[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_m%C3%B4%20ph%E1%BB%8Fng%20xo%C3%A1y%20l%E1%BB%9Bn{\"limit\":5}":3,"_public_topic_byId_m%C3%B4%20ph%E1%BB%8Fng%20xo%C3%A1y%20l%E1%BB%9Bn":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":13,"englishTitle":17,"synonyms":18,"definition":21,"discipline":22,"references":23,"faqs":58,"createUser":68,"publishUser":72,"keywords":76,"keywordCount":87,"enrichTopicLink":88,"status":89,"createTime":90,"updateTime":91,"publishTime":92,"linkEnrichedTime":93,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":94,"wikidataId":10,"relateTopics":95},"mô phỏng xoáy lớn","Mô phỏng xoáy lớn là gì? Cơ sở toán học và mô hình hóa","Tìm hiểu mô phỏng xoáy lớn (LES) là gì, nguyên lý lọc không gian Navier-Stokes, mô hình xoáy dưới lưới Smagorinsky, WALE và ứng dụng cơ học chất lưu.","\u003Cp>Mô phỏng xoáy lớn là phương pháp mô phỏng số trong cơ học chất lưu tính toán nhằm phân tích chính xác các dòng chảy rối thông qua việc phân giải trực tiếp các cấu trúc xoáy quy mô lớn và mô hình hóa các cấu trúc xoáy quy mô nhỏ dưới kích thước lưới. Phương pháp này đóng vai trò cầu nối quan trọng giữa các mô hình trung bình thống kê truyền thống và phương pháp mô phỏng trực tiếp toàn phần, mang lại độ tin cậy vật lý vượt trội trong nghiên cứu khí động học, âm học chất lưu và các quá trình truyền nhiệt - cháy phức tạp. Bài viết này trình bày toàn diện về cơ sở toán học của phép lọc không gian, các mô hình xoáy dưới lưới tiêu biểu, yêu cầu tính toán và phạm vi ứng dụng của phương pháp.\u003C\u002Fp>\n\n\u003Ch2>Vị trí của mô phỏng xoáy lớn trong cơ học dòng rối\u003C\u002Fh2>\n\u003Cp>Dòng chảy rối trong tự nhiên và kỹ thuật được đặc trưng bởi sự tồn tại đồng thời của một phổ xoáy trải rộng trên nhiều bậc quy mô không gian và thời gian khác nhau. Theo lý thuyết dòng rối đồng nhất của Kolmogorov, {{topic|%7B%22topic%22%3A%22n%C4%83ng%20l%C6%B0%E1%BB%A3ng%20%C4%91%E1%BB%99ng%20h%E1%BB%8Dc%22%7D}} được truyền từ các cấu trúc xoáy quy mô lớn nhất (phụ thuộc chặt chẽ vào hình học biên của dòng chảy) xuống các cấu trúc xoáy trung gian và cuối cùng bị tiêu tán thành nhiệt năng bởi lực nhớt phân tử tại thang vi mô Kolmogorov.\u003C\u002Fp>\n\u003Cp>Trong cơ học chất lưu tính toán, ba cách tiếp cận chính đối với dòng chảy rối bao gồm:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Mô phỏng phương trình Navier-Stokes trung bình Reynolds (RANS):\u003C\u002Fstrong> Thực hiện lấy trung bình thời gian hoặc trung bình tập hợp toàn bộ trường dòng chảy, mô hình hóa toàn bộ dao động rối thông qua các phương trình độ nhớt xoáy bổ sung. Phương pháp này có chi phí tính toán thấp nhưng thường đánh mất các đặc tính tức thời phi dừng quan trọng của dòng chảy.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Mô phỏng số trực tiếp (DNS):\u003C\u002Fstrong> Phân giải toàn bộ phổ xoáy rối từ kích thước hình học vĩ mô đến thang đo Kolmogorov nhỏ nhất mà không sử dụng bất kỳ giả định mô hình hóa dòng rối nào. Tuy nhiên, khối lượng tính toán của DNS tăng lũy thừa theo số Reynolds, khiến phương pháp này hầu như chỉ giới hạn trong {{topic|%7B%22topic%22%3A%22nghi%C3%AAn%20c%E1%BB%A9u%20c%C6%A1%20b%E1%BA%A3n%22%7D}} ở số Reynolds thấp và trung bình.