Publikationen

Zürner, Till; Schindler, Felix; Vogt, Tobias; Eckert, Sven; Schumacher, Jörg
The evolution of the large-scale flow in magnetoconvection. - In: DPG-Frühjahrstagung 2019 (DPG Spring Meeting 2019) of the Condensed Matter Section (SKM) together with the Division Radiation and Medical Physics and the Working Groups Equal Opportunities, Industry and Business, Young DPG; Symposia, exhibition of scientific instruments and literature, (2019), DY 5.5

Götzfried, Paul;
Transport and mixing properties of passive and active scalar with and without phase changes. - Ilmenau, 2019. - viii, 135 Seiten
Technische Universität Ilmenau, Dissertation 2019

Turbulentes Mischen und sogenanntes Entrainment erfolgt in vielen Prozessen in der Natur und der Atmosphäre. Die Dynamik von Wolken und deren Lebensdauer wird durch turbulentes Entrainment bestimmt, wo meist ungesättigte, nicht turbulente Luft in die turbulente Wolke eindringt. Ziel der vorliegenden Arbeit ist es, Mischungsprozesse aktiver und passiver Skalarfelder mithilfe rechenintensiver, direkter numerischer Simulationen näher zu untersuchen. Ein kombiniertes Euler-Lagrange Verfahren bildet hierbei die Grundlage. Im ersten Teil wird die Lagrangesche und die Eulersche Darstellung des passiven Skalars für den simplen Fall eines zerfallenden Skalars bei hohen Schmidtzahlen direkt miteinander verglichen. In dem Lagrangebild werden zahlreiche masselose Tracer mit der Strömung advektiert und die Diffusion mit Brownscher Bewegung modelliert. In dem Eulerbild wird der Skalar wie ein Kontinuum behandelt. Die durchschnittliche, charakteristische Mischungszeit wird im Lagrangebild separat durch die Berechnung des Spektrums der finiten Ljapunow-Eponenten ermittelt. Diese Zeit gibt an, ab wann die Diffusion der skalaren Schichten einsetzt. Über mehrere Mischungszeiten hinweg ergibt sich eine gute Übereinstimmung der Varianz und der Wahrscheinlichkeitsverteilung der beiden Darstellungen des Skalars. Die Berechnung der Ljapunow-Exponenten ermöglicht eine qualitative Vorhersage der Verteilung der skalaren Konzentration für unterschiedliche Zeiten. Die Lagrangesche Darstellung vom passiven Skalar hat hierbei viele Vorteile im Vergleich zu der üblichen Eulerschen Darstellung wie z.B. komplexere Randbedingungen und Modelle für die Zugabe und Umverteilung des Skalars. Der zweite Teil der Arbeit widmet sich dem Mischen des aktiven Skalars einschließlich möglicher Phasenumwandlungen. Eine direkte Anwendung dafür ist das Mischen am Rand einer Kumuluswolke. Hierbei werden in der Lagrangeschen Darstellung masselose Tracer durch Wolkentropfen ersetzt. Das Einfangen der trockenen Luft durch die turbulente Wolke bewirkt eine Verdampfung dieser Tröpfchen und dadurch lokal eine Änderung der Temperatur und des Dampfgehaltes. Beide Felder sind aktive Skalare und verändern die Strömung aufgrund ihrer Schwankungen. Hierbei werden zwei Parametereinflüsse näher untersucht, einerseits der Einfluss des gewählten Simulationsvolumens und andererseits der Einfluss der gewählten Anfangsbedingungen mit einer Variation des Turbulenzgrades der Umgebungsluft. Es stellt sich insgesamt heraus, dass während dem transientem Mischungsprozess größtenteils der Auftrieb für die Ausbildung der Mischungsschicht verantwortlich ist und anfangs zum Abwind am Wolkenrand und zum Aufwind innerhalb der Wolke führt. Statistiken individueller Tröpfchen belegen, dass das Mischen empfindlicher auf großskalige Strukturen reagiert und der Turbulenzgrad eher eine untergeordnete Rolle spielt. Eine zusätzliche systematische Untersuchung, bei der das Simulationsgebiet und dadurch die Anzahl der Freiheitsgrade erhöht wird, zeigt, dass die Art des inhomogenen Mischens am Wolkenrand überwiegend durch große Skalen bestimmt wird.

