Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2108.12919v1

帮助 | 高级搜索

数学 > 偏微分方程分析

arXiv:2108.12919v1 (math)
[提交于 2021年8月29日 ]

标题: 粘弹性半可压缩流体流动的最优控制

标题: Optimal control of flows of viscoelastic semi-compressible fluids

Authors:Tomáš Roubíček
摘要: 半线性抛物系统具有双线性非线性项,具有许多应用,其最优控制导致相对简单的最优条件。 一个例子是不可压缩的纳维-斯托克斯系统,用于均质流体,但此处修改为物理上合理的轻微(所谓“半”)可压缩液体模型,而不是完全可压缩气体。 考虑了一个优化边界压力的最优控制问题,并在简单变体中分析了控制到状态映射的唯一性和二维情况下的第一阶最优条件,并在非简单变体中概述了三维情况。 其他一些双线性抛物系统,如Cahn-Hilliard扩散或磁流体动力学,可以类似地处理。
摘要: Semilinear parabolic systems with bi-linear nonlinearities cover a lot of applications and their optimal control leads to relatively simple optimality conditions. An example is the incompressible Navier-Stokes system for homogeneous fluids, which is however here modified towards a physically reasonable model of slightly (so-called ``semi'') compressible liquids rather than fully compressible gases. An optimal control problem optimizing also pressure on the boundary is considered and, in the simple variant, analysed as far as uniqueness of the control-to-state mapping and 1st-order optimality conditions in the 2-dimensional case and outlined in a nonsimple variant for the 3-dimensional case. Some other bi-linear parabolic systems as Cahn-Hilliard diffusion or magneto-hydrodynamics can be treated analogously.
主题: 偏微分方程分析 (math.AP) ; 优化与控制 (math.OC)
MSC 类: 35K58, 49J20, 49K20, 76A10, 76R50, 76W05
引用方式: arXiv:2108.12919 [math.AP]
  (或者 arXiv:2108.12919v1 [math.AP] 对于此版本)
  https://doi.org/10.48550/arXiv.2108.12919
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Tomáš Roubíček [查看电子邮件]
[v1] 星期日, 2021 年 8 月 29 日 21:07:46 UTC (22 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
math.AP
< 上一篇   |   下一篇 >
新的 | 最近的 | 2021-08
切换浏览方式为:
math
math.OC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号