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Mô phỏng xoáy lớn (LES):\u003C\u002Fstrong> Nằm ở vị trí trung gian giữa RANS và DNS. Phương pháp này phân giải trực tiếp các xoáy lớn mang phần lớn năng lượng động học và chịu trách nhiệm cho quá trình vận chuyển chất lượng - nhiệt lượng, trong khi các xoáy nhỏ hơn mắt lưới (mang tính đẳng hướng và có tính chất phổ quát cao hơn) được đại diện thông qua các mô hình xoáy dưới lưới (subgrid-scale models).\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Cơ sở toán học của phép lọc không gian\u003C\u002Fh2>\n\u003Cp>Nguyên lý cốt lõi của mô phỏng xoáy lớn dựa trên việc áp dụng một toán tử lọc không gian lên phương trình Navier-Stokes cho chất lưu không nén được. Vận tốc lọc \u003Cscript type=\"math\u002Ftex\">\\bar{u}_i(\\boldsymbol{x}, t)\u003C\u002Fscript> tại tọa độ không gian \u003Cscript type=\"math\u002Ftex\">\\boldsymbol{x}\u003C\u002Fscript> được xác định qua tích phân chập với hàm nhân lọc \u003Cscript type=\"math\u002Ftex\">G(\\boldsymbol{x}, \\boldsymbol{\\xi}; \\Delta)\u003C\u002Fscript>:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">\\bar{u}_i(\\boldsymbol{x}, t) = \\int_{\\Omega} u_i(\\boldsymbol{\\xi}, t) G(\\boldsymbol{x}, \\boldsymbol{\\xi}; \\Delta) \\, d\\boldsymbol{\\xi}\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>Trong đó \u003Cscript type=\"math\u002Ftex\">\\Delta\u003C\u002Fscript> biểu diễn độ rộng của bộ lọc, thường được chọn tỷ lệ thuận với kích thước mắt lưới tính toán. Khi áp dụng toán tử lọc này lên phương trình bảo toàn động lượng Navier-Stokes cho dòng không nén được, ta thu được hệ phương trình bảo toàn vận tốc lọc:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">\\frac{\\partial \\bar{u}_i}{\\partial t} + \\frac{\\partial (\\bar{u}_i \\bar{u}_j)}{\\partial x_j} = -\\frac{1}{\\rho} \\frac{\\partial \\bar{p}}{\\partial x_i} + \\nu \\frac{\\partial^2 \\bar{u}_i}{\\partial x_j \\partial x_j} - \\frac{\\partial \\tau_{ij}}{\\partial x_j}\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>Sự xuất hiện của số hạng \u003Cscript type=\"math\u002Ftex\">\\tau_{ij}\u003C\u002Fscript> trong phương trình trên đại diện cho tensor ứng suất dưới lưới (subgrid-scale stress tensor), được định nghĩa bởi:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">\\tau_{ij} = \\overline{u_i u_j} - \\bar{u}_i \\bar{u}_j\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>Tensor \u003Cscript type=\"math\u002Ftex\">\\tau_{ij}\u003C\u002Fscript> biểu diễn tương tác động lượng giữa các cấu trúc xoáy nhỏ chưa được phân giải và trường dòng chảy quy mô lớn đã được lọc. Để khép kín hệ phương trình, các nhà nghiên cứu cần xây dựng các {{topic|%7B%22topic%22%3A%22m%C3%B4%20h%C3%ACnh%20to%C3%A1n%20h%E1%BB%8Dc%22%7D}} nhằm biểu diễn \u003Cscript type=\"math\u002Ftex\">\\tau_{ij}\u003C\u002Fscript> theo các biến số đã biết của trường vận tốc lọc.\u003C\u002Fp>\n\n\u003Ch2>Lịch sử hình thành và công trình đột phá của Deardorff\u003C\u002Fh2>\n\u003Cp>Ý tưởng nền tảng về việc mô hình hóa các quy mô nhỏ trong mô phỏng khí quyển được Joseph Smagorinsky đề xuất đầu tiên trong các nghiên cứu khí quyển ban đầu. Tuy nhiên, việc áp dụng thành công phương pháp này vào một bài toán dòng chảy giới hạn thành trong cơ học chất lưu tính toán được ghi nhận bởi nhà khoa học James Deardorff.\u003C\u002Fp>\n\u003Cp>Trong công trình mang tính bước ngoặt công bố năm 1970 trên tạp chí Journal of Fluid Mechanics, Deardorff đã thực hiện mô phỏng số thành công cho dòng chảy kênh ba chiều ở số Reynolds cao. Công trình của Deardorff năm 1970 đã chứng minh tính khả thi của việc kết hợp việc phân giải trực tiếp các xoáy cấu trúc lớn với mô hình hóa các xoáy dưới lưới, mở ra một kỷ nguyên mới cho việc ứng dụng mô phỏng xoáy lớn trong cơ học chất lưu hiện đại.\u003C\u002Fp>\n\n\u003Ch2>Mô hình xoáy dưới lưới động và đóng góp của Lilly\u003C\u002Fh2>\n\u003Cp>Mô hình đại số kinh điển nhất để khép kín tensor ứng suất dưới lưới là mô hình Smagorinsky, dựa trên giả thuyết độ nhớt xoáy của Boussinesq:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">\\tau_{ij} - \\frac{1}{3} \\tau_{kk} \\delta_{ij} = -2 \\nu_{sgs} \\bar{S}_{ij}\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>Trong đó \u003Cscript type=\"math\u002Ftex\">\\bar{S}_{ij} = \\frac{1}{2} \\left( \\frac{\\partial \\bar{u}_i}{\\partial x_j} + \\frac{\\partial \\bar{u}_j}{\\partial x_i} \\right)\u003C\u002Fscript> là tensor {{topic|%7B%22topic%22%3A%22t%E1%BB%91c%20%C4%91%E1%BB%99%20bi%E1%BA%BFn%20d%E1%BA%A1ng%22%7D}} của trường vận tốc lọc, và độ nhớt xoáy dưới lưới được tính theo công thức:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">\\nu_{sgs} = (C_s \\Delta)^2 |\\bar{S}|\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>với \u003Cscript type=\"math\u002Ftex\">|\\bar{S}| = \\sqrt{2 \\bar{S}_{ij} \\bar{S}_{ij}}\u003C\u002Fscript>. Nhược điểm lớn của mô hình Smagorinsky tiêu chuẩn là hệ số \u003Cscript type=\"math\u002Ftex\">C_s\u003C\u002Fscript> là một hằng số cố định, dẫn đến hiện tượng tiêu tán năng lượng quá mức trong các vùng dòng chảy tầng hoặc vùng chuyển tiếp, đồng thời không tự động triệt tiêu tại bề mặt thành rắn.\u003C\u002Fp>\n\u003Cp>Để khắc phục hạn chế này, Germano và các cộng sự đã đề xuất mô hình xoáy dưới lưới động. Tiếp nối ý tưởng này, trong bài báo công bố năm 1992 trên tạp chí Physics of Fluids A, Douglas Lilly đã đề xuất {{topic|%7B%22topic%22%3A%22ph%C6%B0%C6%A1ng%20ph%C3%A1p%20b%C3%ACnh%20ph%C6%B0%C6%A1ng%20t%E1%BB%91i%20thi%E1%BB%83u%22%7D}} để tối ưu hóa việc xác định hệ số mô hình:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">C(\\boldsymbol{x}, t) = \\frac{1}{2} \\frac{\\langle L_{ij} M_{ij} \\rangle}{\\langle M_{kl} M_{kl} \\rangle}\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>Trong đó \u003Cscript type=\"math\u002Ftex\">L_{ij} = \\widehat{\\bar{u}_i \\bar{u}_j} - \\hat{\\bar{u}}_i \\hat{\\bar{u}}_j\u003C\u002Fscript> là tensor Germano đại diện cho ứng suất rối giải quyết được giữa cấp độ lọc lưới và cấp độ lọc kiểm tra, \u003Cscript type=\"math\u002Ftex\">M_{ij}\u003C\u002Fscript> biểu diễn sự khác biệt giữa hai toán tử biến dạng tương ứng, và dấu ngoặc nhọn biểu thị phép lấy trung bình không gian dọc theo các hướng dòng chảy đồng nhất. Phương pháp của Lilly năm 1992 cho phép xác định hệ số mô hình biến thiên linh hoạt theo không gian và thời gian, triệt tiêu độ nhớt xoáy một cách tự nhiên tại các vùng dòng không có nhiễu loạn rối mà không cần điều chỉnh hệ số thủ công.