvp5c 程序中，使用四点 Gauss-Lobotto 公式求解上升非线性常微分边界值问题。使用 Adams-Moulton 预测校正数值方案（Unix 中编码的 AM2）进行验证。包括速度、温度、物质 A 浓度、物质 B 浓度、表面摩擦、局部努塞尔特数以及物质 A 和 B 局部舍伍德数的广泛可视化。关键词：Darcy-Forchheimer 模型；水性功能磁性聚合物；智能涂层流；二氧化钛纳米颗粒分数；非线性辐射；均相和非均相化学反应；数值；边界层包裹；努塞尔特数；舍伍德数。