High performance computing methodologies for solving complex turbulent flows

解决复杂湍流的高性能计算方法

基本信息

  • 批准号:
    RGPIN-2016-03812
  • 负责人:
  • 金额:
    $ 1.89万
  • 依托单位:
  • 依托单位国家:
    加拿大
  • 项目类别:
    Discovery Grants Program - Individual
  • 财政年份:
    2020
  • 资助国家:
    加拿大
  • 起止时间:
    2020-01-01 至 2021-12-31
  • 项目状态:
    已结题

项目摘要

Computational fluid dynamics (CFD) methods are commonly used as tools for solving industrial and environmental engineering problems. As most of these problems are turbulent, the realistic simulation of the turbulence effect is essential. The Reynolds-Averaged Navier-Stokes (RANS)-based approach has become the workhorse for calculating turbulent flows, especially in hydraulics and aerodynamics. However, RANS models have been found to be not sufficiently accurate for complex flows with large separations and where unsteady effects are of interest. The increase in computer power and the development of more accurate and efficient numerical methods have led to the development of large eddy simulation (LES) methodology. LES has been found superior to RANS, but is too expensive to be deployed in real-scale engineering problems. A more affordable approach combines RANS and LES' different strengths; one can use LES only where needed because the flow is too complex, while in other parts of the domain, such as near walls, the flow is computed with the less expensive RANS model. This has become known as the hybrid RANS-LES approach, which is an appealing methodology for modern CFD practice. This research program is focused on the development of a high performance flow solver based on a hybrid LES-RANS approach and on the investigation of modern numerical methods to allow high accuracy and computational performance. More specifically, we will investigate overset-grid and higher-order discretizations methods to achieve the high accuracy required by turbulent flows. The applications are geared towards solving the complex flow problems encountered in hydraulics and in aerodynamics engineering, such as free surface flows over the spillways or the penstocks of dams, and compressible flows around aircraft structures.
计算流体动力学 (CFD) 方法通常用作解决工业和环境工程问题的工具。由于这些问题大多数都是湍流问题,因此对湍流效应的真实模拟至关重要。基于雷诺平均纳维斯托克斯 (RANS) 的方法已成为计算湍流的主力,特别是在水力学和空气动力学领域。然而,人们发现 RANS 模型对于具有大分离度和不稳定效应的复杂流动不够准确。计算机能力的提高和更准确、更高效的数值方法的发展导致了大涡模拟(LES)方法的发展。人们发现 LES 优于 RANS,但部署在实际规模的工程问题中成本太高。一种更实惠的方法结合了 RANS 和 LES 的不同优势;人们只能在需要的地方使用 LES,因为流太复杂,而在域的其他部分,例如靠近墙壁,流是使用较便宜的 RANS 模型计算的。这被称为混合 RANS-LES 方法,对于现代 CFD 实践而言,这是一种颇具吸引力的方法。该研究项目的重点是开发基于混合 LES-RANS 方法的高性能流求解器,并研究现代数值方法以实现高精度和计算性能。更具体地说,我们将研究重叠网格和高阶离散化方法,以实现湍流所需的高精度。这些应用程序旨在解决液压和空气动力学工程中遇到的复杂流动问题,例如溢洪道或水坝压力管上的自由表面流动,以及飞机结构周围的可压缩流动。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Soulaïmani, Azzeddine其他文献

Soulaïmani, Azzeddine的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Soulaïmani, Azzeddine', 18)}}的其他基金