\u003C\u002Fp>\n\n\u003Ch2>Mô hình WALE và kiểm soát ứng suất sát thành\u003C\u002Fh2>\n\u003Cp>Mặc dù mô hình động Germano-Lilly mang lại độ chính xác cao, việc tính toán lấy trung bình dọc theo các hướng đồng nhất thường gặp khó khăn trong các hình học dòng chảy phức tạp phi đối xứng.\u003C\u002Fp>\n\u003Cp>Để giải quyết bài toán này, Nicoud và Ducros trong công trình công bố năm 1999 trên tạp chí Flow, Turbulence and Combustion đã giới thiệu mô hình WALE (Wall-Adapting Local Eddy-viscosity). Mô hình WALE được xây dựng dựa trên bình phương của tensor gradient vận tốc, cho phép phân biệt rõ ràng giữa chuyển động quay của dòng xoáy và chuyển động biến dạng trượt thuần túy. Biểu thức độ nhớt xoáy dưới lưới của mô hình WALE được xác định bởi:\u003C\u002Fp>\n\n\u003Cp>\u003Cscript type=\"math\u002Ftex; mode=display\">\\nu_{sgs} = (C_w \\Delta)^2 \\frac{(S_{ij}^d S_{ij}^d)^{3\u002F2}}{(\\bar{S}_{ij} \\bar{S}_{ij})^{5\u002F2} + (S_{ij}^d S_{ij}^d)^{5\u002F4}}\u003C\u002Fscript>\u003C\u002Fp>\n\n\u003Cp>Trong đó \u003Cscript type=\"math\u002Ftex\">S_{ij}^d = \\frac{1}{2} (\\bar{g}_{ik}\\bar{g}_{kj} + \\bar{g}_{jk}\\bar{g}_{ki}) - \\frac{1}{3} \\delta_{ij} \\bar{g}_{kk}^2\u003C\u002Fscript> là tensor đối xứng không vết của bình phương gradient vận tốc và \u003Cscript type=\"math\u002Ftex\">\\bar{g}_{ij} = \\frac{\\partial \\bar{u}_i}{\\partial x_j}\u003C\u002Fscript>. Đặc tính nổi bật của mô hình Nicoud và Ducros năm 1999 là độ nhớt xoáy dưới lưới tự động suy giảm về không theo bậc lũy thừa ba khi tiến sát bề mặt thành rắn, tái hiện chính xác hành vi vật lý của lớp đệm dính mà không cần áp dụng các hàm suy giảm khoảng cách nhân tạo.\u003C\u002Fp>\n\n\u003Ch2>Yêu cầu tính toán và thách thức phân giải lưới\u003C\u002Fh2>\n\u003Cp>Một trong những {{topic|%7B%22topic%22%3A%22y%E1%BA%BFu%20t%E1%BB%91%20quy%E1%BA%BFt%20%C4%91%E1%BB%8Bnh%22%7D}} sự thành công và chi phí tính toán của mô phỏng xoáy lớn là việc thiết kế lưới tính toán tại các vùng lớp biên sát thành.\u003C\u002Fp>\n\u003Cp>Trong bài tổng quan chuyên sâu công bố năm 1999 trên tạp chí Progress in Aerospace Sciences, Ugo Piomelli đã phân tích toàn diện các thành tựu và thách thức tính toán của mô phỏng xoáy lớn. Piomelli năm 1999 chỉ ra rằng thách thức lớn nhất của LES nằm ở lớp biên sát thành, nơi quy mô của các xoáy rối trở nên vô cùng nhỏ bé và phụ thuộc trực tiếp vào độ dày nhớt của chất lưu.\u003C\u002Fp>\n\u003Cp>Vấn đề này được định lượng hóa rõ nét trong công trình nghiên cứu của Choi và Moin công bố năm 2012 trên tạp chí Physics of Fluids. Bằng các phân tích giải tích và thống kê số liệu dòng chảy lớp biên, Choi và Moin năm 2012 đã chứng minh rằng đối với phương pháp LES giải quyết đầy đủ lớp biên sát thành (wall-resolved LES), số lượng điểm lưới cần thiết tăng theo quy luật tỷ lệ chính xác là \u003Cscript type=\"math\u002Ftex\">Re_{L_x}^{13\u002F7}\u003C\u002Fscript> (xấp xỉ \u003Cscript type=\"math\u002Ftex\">Re_{L_x}^{1.86}\u003C\u002Fscript>). Trong khi đó, nếu áp dụng kỹ thuật mô hình hóa lớp biên sát thành (wall-modeled LES), số điểm lưới chỉ tăng xấp xỉ tuyến tính theo số Reynolds. Kết quả này lý giải vì sao các mô phỏng công nghiệp ở số Reynolds lớn thường kết hợp LES với các mô hình thành hoặc chuyển sang các phương pháp lai ghép.\u003C\u002Fp>\n\n\u003Ch2>So sánh toàn diện các phương pháp mô phỏng dòng rối\u003C\u002Fh2>\n\u003Cp>Bảng dưới đây tóm tắt các đặc tính kỹ thuật chính để phân biệt ba trường phái mô phỏng số dòng chảy rối trong cơ học chất lưu:\u003C\u002Fp>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Tiêu chí đánh giá\u003C\u002Fth>\n\u003Cth>RANS\u003C\u002Fth>\n\u003Cth>LES\u003C\u002Fth>\n\u003Cth>DNS\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>Bản chất toán học\u003C\u002Ftd>\n\u003Ctd>Lấy trung bình thống kê toàn bộ\u003C\u002Ftd>\n\u003Ctd>Lọc không gian theo quy mô xoáy\u003C\u002Ftd>\n\u003Ctd>Giải trực tiếp toàn bộ phổ không lọc\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Quy mô phân giải\u003C\u002Ftd>\n\u003Ctd>Chỉ phân giải chuyển động trung bình\u003C\u002Ftd>\n\u003Ctd>Phân giải trực tiếp các xoáy lớn\u003C\u002Ftd>\n\u003Ctd>Phân giải toàn bộ đến thang Kolmogorov\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Mô hình hóa dòng rối\u003C\u002Ftd>\n\u003Ctd>Mô hình hóa toàn bộ dao động rối\u003C\u002Ftd>\n\u003Ctd>Chỉ mô hình hóa xoáy dưới lưới\u003C\u002Ftd>\n\u003Ctd>Không sử dụng bất kỳ mô hình rối nào\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tính chất trường dòng\u003C\u002Ftd>\n\u003Ctd>Trường dòng trung bình dừng\u002Fphi dừng\u003C\u002Ftd>\n\u003Ctd>Trường dòng tức thời 3 chiều biến thiên\u003C\u002Ftd>\n\u003Ctd>Trường dòng vật lý tức thời không chứa sai số mô hình hóa dòng rối (chỉ tồn tại sai số rời rạc hóa số trị)\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Chi phí tính toán\u003C\u002Ftd>\n\u003Ctd>Thấp, phù hợp thiết kế công nghiệp\u003C\u002Ftd>\n\u003Ctd>Trung bình - cao, đòi hỏi máy tính hiệu năng cao\u003C\u002Ftd>\n\u003Ctd>Cực lớn, tăng lũy thừa theo số Reynolds\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Phạm vi ứng dụng và định hướng phát triển\u003C\u002Fh2>\n\u003Cp>Nhờ khả năng mô tả chính xác sự phát triển và tương tác của các cấu trúc xoáy kết hợp trong không gian và thời gian, mô phỏng xoáy lớn được ứng dụng sâu rộng trong các lĩnh vực kỹ thuật then chốt:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Khí động lực học hàng không và phương tiện giao thông:\u003C\u002Fstrong> Phân tích hiện tượng dòng chảy tách rời khỏi cánh máy bay ở góc tấn lớn, hiện tượng hình thành vệt xoáy đuôi tàu cao tốc và xe hơi nhằm tối ưu hóa lực cản và tăng tính ổn định khí động.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Âm học chất lưu (aeroacoustics):\u003C\u002Fstrong> Dự đoán chính xác tiếng ồn sinh ra do luồng phản lực máy bay, cánh quạt tuabin gió hoặc tiếng ồn gió quanh gương chiếu hậu xe hơi, nơi các nguồn âm phụ thuộc trực tiếp vào sự dao động áp suất tức thời của xoáy lớn.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Quá trình hòa trộn và buồng đốt phản ứng:\u003C\u002Fstrong> Mô phỏng sự tương tác giữa trường xoáy rối và ngọn lửa trong {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99ng%20c%C6%A1%20tuabin%20kh%C3%AD%22%7D}} và động cơ tên lửa, nơi hiện tượng tắt lửa cục bộ hoặc bất ổn định nhiệt âm phụ thuộc vào cấu trúc xoáy tức thời.