UNIVERSITÄTSBIBLIOTHEK
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 5 of 100
Back to Result List

Trajectory-Based Analysis of Flow Simulation Data

  • The simulation of physical phenomena involving the dynamic behavior of fluids and gases has numerous applications in various fields of science and engineering. Of particular interest is the material transport behavior, the tendency of a flow field to displace parts of the medium. Therefore, many visualization techniques rely on particle trajectories. Lagrangian Flow Field Representation. In typical Eulerian settings, trajectories are computed from the simulation output using numerical integration schemes. Accuracy concerns arise because, due to limitations of storage space and bandwidth, often only a fraction of the computed simulation time steps are available. Prior work has shown empirically that a Lagrangian, trajectory-based representation can improve accuracy [Agr+14]. Determining the parameters of such a representation in advance is difficult; a relationship between the temporal and spatial resolution and the accuracy of resulting trajectories needs to be established. We provide an error measure for upper bounds of the error of individual trajectories. We show how areas at risk for high errors can be identified, thereby making it possible to prioritize areas in time and space to allocate scarce storage resources. Comparative Visual Analysis of Flow Field Ensembles. Independent of the representation, errors of the simulation itself are often caused by inaccurate initial conditions, limitations of the chosen simulation model, and numerical errors. To gain a better understanding of the possible outcomes, multiple simulation runs can be calculated, resulting in sets of simulation output referred to as ensembles. Of particular interest when studying the material transport behavior of ensembles is the identification of areas where the simulation runs agree or disagree. We introduce and evaluate an interactive method that enables application scientists to reliably identify and examine regions of agreement and disagreement, while taking into account the local transport behavior within individual simulation runs. Particle-Based Representation and Visualization of Uncertain Flow Data Sets. Unlike simulation ensembles, where uncertainty of the solution appears in the form of different simulation runs, moment-based Eulerian multi-phase fluid simulations are probabilistic in nature. These simulations, used in process engineering to simulate the behavior of bubbles in liquid media, are aimed toward reducing the need for real-world experiments. The locations of individual bubbles are not modeled explicitly, but stochastically through the properties of locally defined bubble populations. Comparisons between simulation results and physical experiments are difficult. We describe and analyze an approach that generates representative sets of bubbles for moment-based simulation data. Using our approach, application scientists can directly, visually compare simulation results and physical experiments.
  • Die Simulation des dynamischen Verhaltens von Flüssigkeiten und Gasen findet Anwendung in vielen Gebieten von Wissenschaft und Technik. Von besonderem Interesse ist das Transportverhalten, die Tendenz eines Strömungsfeldes, Teile des Mediums zu bewegen. Daher basieren viele Visualisierungstechniken auf Partikellaufbahnen. Lagrangesche Strömungsfelddarstellung. In typischen Eulerschen Szenarien werden Laufbahnen mittels numerischer Integration aus den Simulationsdaten berechnet. Dabei treten Ungenauigkeiten auf, weil oft wegen Beschränkungen von Speicherplatz und Bandbreite nur ein Teil der Zeitschritte verfügbar ist. Es wurde bereits empirisch gezeigt, dass eine Lagrangesche, laufbahnbasierte Darstellung die Genauigkeit verbessern kann [Agr+14]. Die Parameter dieser Darstellung lassen sich kaum im Voraus bestimmen, da der Zusammenhang zwischen zeitlicher und räumlicher Auflösung und Genauigkeit unklar ist. Wir stellen ein Fehlermaß für einzelne Laufbahnen vor. Wir zeigen, wie Bereiche hohen Fehlerrisikos ermittelt werden können, wodurch es möglich wird, räumliche und zeitliche Bereiche bei der Zuweisung knapper Platzressourcen zu priorisieren. Vergleichende, Visuelle Analyse von Strömungsensembles. Unabhängig von der Darstellung entstehen Fehler der eigentlichen Simulation oft durch ungenaue Anfangsbedingungen, Beschränkungen des Simulationsmodells und numerische Fehler. Zur besseren Ermittlung der möglichen Ergebnisse werden mehrere Simulationsdurchläufe berechnet, die Reihen von Simulationsausgaben, sogenannte Ensembles, zum Ergebnis haben. Von besonderem Interesse bei der Untersuchung des Transportverhaltens ist die Erkennung von Bereichen, in denen sich die Simulationsläufe gleichen oder unterscheiden. Wir stellen eine Methode vor, durch die zuverlässig Unstimmigkeiten erkannt werden können, wobei das lokale Transportverhalten innerhalb einzelner Simulationsläufe berücksichtigt wird. Partikelbasierte Visualisierung Unsicherer Strömungsdaten. Im Gegensatz zu Ensembles, wo Unsicherheit der Lösung in Form unterschiedlicher Simulationsläufe auftritt, sind momentbasierte, Eulersche Mehrphasenströmungssimulationen von Natur aus probabilistisch. Diese Ansätze dienen in der Verfahrenstechnik dazu, den Bedarf an physikalischen Experimenten mit Blasen in flüssigen Medien zu reduzieren. Die Positionen einzelner Blasen werden nicht explizit, sondern stochastisch über die Eigenschaften örtlich definierter Blasenpopulationen modelliert. Vergleiche zwischen den Ergebnissen und physikalischen Experimenten sind schwierig. Wir beschreiben und analysieren einen Ansatz, bei dem stellvertretende Mengen von Blasen für momentbasierte Simulationsdaten erzeugt werden. Durch unseren Ansatz können Simulationsergebnisse und physikalische Experimente direkt und visuell verglichen werden.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Mathias Hummel
URN (permanent link):urn:nbn:de:hbz:386-kluedo-55464
Advisor:Christoph Garth
Document Type:Doctoral Thesis
Language of publication:English
Publication Date:2019/03/08
Date of first Publication:2019/03/08
Publishing Institute:Technische Universität Kaiserslautern
Granting Institute:Technische Universität Kaiserslautern
Acceptance Date of the Thesis:2018/10/30
Date of the Publication (Server):2019/03/11
Tag:Ensemble Visualization; Flow Visualization; Scientific Visualization; Uncertainty Visualization
Number of page:XV, 123
Faculties / Organisational entities:Fachbereich Informatik
CCS-Classification (computer science):I. Computing Methodologies / I.3 COMPUTER GRAPHICS / I.3.8 Applications
J. Computer Applications / J.2 PHYSICAL SCIENCES AND ENGINEERING / Engineering
DDC-Cassification:0 Allgemeines, Informatik, Informationswissenschaft / 004 Informatik
MSC-Classification (mathematics):68-XX COMPUTER SCIENCE (For papers involving machine computations and programs in a specific mathematical area, see Section {04 in that areag 68-00 General reference works (handbooks, dictionaries, bibliographies, etc.)
Licence (German):Creative Commons 4.0 - Namensnennung, nicht kommerziell, keine Bearbeitung (CC BY-NC-ND 4.0)