Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | New York University | - |
Autor(es): dc.contributor | University of Washington | - |
Autor(es): dc.creator | Oishi, C. M. | - |
Autor(es): dc.creator | Kaptanoglu, A. A. | - |
Autor(es): dc.creator | Kutz, J. Nathan | - |
Autor(es): dc.creator | Brunton, S. L. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:21:19Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:21:19Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-10-02 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1098/rsos.240995 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/301392 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/301392 | - |
Descrição: dc.description | Reduced-order models (ROMs) have been widely adopted in fluid mechanics, particularly in the context of Newtonian fluid flows. These models offer the ability to predict complex dynamics, such as instabilities and oscillations, at a considerably reduced computational cost. In contrast, the reduced-order modelling of non-Newtonian viscoelastic fluid flows remains relatively unexplored. This work leverages the sparse identification of nonlinear dynamics (SINDy) algorithm to develop interpretable ROMs for viscoelastic flows. In particular, we explore a benchmark oscillatory viscoelastic flow on the four-roll mill geometry using the classical Oldroyd-B fluid. This flow exemplifies many canonical challenges associated with non-Newtonian flows, including transitions, asymmetries, instabilities, and bifurcations arising from the interplay of viscous and elastic forces, all of which require expensive computations in order to resolve the fast timescales and long transients characteristic of such flows. First, we demonstrate the effectiveness of our data-driven surrogate model to predict the transient evolution and accurately reconstruct the spatial flow field for fixed flow parameters. We then develop a fully parametric, nonlinear model capable of capturing the dynamic variations as a function of the Weissenberg number. While the training data are predominantly concentrated on a limit cycle regime for moderate Wi, we show that the parametrized model can be used to extrapolate, accurately predicting the dominant dynamics in the case of high Weissenberg numbers. The proposed methodology represents an initial step in applying machine learning and reduced-order modelling techniques to viscoelastic flows. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Departamento de Matemática e Computação Faculdade de Ciências e Tecnologia São Paulo State University Prudente | - |
Descrição: dc.description | Courant Institute of Mathematical Sciences New York University | - |
Descrição: dc.description | Department of Applied Mathematics University of Washington | - |
Descrição: dc.description | Department of Mechanical Engineering University of Washington | - |
Descrição: dc.description | Departamento de Matemática e Computação Faculdade de Ciências e Tecnologia São Paulo State University Prudente | - |
Descrição: dc.description | CNPq: 305383/2019-1 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Royal Society Open Science | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | computational fluid dynamics | - |
Palavras-chave: dc.subject | data-driven models | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | reduced-order models | - |
Palavras-chave: dc.subject | sparse identification of nonlinear dynamics | - |
Palavras-chave: dc.subject | viscoelastic fluids | - |
Título: dc.title | Nonlinear parametric models of viscoelastic fluid flows | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: