Point-Collocation Non-intrusive Polynomial Chaos 기법을 활용한 평판 주위 난류 유동장 해석

장경식; 고아림

doi:10.6112/kscfe.2018.23.2.094

추천

검색

질문

자료유형: 학술저널

저자정보: 장경식 (울산대학교) 고아림 (한서대학교)

저널정보: 한국전산유체공학회 한국전산유체공학회지 한국전산유체공학회지 제23권 제2호

발행연도: 2018.6

수록면: 94 - 100 (7page)

DOI: 10.6112/kscfe.2018.23.2.094

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2018

Point-Collocation Non-intrusive Polynomial Chaos 기법을 활용한 평판 주위 난류 유동장 해석

장경식 , 고아림 한국전산유체공학회지 2018.06 학술저널

2017

Point-Collocation Nonintrusive Polynomial Chaos 기법을 활용한 평판 전산 유동 해석

장경식 , 고아림 , 김성진 한국전산유체공학회 학술대회논문집 2017.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In the present work, uncertainty quantification based on the point-collocation Non-intrusive Polynomial Chaos was studied in turbulent flow around the flat plate using Menter’s SST k-ω model. Two random variables of β* , model coefficient of Menter’s SST k-ω model and U<SUB>∞</SUB>, the freestream velocity are considered. β*, model coefficient was assumed to be uniformly distributed and the freestream velocity U<SUB>∞</SUB>, normally distributed with a certain value of variance. First, the uncertainty quantification with the single random variable of each one was simulated for sensitivity analysis of each parameter on the outputs such as drag coefficient and skin friction one. When the normal distribution of freestream velocity is considered, the drag coefficient showed the same type of distribution with 0.9% standard deviation. The uniform distribution of β* with the internals of 0.0784 and 0.1024 had an effect on 5% variance on drag coefficient. When two random variables are considered simultaneously, the distribution of drag coefficient showed closer type with one of model coefficient β* .The convergence rate of mean value was late than that with single random variable and standard deviation was not converged until the 5th order of gPC.

#불확실성 정량화(Uncertainty Quantification) #비침투적 PC(Non-Intrusive Polynomial Chaos) #평판 유동(Flat Plate Flow) #SST k-ω 모델(SST k-ω model) #난류 모델링(Turbulence modeling)

참고문헌 (12)

참고문헌 신청

2010, Xiu, D., Numerical methods for stochastic computations, a spectral method approach, Princeton University Press. 2010, Hosder, S., Walters, R.W. and Balch, M., Point-collocation nonintrusive polynomial chaos method for stochastic computational fluid dynamics, AIAA J., Vol.48, No.12, pp.2721-2730. 2017, Wu, X., Zhang, W. and Song, S., Uncertainty Quantification and Sensitivity Analysis of Transonic Aerodyanmics with Geometric Uncertainty, International Journal of Aerospace Engineering, ArticleID 8107190, p.16. 2016, Schaefer, J., West, T., Hosder, S., Rumsey, C., Carlson, J. and Kleb, W., Uncertainty Quantification of Turbulence Model Closure Coefficients for Transonic Wall-Bounded Flows, AIAA Journal, Vol.55, No.1, pp.195-213. 2008, Platteeuw, P.D.A., Loeven, G.J.A. and Bijl, H., Uncertainty Quantification Applied to the k-ε model of Turbulence Using the Parabolic Collocation Method, AIAA 2008-2150.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Kyoungsik Chang

소속기관 울산대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 5% 공학 > 기계공학 > 항공우주공학

논문수 95 이용수 6,692

고아림

소속기관 한서대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 기계공학 > 항공우주공학

논문수 4 이용수 225

이 논문과 함께 이용한 논문

Point-Collocation NIPC 기법 기반 천이 난류 모델 계수의 베이지안 추론 연구

배재현 , 장경식 , 호아이탄 응우옌 외 1명 한국전산유체공학회지 2020 .06

난류 유동 모델링을 위한 인공신경망 기반 인자 축소 기법

김영재 , 정호교 , 하강우 외 2명 대한기계학회 춘추학술대회 2019 .04

딥러닝을 이용한 벽 근처 난류 예측 및 제어

박종환 , 최해천 대한기계학회 춘추학술대회 2018 .12

유입 난류 생성을 위한 난류의 비지도 학습

김준혁 , 이창훈 대한기계학회 춘추학술대회 2018 .12

Robust optimization of the production profile of the steam assisted gravity drainage reservoir using a polynomial chaos expansion-based proxy model

Ajay Ganesh , Ta , ang Jain 외 6명 제어로봇시스템학회 국제학술대회 논문집 2018 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-559-003158057

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)