Osäkerhetskvantifiering för tidsvarierande storheter i turbulenta flöden
Tid: Fr 2024-02-23 kl 14.00
Plats: Kollegiesalen, Brinellvägen 8, Stockholm
Språk: Engelska
Ämnesområde: Teknisk mekanik
Respondent: Donnatella Xavier , Strömningsmekanik och Teknisk Akustik, FLOW, Department of Engineering Mechanics, KTH Royal Institute of Technology, SE-100 44 Stockholm, Sweden.
Opponent: Professor David Moxey, Department of Engineering Faculty of Natural, Mathematical & Engineering Sciences, King's College London, UK.
Handledare: Professor Philipp Schlatter, Linné Flow Center, FLOW, SeRC - Swedish e-Science Research Centre, Turbulent simulations laboratory, Institute of Fluid Mechanics (LSTM), Friedrich--Alexander--Universität Erlangen--Nürnberg, DE-91058 Erlangen, Germany.; Dr. Saleh Rezaeiravesh, Department of Fluids and Environment, The University of Manchester, M139PL Manchester, UK; Dr. Ricardo Vinuesa, Linné Flow Center, FLOW, SeRC - Swedish e-Science Research Centre, Strömningsmekanik och Teknisk Akustik
QC 240202
Abstract
Kvantifiering av osäkerhet i resultat är avgörande i både experiment och simuleringar av turbulens, men denna praxis är anmärkningsvärt underutnyttjad. Detta avhandlingsprojekt undersöker statistiska verktyg inom ramen för osäkerhetskvantifiering för att systematiskt kvantifiera osäkerheter som uppstår i de tidsvarierande kvantiteterna av turbulens. Två huvudkategorier av variansskattare för kvantifiering av tidsmedelvärderade osäkerheter i tidsserier av turbulenta flöden undersöktes i detalj; batch-meansbaserade metoder och autoregressiva modellbaserade metoder. Batchstorleken är avgörande för uppskattning av osäkerheter med de batchbaserade metoderna. Vi diskuterar orsakerna till avvikande skattningar och ger vägledning kring valet av batchstorlekar för de icke-överlappande, överlappande och batchmedel-batchkorrelationsskattarna, för att få konsekventa skattningar av osäkerheten vid hantering av turbulenstidssampels. Den autoregressiva modellen (ARM)-baserade estimatorn visade sig vara effektivare än batchmetoderna avseende beräkningseffektivitet och samplingskrav. En ny insikt i ARM:s funktionsprincip möjliggjorde snabb kvantifiering av osäkerheter med få stickprov och med batchmedelvärdesserier. utökningen av univariata AR-processer till att modellera hela 2D-rum-tidsfält av turbulens, genom vektorautoregression, har undersökts och dess potential som randvillkor för turbulenta inflöden har illustrerats. Ett avgörande flödesfall som utmanade tillförlitligheten av Computational Fluid Dynamics (CFD), nämligen flöde genom FDA benchmark munstycksanordning, simulerades också i denna avhandling, med ett väldefinierat turbulent inflödesrandvillkor. Nya insikter om flödesfysiken baserad på geometriska effekter erhölls genom statistisk analys, anisotropi-invarianta avbildningar och ortogonala nedbrytningstekniker. Dessa insikter ger svar på många öppna frågor inom denna domän. Detta arbete ökar simuleringarnas tillförlitlighet och utökar omfattningen av CFD till applikationer där säkerhet och precision är av största vikt.