Computational and machine learning methods for model reduction, uncertainty propagation, and parameter identification in fluid and solid mechanics
流体和固体力学中模型简化、不确定性传播和参数识别的计算和机器学习方法
  • 批准号:
    RGPIN-2021-02693
  • 财政年份:
    2022
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
Computational and machine learning methods for model reduction, uncertainty propagation, and parameter identification in fluid and solid mechanics
流体和固体力学中模型简化、不确定性传播和参数识别的计算和机器学习方法
  • 批准号:
    RGPIN-2021-02693
  • 财政年份:
    2022
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
Computational and machine learning methods for model reduction, uncertainty propagation, and parameter identification in fluid and solid mechanics
流体和固体力学中模型简化、不确定性传播和参数识别的计算和机器学习方法
  • 批准号:
    RGPIN-2021-02693
  • 财政年份:
    2021
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
Computational and machine learning methods for model reduction, uncertainty propagation, and parameter identification in fluid and solid mechanics
流体和固体力学中模型简化、不确定性传播和参数识别的计算和机器学习方法
  • 批准号:
    RGPIN-2021-02693
  • 财政年份:
    2021
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
High performance computing methodologies for solving complex turbulent flows
解决复杂湍流的高性能计算方法
  • 批准号:
    RGPIN-2016-03812
  • 财政年份:
    2019
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
Incertitudes en modélisation numérique hydraulique des ruptures de barrage.
拦河坝破裂水力模型的不确定性。
  • 批准号:
    491880-2015
  • 财政年份:
    2019
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Collaborative Research and Development Grants
Incertitudes en modélisation numérique hydraulique des ruptures de barrage.
拦河坝破裂水力模型的不确定性。
  • 批准号:
    491880-2015
  • 财政年份:
    2019
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Collaborative Research and Development Grants
High performance computing methodologies for solving complex turbulent flows
解决复杂湍流的高性能计算方法
  • 批准号:
    RGPIN-2016-03812
  • 财政年份:
    2019
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
High performance computing methodologies for solving complex turbulent flows
解决复杂湍流的高性能计算方法
  • 批准号:
    RGPIN-2016-03812
  • 财政年份:
    2018
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Discovery Grants Program - Individual
Développement de modèles géométriques optimisés de nouveaux produits aéronautiques en fabrication additive par simulations numériques des écoulements.
开发新航空产品的几何优化模型和制造添加剂的数值模拟。
  • 批准号:
    536307-2018
  • 财政年份:
    2018
  • 资助金额:
    $ 1.89万
  • 项目类别:
    Engage Grants Program

相似国自然基金

基于肿瘤病理图片的靶向药物敏感生物标志物识别及统计算法的研究
  • 批准号:
    82304250
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
光学注意力调控机制的单透镜拓频及计算成像研究
  • 批准号:
    62375067
  • 批准年份:
    2023
  • 资助金额:
    47 万元
  • 项目类别:
    面上项目
基于介质超表面的光场调控与计算芯片
  • 批准号:
    62335005
  • 批准年份:
    2023
  • 资助金额:
    228 万元
  • 项目类别:
    重点项目
研究重元素体系三电离和三电子亲合能的Fock空间耦合簇计算方法和程序
  • 批准号:
    22373070
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目
非线性磁流体空间分数阶模型长时间计算研究
  • 批准号:
    12301516
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

A web-based platform for robust single-cell analysis, bulk data deconvolution and system-level analysis
基于网络的平台,用于强大的单细胞分析、批量数据反卷积和系统级分析
  • 批准号:
    10766073
  • 财政年份:
    2023
  • 资助金额:
    $ 1.89万
  • 项目类别:
Evaluating the utility of cis-regulatory element graphs for modeling gene regulation
评估顺式调控元件图在基因调控建模中的效用
  • 批准号:
    10776793
  • 财政年份:
    2023
  • 资助金额:
    $ 1.89万
  • 项目类别:
Minimally-invasive technology for personalized nutritional monitoring
用于个性化营养监测的微创技术
  • 批准号:
    10693521
  • 财政年份:
    2023
  • 资助金额:
    $ 1.89万
  • 项目类别:
Integration of electronic medical records and neighborhood contextual indicators into machine learning strategies for identifying pregnant individuals at risk of depression in underserved communities
将电子病历和社区背景指标整合到机器学习策略中,以识别服务欠缺社区中面临抑郁风险的孕妇
  • 批准号:
    10741143
  • 财政年份:
    2023
  • 资助金额:
    $ 1.89万
  • 项目类别:
Genomics Research Experience for Master's Students (GEMS) Fellowship
硕士生基因组学研究经验(GEMS)奖学金
  • 批准号:
    10628537
  • 财政年份:
    2023
  • 资助金额:
    $ 1.89万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了