Return to search

Détection des grandes structures turbulentes dans les couches de mélange de type Rayleigh-Taylor en vue de la validation de modèles statistiques turbulents bi-structure

Cette thèse a pour objectif de détecter les structures turbulentes aux grandes échelles présentes dans une couche de mélange de type Rayleigh-Taylor incompressible à faible nombre d'Atwood. Diverses grandeurs statistiques conditionnées par la présence de ces structures ont été obtenues, et il est désormais possible de les comparer avec les résultats des modèles statistiques turbulents dits bi-structure, tel le modèle 2SFK développé au CEA. Afin de réaliser les simulations numériques directes du mélange turbulent, un code numérique tridimensionnel incompressible à densité variable a été développé. Ce code a été parallélisé dans les trois directions. Plusieurs méthodes de détection de structure ont été conçues et testées. Bien que toutes ces méthodes présentent différents intérêts, seule la plus efficace vis-à-vis de nos critères de détection a été gardée pour faire des simulations à forte résolution (plus d'un milliard de mailles, 1024^3). Un filtrage temporel de la vitesse verticale est utilisé dans cette méthode de détection afin de : 1) corriger les distorsions dues aux points d'arrêt et zones de recirculation dans l'écoulement, 2) minimiser l'effet de la turbulence aux petites échelles et mieux mettre en évidence les grandes échelles, 3) introduire un effet mémoire permettant de prolonger la bimodalité du champ de détection depuis les zones laminaires extérieures jusqu'au centre de la zone de mélange turbulent. Plusieurs simulations numériques directes 1024^3 ont été effectuées. Les résultats viennent conforter ceux obtenus avec le modèle bi-structure 2SFK et justifient une étude plus poussée des grandeurs statistiques en vue de sa validation.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00669707
Date21 September 2011
CreatorsWatteaux, Romain
PublisherÉcole normale supérieure de Cachan - ENS Cachan
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0024 seconds