$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC |



Título: APPLICATION OF NEURAL NETWORK TECHNIQUES TO ENHANCE TURBULENCE MODELING USING EXPERIMENTAL DATA
Autor: LEONARDO SOARES FERNANDES
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  LUIS FERNANDO ALZUGUIR AZEVEDO - ADVISOR
RONEY LEON THOMPSON - CO-ADVISOR

Nº do Conteudo: 66205
Catalogação:  12/03/2024 Liberação: 20/02/2025 Idioma(s):  ENGLISH - UNITED STATES
Tipo:  TEXT Subtipo:  THESIS
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66205&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=66205&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.66205

Resumo:
Although the technological advances that led to the development of fast computers, the direct numerical simulation of turbulent flows is still prohibitively expensive to most engineering and even some research applications. The CFD simulations used worldwide are, therefore, based on averaged quantities and heavily dependent on mathematical turbulence models. Despite widely used, such models fail to proper predict the averaged flow in many practical situations, such as the simple flow in a square duct. With the re-blossoming of machine learning methods in the past years, much attention is being given to the use of such techniques as a replacement to the traditional turbulence models. The present work evaluated the use of Neural Networks as an alternative to enhance the simulation of turbulent flows. To this end, the Stereoscopic-PIV technique was used to obtain well-converged flow statistics and velocity fields for the flow in a square duct for 10 values of Reynolds number. A total of 10 methodologies were evaluated in a data-driven approach to understand what quantities should be predicted by a Machine Learning technique that would result in enhanced simulations. From the selected methodologies, accurate results could be obtained with a Neural Network trained from the experimental data to predict the nonlinear part of the Reynolds Stress Tensor and the turbulent eddy viscosity. The turbulent simulations assisted by the Neural Network returned velocity fields with less than 4 percent in error, in comparison with those previously measured.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui