TU Darmstadt / ULB / TUprints

Datenbasierte Subgridskalen-Modellierung reaktiver Konzentrationsgrenzschichten an freiaufsteigenden Einzelblasen

Kiefer, Alexander (2020):
Datenbasierte Subgridskalen-Modellierung reaktiver Konzentrationsgrenzschichten an freiaufsteigenden Einzelblasen.
Darmstadt, Technische Universität, DOI: 10.25534/tuprints-00011667,
[Master Thesis]

[img]
Preview
Text
Alexander_Kiefer_Masterthesis.pdf
Available under CC-BY 4.0 International - Creative Commons, Attribution.

Download (6MB) | Preview
Item Type: Master Thesis
Title: Datenbasierte Subgridskalen-Modellierung reaktiver Konzentrationsgrenzschichten an freiaufsteigenden Einzelblasen
Language: German
Abstract:

Betrachtet wird das Problem großer Schmidt-Zahlen an einzelnen, freiaufsteigenden Gasblasen mit einer zusätzlichen chemischen Reaktion der Transferspezies. In so einem Fall ist die Konzentrationsgrenzschicht deutlich kleiner als die Strömungsgrenzschicht. Für die Direkte Numerische Simulation bedeutet dies die Verwendung von sehr feinen Gittern, welche den Simulationsaufwand erhöhen. Um dem zu begegnen, verwendeten vorhergehende Arbeiten ein Subgridskalen-Modell für den Speziestransport, womit gröbere Gitter benutzt werden können. Der ungenau wiedergegebene Stofftransport wurde durch Eingriffe des Modells korrigiert. Dies geschieht durch Anpassung der Fluss- und Quellterme der Speziestransportgleichungen in der Simulation. Das Subgridskalen-Modell wurde durch einen datenbasierten Ansatz mit Hilfe eines neuronalen Netzes berechnet. Die dafür notwendigen Trainingsdaten wurden durch Simulationen eines vereinfachten Ersatzproblems gewonnen. Aufbauend auf dieser Vorgehensweise wird in dieser Arbeit ebenfalls ein datenbasiertes Subgridskalen-Modell verwendet. Der Prozess der Trainingsdatengenerierung wird weiter vereinfacht. Es wird ein eindimensionales Modell abgeleitet, mit dem die Trainingsdaten berechnet werden. Dies reduziert den Aufwand für die Datengenerierung. Anstatt einer Zerfallsreaktion für die Transferspezies wird in dieser Arbeit die Reaktion der Transferspezies mit einer, in der Flüssigkeit gelösten, Spezies betrachtet, somit treten zwei zusätzliche Spezies auf. Um den Prozess des Netztrainings zu erleichtern wird eine Reduktion des Trainingsdatensatzes durchgeführt, um redundante Daten herauszufiltern. In dieser Arbeit werden zwei Reduktionsalgrithmen entwickelt, miteinander verglichen und schließlich kombiniert. Erste Tests des Subgridskalen-Modells an einer einfachen Blasengeometrie haben gute Ergebnisse gezeigt. Ein Vergleich mit einer vollaufgelösten Referenzsimulation zeigte Abweichungen der globalen Sherwood-Zahl für die Transferspezies von unter 4%.

Alternative Abstract:
Alternative AbstractLanguage
The high Schmidt-number problem is considered at single, free-rising gas bubbles with an additional chemical reaction of the transfer species. In such a case the concentration boundary layer is significantly smaller than the flow boundary layer. For Direct Numerical Simulation, this requires the use of very fine grids, which increase the simulation effort. To counteract this, previous works have used a subgrid-scale model for species transport, allowing to use coarser grids. The inaccurately predicted mass transport is corrected by intervention of the model. This is done by adjusting flux and source terms in the simulation. The subgrid-scale model was created by means of a data-driven approach using a neural network. The necessary training data was obtained from simulations of a simplified problem. Based on this approach, a data-driven subgrid-scale model is also used in this thesis. The process of training data generation is further simplified. A one-dimensional model is derived, with which the training data is calculated. This reduces the effort for data generation. Instead of a decay reaction for the transfer species, in this work the reaction of the transfer species with one species dissolved in the liquid is considered, thus two additional species occur. To facilitate the process of network training, a reduction of the training data set is performed to filter out redundant data. In this thesis, two reduction algorithms are developed, compared and finally combined. First tests of the subgrid-scale model on a simple bubble shape have shown good results. A comparison with a fully resolved reference simulation has shown deviations of the global Sherwood number for the transport species of less than 4%.English
Place of Publication: Darmstadt
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 16 Department of Mechanical Engineering > Institute for Technical Thermodynamics (TTD)
Date Deposited: 06 Aug 2020 12:02
Last Modified: 06 Aug 2020 13:25
DOI: 10.25534/tuprints-00011667
URN: urn:nbn:de:tuda-tuprints-116673
Referees: Bothe, Prof. Dr. Dieter and Stephan, Prof. Dr. Peter
Refereed: 14 April 2020
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/11667
Export:
Actions (login required)
View Item View Item