Bio
Die Forschungsinteressen von Prof. Rival liegen an den Schnittstellen zwischen experimenteller Strömungsmechanik, Datenassimilation, Network Science und Bionik. Er ist Co-Autor von über 100 begutachteten Zeitschriftenartikeln zu den genannten Themen und hat kürzlich ein Lehrbuch über biologische und bioinspirierte Strömungsmechanik bei Springer veröffentlicht. Im Jahr 2020 erhielt Prof. Rival ein einjähriges Alexander-von-Humboldt-Forschungsstipendium, um in München an fortschrittlichen Sensing zu forschen. Bevor er an die TU Braunschweig kam, war er Associate Professor für Maschinenbau an der Queen's University in Kanada, wo er mit Kollegen aus der Biomechanik, der Medizin und der Biologie zusammenarbeitete. In verschiedenen Phasen seiner Karriere hat Prof. Rival sowohl in Europa als auch in Nordamerika geforscht, z.B. als Doktorand an der TU Darmstadt über die Aerodynamik des Libellenflugs, als Postdoc am MIT über Formveränderung in der Natur und als Inhaber eines Forschungslehrstuhls für Atmosphärensensorik an der University of Calgary. Prof. Rival ist derzeit Co-Vorsitzender einer NATO-AVT-Arbeitsgruppe zur Strömungsablösung, ist an einer Reihe von internationalen Forschungskooperationen beteiligt, die beispielsweise von AFOSR, NATO und ONR gefördert werden, und seine Forschung wurde auf einer Vielzahl von Wissenschaftsplattformen vorgestellt, darunter David Suzukis „The Nature of Things“ sowie in der Sendung „Daily Planet“ des Discovery Channel.
Aktuelle Veröffentlichungen
- Wei, N.J., El Makdah, A., Hu, J.C., Kaiser, F., Rival, D. and Dabiri, J.O., 2024, Wake Dynamics of Wind Turbines in Unsteady Streamwise Flow Conditions, Journal of Fluid Mechanics, in press.
- Aksamit, N., Encinas-Bartos, A., Haller, G., Rival, D., 2024, Relative Fluid Stretching and Rotation for Sparse Trajectory Observations, Journal of Fluid Mechanics 996:A40. DOI: 10.1017/jfm.2024.828
- Ambrogi, F., Piomelli, U. and Rival, D., 2024, Influence of Time-Varying Freestream Conditions on the Dynamics of Unsteady Boundary-Layer Separation, AIAA Journal, 62:10. DOI: 10.2514/1.J064382
- Kaiser F, Iacobello G. and Rival, D., 2024, Cluster-Based Bayesian Approach for Noisy and Sparse Data: Application to Flow-State Estimation, Proceedings of the Royal Society A 480. DOI: 10.1098/rspa.2023.0608
- Barnes, M., Zhang, K. and Rival, D., 2024, Lagrangian Study of Entrainment for Confined Vortex Rings in Dense Suspensions Using Echo-LPT, Experiments in Fluids 65, 33. DOI: 10.1007/s00348-024-03767-3
- Chen, D., Kaiser, F., Hu, J., Rival, D., Fukami, K. and Taira, K., 2024, Sparse Pressure-Based Machine Learning Approach for Aerodynamic Loads Estimation During Gust Encounters, AIAA Journal, 62:1. DOI: 10.2514/1.J063263
- Guo, P., Kaiser, F. and Rival, D., 2023, Dynamic Separation on an Accelerating Prolate
Spheroid, Journal of Fluid Mechanics, 975, A51. DOI: 0.1017/jfm.2023.907 - Ambrogi, F., Piomelli, U. and Rival, D., 2023, Characterization of Separation in a Turbulent Boundary Layer: Reynolds Stresses and Flow Dynamics, Journal of Fluid Mechanics, 972, A36. DOI: 10.1017/jfm.2023.690
- Iacobello, G. and Rival, D., 2023, Identifying Dominant Flow Features from Very-Sparse Lagrangian Data: A Multiscale Recurrence Network-Based Approach, Experiments in Fluids, 64:157. DOI: 10.1007/s00348-023-03700-0
- Guo, P., Kaiser, F. and Rival, D., 2023, Vortex-Wake Formation and Evolution on a Prolate Spheroid at Subcritical Reynolds Numbers, Experiments in Fluids, 64:167. DOI: 10.1007/s00348-023-03702-y
- Kaiser, F. and Rival, D., 2023, Large-Scale Particle Tracking Using a Single Camera: Analysis of the Scalability and Accuracy of Glare-Point Particle Tracking, Experiments in Fluids, 64:149. DOI: 10.1007/s00348-023-03682-z
- Galler, J. and Rival, D., 2023, Development and Characterization of a Passive, Bio-Inspired Flow-Tracking Sensor, Bioinspiration & Biomimetics, vol. 18, 025001. DOI: 10.1088/1748-3190/acb02d
Die vollständige Liste der Veröffentlichungen von Prof. David Rival finden Sie hier.
