elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

A Closed-form Correction for the Spalart-Allmaras Turbulence model for Separated Flows

Jäckel, Florian (2022) A Closed-form Correction for the Spalart-Allmaras Turbulence model for Separated Flows. In: AIAA SciTech 2022 Forum, Seiten 1-20. ARC. AIAA SciTech Forum 2022, 2022-01-03 - 2022-01-07, San Diego / virtuell. doi: 10.2514/6.2022-0462. ISBN 978-162410631-6.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://arc.aiaa.org/doi/abs/10.2514/6.2022-0462

Kurzfassung

The Field Inversion and Machine Learning (FIML) approach is leveraged to obtain a closed-form correction for the Spalart-Allmaras turbulence model to improve predictions of separated flows. Based on field inversion results obtained using the first generation FIML Classic approach, a simple and compact closed-form expression is chosen to be used as correction model. The thus obtained correction model is optimized using the second generation FIML Direct approach. Training and validation cases consist of a selection of airfoils in a wide range of flow conditions as well as the flat plate. The correction model and results for the training and validation cases obtained with the augmented turbulence model are presented, demonstrating the improved flow predictions.

elib-URL des Eintrags:https://elib.dlr.de/148403/
Dokumentart:Konferenzbeitrag (Vortrag)
Zusätzliche Informationen:AIAA 2022-0462 Session: RANS/LES/Hybrid Turbulence Modeling of Separated Flow I
Titel:A Closed-form Correction for the Spalart-Allmaras Turbulence model for Separated Flows
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Jäckel, FlorianFlorian.Jaeckel (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Januar 2022
Erschienen in:AIAA SciTech 2022 Forum
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.2514/6.2022-0462
Seitenbereich:Seiten 1-20
Herausgeber:
HerausgeberInstitution und/oder E-Mail-Adresse der HerausgeberHerausgeber-ORCID-iDORCID Put Code
NICHT SPEZIFIZIERTAIAANICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Verlag:ARC
ISBN:978-162410631-6
Status:veröffentlicht
Stichwörter:RANS, Data-driven Turbulence Modelling, Field Inversion and Machine Learning, Spalart-Allmaras
Veranstaltungstitel:AIAA SciTech Forum 2022
Veranstaltungsort:San Diego / virtuell
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:3 Januar 2022
Veranstaltungsende:7 Januar 2022
Veranstalter :AIAA
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Effizientes Luftfahrzeug
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L EV - Effizientes Luftfahrzeug
DLR - Teilgebiet (Projekt, Vorhaben):L - Digitale Technologien
Standort: Göttingen
Institute & Einrichtungen:Institut für Aerodynamik und Strömungstechnik > CASE, GO
Hinterlegt von: Jäckel, Florian
Hinterlegt am:04 Feb 2022 09:18
Letzte Änderung:24 Apr 2024 20:46

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.