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Khí tượng đô thị và phát tán ô nhiễm:\u003C\u002Fstrong> Dự báo sự phân tán của các chất gây {{topic|%7B%22topic%22%3A%22%C3%B4%20nhi%E1%BB%85m%20kh%C3%B4ng%20kh%C3%AD%22%7D}} xung quanh các {{topic|%7B%22topic%22%3A%22t%C3%B2a%20nh%C3%A0%20cao%20t%E1%BA%A7ng%22%7D}} và {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%8Ba%20h%C3%ACnh%20ph%E1%BB%A9c%20t%E1%BA%A1p%22%7D}} dưới tác động của gió giật khí quyển.\u003C\u002Fli>\n\u003C\u002Ful>\n","large eddy simulation",[19,20],"mô phỏng xoáy quy mô lớn","mô phỏng LES","Mô phỏng xoáy lớn là phương pháp mô phỏng số trong cơ học chất lưu tính toán nhằm giải quyết các dòng chảy rối bằng cách phân giải trực tiếp các xoáy lớn và mô hình hóa các xoáy quy mô nhỏ dưới lưới.","ENGINEERING_TECHNOLOGY",[24,31,38,45,51],{"citationText":25,"title":26,"authors":27,"source":28,"year":29,"doi":30,"url":10},"Deardorff, J. W. (1970). A numerical study of three-dimensional turbulent channel flow at large Reynolds numbers. Journal of Fluid Mechanics, 41(2), 453-480.","A numerical study of three-dimensional turbulent channel flow at large Reynolds numbers","Deardorff, J. W.","Journal of Fluid Mechanics",1970,"10.1017\u002Fs0022112070000691",{"citationText":32,"title":33,"authors":34,"source":35,"year":36,"doi":37,"url":10},"Lilly, D. K. (1992). A proposed modification of the Germano subgrid-scale closure method. Physics of Fluids A: Fluid Dynamics, 4(3), 633-635.","A proposed modification of the Germano subgrid-scale closure method","Lilly, D. K.","Physics of Fluids A: Fluid Dynamics",1992,"10.1063\u002F1.858280",{"citationText":39,"title":40,"authors":41,"source":42,"year":43,"doi":44,"url":10},"Nicoud, F., & Ducros, F. (1999). Subgrid-Scale Stress Modelling Based on the Square of the Velocity Gradient Tensor. Flow, Turbulence and Combustion, 62(3), 183-200.","Subgrid-Scale Stress Modelling Based on the Square of the Velocity Gradient Tensor","Nicoud, F., & Ducros, F.","Flow, Turbulence and Combustion",1999,"10.1023\u002Fa:1009995426001",{"citationText":46,"title":47,"authors":48,"source":49,"year":43,"doi":50,"url":10},"Piomelli, U. (1999). Large-eddy simulation: achievements and challenges. Progress in Aerospace Sciences, 35(4), 335-362.","Large-eddy simulation: achievements and challenges","Piomelli, U.","Progress in Aerospace Sciences","10.1016\u002Fs0376-0421(98)00014-1",{"citationText":52,"title":53,"authors":54,"source":55,"year":56,"doi":57,"url":10},"Choi, H., & Moin, P. (2012). Grid-point requirements for large eddy simulation: Chapman’s estimates revisited. Physics of Fluids, 24(1), 011702.","Grid-point requirements for large eddy simulation: Chapman’s estimates revisited","Choi, H., & Moin, P.","Physics of Fluids",2012,"10.1063\u002F1.3676783",[59,62,65],{"question":60,"answer":61},"Mô phỏng xoáy lớn (LES) khác gì so với RANS và DNS?","RANS mô hình hóa toàn bộ các quy mô xoáy rối qua giả thuyết thống kê, DNS giải trực tiếp toàn bộ phổ xoáy không cần mô hình hóa nhưng tốn chi phí cực lớn, còn LES phân giải trực tiếp các xoáy lớn và chỉ mô hình hóa các xoáy nhỏ dưới mắt lưới.",{"question":63,"answer":64},"Tensor ứng suất dưới lưới (SGS) trong LES phát sinh từ đâu?","Tensor ứng suất dưới lưới phát sinh từ tích phân chập phi tuyến của các số hạng đối lưu khi áp dụng toán tử lọc không gian lên phương trình Navier-Stokes, đại diện cho tương tác động lượng giữa trường dòng chảy đã lọc và các xoáy chưa phân giải.",{"question":66,"answer":67},"Tại sao việc phân giải lớp biên sát thành trong LES lại tốn kém chi phí tính toán?","Gần bề mặt thành rắn, các cấu trúc xoáy rối trở nên cực kỳ nhỏ và phụ thuộc vào độ nhớt phân tử, khiến số lượng điểm lưới cần thiết cho LES giải quyết sát thành tăng theo quy luật lũy thừa 13\u002F7 (xấp xỉ 1.86) của số Reynolds.",{"id":69,"researcherId":10,"name":70,"imageUrl":71},2681,"Cuong Ta","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocKFuWh0ZD601Hp0_V_2xAK3kIOs20Kyv3V5ZLBo6fwfjyymJYzE=s96-c",{"id":73,"researcherId":10,"name":74,"imageUrl":75},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[77,78,79,80,81,82,83,84,85,86],"năng lượng động học","nghiên cứu cơ bản","mô hình toán học","tốc độ biến dạng","phương pháp bình phương tối thiểu","yếu tố quyết định","động cơ tuabin khí","ô nhiễm không khí","tòa nhà cao tầng","địa hình phức tạp",10,true,"PUBLISHED","2025-12-01T09:43:02.599+00:00","2026-09-03T09:09:57.734+00:00","2026-09-03T08:41:45.330+00:00","2026-09-03T09:09:57.334+00:00",0,[96,99,102,105,108,111,114,117,120,123],{"id":97,"title":98,"term":97,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuỗi markov","Chuỗi markov là gì? Các công bố khoa học về Chuỗi markov",{"id":100,"title":101,"term":100,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thí nghiệm vật lí","Thí nghiệm vật lí là gì? Các công bố khoa học về Thí nghiệm vật lí",{"id":103,"title":104,"term":103,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương pháp mô hình hóa","Phương pháp mô hình hóa là gì? Các công bố khoa học",{"id":106,"title":107,"term":106,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình hóa toán học","Mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":109,"title":110,"term":109,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chiết xuất lỏng lỏng","Chiết xuất lỏng lỏng là gì? Các bài báo nghiên cứu khoa học",{"id":112,"title":113,"term":112,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"hồi quy phân vị","Hồi quy phân vị là gì? Các bài nghiên cứu khoa học",{"id":115,"title":116,"term":115,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình logit","Mô hình logit là gì? Các công bố khoa học về Mô hình logit",{"id":118,"title":119,"term":118,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"ứng suất cắt","Ứng suất cắt là gì? Các nghiên cứu khoa học về Ứng suất cắt",{"id":121,"title":122,"term":121,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu đoàn hệ hồi cứu","Nghiên cứu đoàn hệ hồi cứu là gì? Các nghiên cứu khoa học",{"id":124,"title":125,"term":124,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nghiên cứu in vivo","Nghiên cứu in vivo là gì? Các nghiên cứu khoa học "]