DNS und visuelle Analyse von Superstrukturen in turbulenten Kanälen mit Mischung durch parallele Injektion

Um das Auftreten und die Auswirkungen von Superstrukturen in turbulenten Mischungen in Kanälen bei hohen Reynoldszahlen unter paralleler Injektion zu untersuchen, wird eine
Kombination aus Direct Numerical Simulation (DNS), Wirbelextraktion, sowie eine feature-basierte Visualisierung vorgeschlagen. Hierfür sind keine Standardansätze vorhanden.
Für die DNS ist die Herausforderung, hohe Reynoldszahlen auf HPC-Systemen zu behandeln.
Weiterhin müssen Modelle bereitstehen, die numerisch alle Strömungseigenschaften, die für die Vermischung relevant sind, beschreiben.
Für die Wirbelextraktion gibt es drei Herausforderungen: zum einen verhindert die vorhandene Turbulenz, dass lokale Standard-Wirbelmasse genutzt werden können. Stattdessen
sind Lagrange- oder hierarchische Wirbeldefinitionen notwendig. Zum zweiten muss die Wirbelextraktion so parametrisiert werden, dass die interessanten und nicht unbedingt die stärksten Wirbelstrukturen gefunden werden. Zum dritten muss die Extraktion on-the-fly erfolgen, da die pure Menge an Simulationsdaten keine anderen Lösungen zulässt.
Um die Phänomene zu analysieren, werden DNS, Wirbel-Extraktion und Visualisierung in einem feedback-loop kombiniert. Während eine mehrstufige POD zusammen mit einer automatischen Wirbel-Extraktion on-the-fly durchgeführt wird, werden die dabei entstehenden Wirbelstrukturen in einem Postprocessing-Schritt visuell analysiert.
Diese effiziente Kombination aus DNS, POD und visueller Analyse soll die Identifizierung von Superstrukturen ermöglichen und helfen, deren Auswirkungen auf Transportprozesse zu erklären.

DNS and Visual Analysis of Superstructures in Turbulent Channels with Mixing by Parallel Injection

In order to analyze the occurrence and the impact of superstructures on
turbulent mixing in channels at high Reynolds numbers with a parallel injection,
a combination of Direct Numerical Simulation (DNS), vortex
definition and identification, and feature-based visualization, is
proposed. Standard, off-the-shelf solutions are not available for this
purpose.
Concerning DNS, the central issue is to access high Reynolds numbers
with excellent efficiency on HPC systems. Additionally, suitable
models must be included to describe numerically all fluid
properties relevant for mixing.
The main challenge in vortex extraction is three-fold. Firstly,
high-intensity turbulence excludes standard vortex definitions that are
based on a local analysis of the flow derivatives. Instead, global,
Lagrangian, or hierarchical vortex definitions are necessary that are
based on filtering operations on the flow map instead of the velocity
field. Secondly, vortex definitions and parameter tuning has to be
adapted such that it does not focus on upstream vortices
close to injection but tackles the less obvious, noisier
and more unsteady vortex structures downstream. Thirdly, in terms of
visual analysis, the main challenge is associated with the sheer size of
the data sets: DNS typically delivers data sets that cannot be
completely stored during the simulation. Hence, on-the-fly solutions for
the visual analysis are necessary.
To analyze the phenomena, DNS, vortex extraction and visualization have
to be combined into a feedback cycle in a computational steering sense.
While a multi-scale POD along with an automatic vortex extraction is carried out
on-the-fly, the resulting vortices are later visually analyzed in an interactive manner,
allowing adaptation of both the visualization parameters and further simulation
parameters. This efficient combination of DNS, POD, and visual analysis shall allow the identification of superstructures and help explain their impact on transport processes.