دانلود کتاب سمپوزیوم IUTAM در مورد شبیه سازی و شناسایی ساختارهای سازمان یافته در جریان: مجموعه مقالات سمپوزیوم IUTAM که در لینگبی، دانمارک، 25 تا 29 مه 1997 برگزار شد. بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : IUTAM Symposium on Simulation and Identification of Organized Structures in Flows: Proceedings of the IUTAM Symposium held in Lyngby, Denmark, 25–29 May 1997
ویرایش : 1
عنوان ترجمه شده به فارسی : سمپوزیوم IUTAM در مورد شبیه سازی و شناسایی ساختارهای سازمان یافته در جریان: مجموعه مقالات سمپوزیوم IUTAM که در لینگبی، دانمارک، 25 تا 29 مه 1997 برگزار شد.
سری : Fluid Mechanics and Its Applications 52
نویسندگان : John Kim (auth.), J. N. Sørensen, E. J. Hopfinger, N. Aubry (eds.)
ناشر : Springer Netherlands
سال نشر : 1999
تعداد صفحات : 513
ISBN (شابک) : 9789401059442 , 9789401146012
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 25 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
دینامیک جریانهای انتقالی و متلاطم اغلب تحت سلطه ساختارهای سازمانیافته با طول عمر بسیار طولانیتر از مقیاس زمانی مشخص تلاطم در مقیاس کوچک اطراف است. سازه های سازمان یافته ممکن است به عنوان جریان های ثانویه در نتیجه یک ناپایداری ظاهر شوند اما در جریان های متلاطم باقی می مانند. آنها خود را به صورت گرداب ها یا گرداب های موضعی نشان می دهند و نقش مهمی را در این موارد ایفا می کنند. فرآیندهای اختلاط و حمل و نقل اگرچه وجود ساختارهای سازمانیافته توسط بسیاری از آزمایشها و شبیهسازیهای عددی آشکار شده است، زیرا هیچ اتفاق نظری در مورد چگونگی تعریف آنها و از نظر فنی نحوه تشخیص آنها وجود ندارد. در سال های اخیر چندین ابزار شناسایی برای تجزیه و تحلیل جریان های پیچیده توسعه یافته است. این ابزارها شامل نسخههای مختلفی از تکنیک Proper Orthog onal Decomposition (POD)، تبدیل موجک، تشخیص الگو و غیره است. در عین حال، بهبود در تکنیکهای تجربی دادههایی را در دسترس قرار داده است که روشهای تشخیص کارآمد را بیشتر ضروری میکند. یک مثال برجسته تکنیک سرعت سنجی تصویر ذرات (PIV) است که از آن می توان داده های پیچیده جریان مکانی-زمانی را به دست آورد. یکی از ویژگیهای جالب برخی از تکنیکهای شناسایی این است که پایهای را برای مدلهای کاهشیافته تشکیل میدهند که توسط آنها میتوان فرآیندهای دینامیکی را با جزئیات مطالعه کرد. از مطالعات سیستم های دینامیکی اتلافی نشان داده شده است که در فضای فاز، جریان های انتقالی و آشفته را می توان با رفتار کم بعدی آنها شناسایی کرد. بنابراین، استفاده از دادههای آزمایشها یا شبیهسازیهای عددی برای شکلدهی حالتهای مستقر در جاذبههای بعدی محدود ممکن است هزینههای محاسباتی را بهطور چشمگیری کاهش دهد.
The dynamics of transitional and turbulent flows is often dominated by organized structures with a life-time much longer than a characteristic time scale of the surrounding small-scale turbulence. Organized structures may appear as secondary flows as a result of an instability but they persist in turbulent flows. They manifest themselves as eddies or localized vortices and play an important role in e.g. mixing and transport processes. Al though the existence of organized structures has been revealed by many experiments and by numerical simulations they are somewhat elusive, as there is no consensus on how to define them and technically how to detect them. In recent years several identification tools for analysing complex flows have been developed. These tools include various versions of the Proper Orthog onal Decomposition (POD) technique, wavelet transforms, pattern recogni tion, etc. At the same time, improvements in experimental techniques have made available data that further necessitate efficient detection methods. A prominent example is the Particle Image Velocimetry (PIV) technique from which complex spatio-temporal flow data can be obtained. An interesting feature of some of the identification techniques is that they form the basis for reduced models by which dynamical processes can be studied in details. From studies of dissipative dynamical systems it has been revealed that, in phase space, transitional and turbulent flows can be identified by their low-dimensional behaviour. Thus, employing data from experiments or nu merical simulations to form modes residing on finite-dimensional attractors may dramatically reduce computing costs.