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

Evaluation of physics constrained data-driven methods for turbulence model uncertainty quantification

Matha, Marcel und Kucharzyk, Karsten und Morsbach, Christian (2023) Evaluation of physics constrained data-driven methods for turbulence model uncertainty quantification. Computers & Fluids (255). Elsevier. doi: 10.1016/j.compfluid.2023.105837. ISSN 0045-7930.

[img] PDF - Nur DLR-intern zugänglich bis 16 April 2025 - Postprintversion (akzeptierte Manuskriptversion)
10MB

Kurzfassung

In order to achieve a virtual certification process and robust designs for turbomachinery, the uncertainty bounds for Computational Fluid Dynamics have to be known. The formulation of turbulence closure models implies a major source of the overall uncertainty of Reynolds-averaged Navier-Stokes simulations. We discuss the common practice of applying a physics constrained eigenspace perturbation of the Reynolds stress tensor in order to account for the model form uncertainty of turbulence models. Since the basic methodology often leads to overly generous uncertainty estimates, we extend a recent approach of adding a machine learning strategy. The application of a data-driven method is motivated by striving for the detection of flow regions, which are prone to suffer from a lack of turbulence model prediction accuracy. In this way any user input related to choosing the degree of uncertainty is supposed to become obsolete. This work especially investigates an approach, which tries to determine an a priori estimation of prediction confidence, when there is no accurate data available to judge the prediction. The flow around the NACA 4412 airfoil at near-stall conditions demonstrates the successful application of the data-driven eigenspace perturbation framework. Furthermore, we especially highlight the objectives and limitations of the underlying methodology.

elib-URL des Eintrags:https://elib.dlr.de/194012/
Dokumentart:Zeitschriftenbeitrag
Titel:Evaluation of physics constrained data-driven methods for turbulence model uncertainty quantification
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Matha, Marcelmarcel.matha (at) dlr.dehttps://orcid.org/0000-0001-8101-7303NICHT SPEZIFIZIERT
Kucharzyk, KarstenNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Morsbach, ChristianChristian.Morsbach (at) dlr.dehttps://orcid.org/0000-0002-6254-6979NICHT SPEZIFIZIERT
Datum:24 Februar 2023
Erschienen in:Computers & Fluids
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1016/j.compfluid.2023.105837
Verlag:Elsevier
ISSN:0045-7930
Status:veröffentlicht
Stichwörter:uncertainty quantification, turbulence models, RANS, machine learning, data-driven, random forest regression
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Umweltschonender Antrieb
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L CP - Umweltschonender Antrieb
DLR - Teilgebiet (Projekt, Vorhaben):L - Virtuelles Triebwerk
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Antriebstechnik
Hinterlegt von: Matha, Marcel
Hinterlegt am:27 Feb 2023 10:30
Letzte Änderung:19 Okt 2023 15:49

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.