基于 Perona-Malik 各向异性扩散的显式松弛滤波框架用于 Burgers 湍流的激波捕捉与亚网格尺度建模
流体动力学
2016-05-17 v1
摘要
本文中，我们引入一种松弛滤波闭合方法，利用各向异性扩散的概念来考虑显式滤波大涡模拟中的亚网格尺度效应。我们利用 Perona-Malik 扩散模型，并展示其对于求解 Burgers 湍流问题的激波捕捉能力和频谱性能，Burgers 湍流是展示相同二次非线性的更真实湍流的简化原型。我们的数值评估给出了各种扩散函数的行为以及关于自由建模参数的详细敏感性分析。与直接数值模拟（DNS）和欠解析 DNS 结果相比，我们发现所提出的闭合模型在防止网格截断处的能量累积方面是高效的，并且在最优参数选择下也善于防止由于激波形成引起的任何可能的伪数值振荡。与其他松弛滤波方法相比，还表明所提出的各向异性扩散模型使用紧致模板格式能以高效方式获得更大的惯性范围。
引用
@article{arxiv.1605.04593,
title = {An explicit relaxation filtering framework based upon Perona-Malik anisotropic diffusion for shock capturing and subgrid scale modeling of Burgers turbulence},
author = {Romit Maulik and Omer San},
journal= {arXiv preprint arXiv:1605.04593},
year = {2016}
}