Zum Hauptinhalt springen

Dr. rer. nat. Kerstin Avila

Kerstin Avila

Badgasteiner Straße 3 (FZB)
28359 Bremen


Raum FZB 1450
 

Telefon: +49 (0) 421 - 218 51241
e-Mail: k.avilaprotect me ?!iwt.uni-bremenprotect me ?!.de

Sprechzeiten:
nach Vereinbarung

DFG-Projekt
 

publons

ORCID

Scopus

Google Scholar

 

 

Education

2013       Ph.D., Experimental Physics, Max-Planck-Institute for Dynamics and Self-Organization,
                University of Göttingen, Germany (summa cum laude).

2008      Dipl.-Phys., Experimental Physics, University of Kiel, Germany.

2004      BS, Meteorology, University of Kiel, Germany.

Professional Experience

2019       Postdoc with independent project, Particle and Process Engineering,
                Department of Production Engineering, University of Bremen, Germany

2016-19 Postdoc (part-time, 50%), Center of Applied Space Technology and Microgravity (ZARM),
                Departmenof Production Engineering,University of Bremen, Germany,
                including 2nd parental leave (12 month).

2015       1st Parental leave

2014       Postdoc, Institute for Multiscale Simulation of Particulate Systems, University of Erlangen-Nürnberg FAU, Germany.

2013       Visiting Guest Scientist, Institute of Science and Technology, Vienna, Austria.

2009-13 Research Assistant, Max Planck Institute for Dynamics and Self-Organization, Göttingen, Germany.

2008-09 Research Assistant, Institute for Experimental and Applied Physics, University of Kiel CAU, Germany.

Research Interest

Experimental fluid dynamics, instabilities and transition to turbulence, particle-laden flows, free-surface flows, nonlinear resonances. 

Awards

2021      3rd Poster Prize (including a speech and five-min-questionnaire) at the
                Nonlinear Normal modes (NNM) conference on nonlinear vibrations, localization and energy transfer (2021),
                Ascona, Switzerland, organized by the ETH Zurich. ‘Sloshing experiments compared to a multimodal model and the Duffing equation’.

2017       Invited core participant of the program ‘Recurrent Flows: The Clockwork Behind Turbulence’ at the
                Kavli Institute for Theoretical Physics at the University of California, Santa Barbara (USA).

2013       Best Young Speaker Award of the International Couette-Taylor Workshop (2013), Twente, Netherlands.

Schwappende Flüssigkeiten in Tanks

Resonante Wellenbewegungen im Experiment können ganz unterschiedlich aussehen mit brechenden Wellen (linkes Video) oder z.B. mit einer am Rand des Tanks steil aufsteigenden Welle bei jeder dritten Oszillation des Tanks (rechtes Video). Das Wasser wird hier mit einem grünen Laser beleuchtet, um die Strömungsbewegung in dem rechteckigen Tank zu vermessen. Der Tank selbst wird über einen Motor horizontal oszilliert mit bekannter Amplitude und Frequenz und erzeugt so die schwappenden Wellenbewegung.

Um die stark unterschiedlichen Strömungszustände dennoch gut vergleichen zu können, haben wir mit einer digitalen Videoanalyse die Bewegung des Massenschwerpunktes bestimmt. Ein optimaler Vergleich mit Vorhersagen von neuen Schwapp-Modellen und klassischen Theorien („Duffing-Oszillator“) konnte so erzielt werden. Die Ergebnisse wurden in J. Fluid. Mech. als open access publiziert: http://doi.org/10.1017/jfm.2021.576

 

Die theoretische Beschreibung der kleinen Wellenamplituden hat mit dem klassischen Duffing-Oszillator bemerkenswert gut funktioniert, nur der Phasenversatz zwischen Anregung und Wellenbewegung ist im Experiment ganz anders. Die größeren Wellen konnten bisher weder theoretisch beschrieben noch vorhergesagt werden. Genau das ist jetzt erstmalig mit der Spectral Submanifold Theorie der Gruppe um G. Haller (ETH Zürich) gelungen (siehe z.B. ethz.ch/de/news-und-veranstaltungen/eth-news/news/2022/02/komplexe-dynamik-aus-daten-vorhersagen.html). Auf Basis weniger Messungen beim Ausschwingen (d.h. der Motor wurde gestoppt) konnte so unsere gesamte gemessene Resonanzkurve (bei laufendem Motor und sogar einschließlich des Phasenversatzes) exakt vorhergesagt werden. Das tolle Ergebnis wurde durch eine Kombination der abstrakten Theorien dynamischer Systeme, machine learning und unserer Experimente erzielt. Die Publikation in Nature Communications ist frei zugänglich: https://doi.org/10.1038/s41467-022-28518-y