Fonda, Enrico; Pandey, Ambrish; Schumacher, Jörg; Sreenivasan, Katepalli R.
Deep learning in turbulent convection networks. - In: Proceedings of the National Academy of Sciences of the United States of America, ISSN 1091-6490, Bd. 116 (2019), 18, S. 8667-8672

We explore heat transport properties of turbulent Rayleigh-Bénard convection in horizontally extended systems by using deep-learning algorithms that greatly reduce the number of degrees of freedom. Particular attention is paid to the slowly evolving turbulent superstructures - so called because they are larger in extent than the height of the convection layer - which appear as temporal patterns of ridges of hot upwelling and cold downwelling fluid, including defects where the ridges merge or end. The machine-learning algorithm trains a deep convolutional neural network (CNN) with U-shaped architecture, consisting of a contraction and a subsequent expansion branch, to reduce the complex 3D turbulent superstructure to a temporal planar network in the midplane of the layer. This results in a data compression by more than five orders of magnitude at the highest Rayleigh number, and its application yields a discrete transport network with dynamically varying defect points, including points of locally enhanced heat flux or "hot spots". One conclusion is that the fraction of heat transport by the superstructure decreases as the Rayleigh number increases (although they might remain individually strong), correspondingly implying the increased importance of small-scale background turbulence.

https://doi.org/10.1073/pnas.1900358116

Iyer, Kartik P.; Schumacher, Jörg; Sreenivasan, Katepalli R.; Yeung, Pui-Kuen
Scaling of locally averaged energy dissipation and enstrophy density in isotropic turbulence. - In: New journal of physics, ISSN 1367-2630, Bd. 21 (2019), 033016, insges. 6 S.

Using direct numerical simulations of isotropic turbulence in periodic cubes of several grid sizes, the largest being 81923 yielding a microscale Reynolds number of 1300, we study the properties of pressure Laplacian to understand differences in the inertial range scaling of enstrophy density and energy dissipation. Even though the pressure Laplacian is the difference between two highly intermittent quantities, it is non-intermittent and essentially follows Kolmogorov scaling, at least for low-order moments. Using this property, we show that the scaling exponents of local averages of dissipation and enstrophy remain unequal at all finite Reynolds numbers, though there appears to be a very weak tendency for the difference to decrease with increasing Reynolds number.

https://doi.org/10.1088/1367-2630/ab05e8

Prinz, Sebastian;
Direct and large-eddy simulations of wall-bounded magnetohydrodynamic flows in uniform and non-uniform magnetic fields. - Ilmenau, 2019. - 113 Seiten
Technische Universität Ilmenau, Dissertation 2019

Die vorliegende Arbeit beschäftigt sich mit magnetohydrodynamischen Strömungen auf industriellen Längen- und Geschwindigkeitsskalen. Strömungen dieser Art treten unter anderem bei metallurgischen Prozessen auf. Hier werden Magnetfelder genutzt, um Flüssigmetallströmungen zu beeinflussen oder zu messen. In dieser Arbeit werden diese Strömungen mit Hilfe von numerischen Simulationen untersucht. Dabei wird ein vorhandener wissenschaftlicher Computercode genutzt und erweitert. Die Arbeit besteht aus zwei Teilen. Im ersten Teil werden verschiedene Strömungen in dünnen Flüssigmetallschichten untersucht. Die Strömungen werden ausschließlich durch Lorentzkräfte angetrieben. Das Magnetfeld wird durch einen Permanentmagneten modelliert. Die Ergebnisse der numerischen Simulationen ermöglichen einen detaillierten Einblick in die Struktur der zugrundeliegenden Strömungen. Im Weiteren werden Strömungen untersucht, die von großem praktischen Interesse sind, wie z.B. die Durchmischung von masselosen Teilchen in einer Metallschmelze durch einen oszillierenden Permanentmagneten. Der zweite Teil der Arbeit beschäftigt sich mit druckgetriebenen, magnetohydrodynamischen Kanalströmungen in räumlich homogenen Magnetfeldern. Da Flüssigmetalle üblicherweise eine geringe kinematische Viskosität besitzen, sind Strömungen dieser Art für gewöhnlich turbulent. Aufgrund eines breiten Spektrums an Längen- und Zeitskalen in turbulenten Strömungen ist deren Untersuchung mittels direkter numerischer Simulation äußerst kostenintensiv oder gar unmöglich. Daher wurde der Computercode erweitert, um sogenannte Grobstruktursimulationen durchzuführen, welche den Rechenaufwand deutlich reduzieren können. Insbesondere wird der Einfluss des numerischen Diskretisierungschemas auf das Resultat einer Grobstruktursimulation untersucht. Es wird gezeigt, dass der numerische Fehler die wandnahen turbulenten Strukturen beeinflusst und folglich hohe Anforderungen an die wandnahe Gitterauflösung stellt. Hierbei verbessern Feinstrukturmodelle, die auch den Energietransfer von kleinen zu großen Skalen modellieren, die Resultate der Grobstruktursimulation signifikant.