Exploring the Potential and the Practical Usability of a Machine Learning Approach for Improving Wall Friction Predictions of RANS Wall Functions in Non-equilibrium Turbulent Flows

Erwan Rondeaux, Adèle Poubeau, Christian Angelberger, Miguel Munoz Zuniga, Damien Aubagnac-Karkar, Roberto Paoli

Article de revue (2024)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel
Département:
Département de génie mécanique
Adresse URL de PolyPublie:
https://publications.polymtl.ca/58114/
Titre de la revue :
Flow Turbulence and Combustion
Maison d'édition:
Springer
DOI:
10.1007/s10494-024-00539-1
URL officielle:
https://doi.org/10.1007/s10494-024-00539-1
OAI:
oai:publications.polymtl.ca:58114
ORCID
Date du dépôt:
30 avr. 2024 12:41
Dernière modification:
14 oct. 2026 14:18
Citer en APA 7:
Rondeaux, E., Poubeau, A., Angelberger, C., Zuniga, M. M., Aubagnac-Karkar, D., & Paoli, R. (2024). Exploring the Potential and the Practical Usability of a Machine Learning Approach for Improving Wall Friction Predictions of RANS Wall Functions in Non-equilibrium Turbulent Flows. Flow Turbulence and Combustion, 26-26. https://doi.org/10.1007/s10494-024-00539-1

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document