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:2504.09410

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.09410 (math)
[提交于 2025年4月13日 ]

标题: 用于四阶奇异摄动的异构多尺度方法

标题: Heterogeneous multiscale methods for fourth-order singular perturbations

Authors:Yulei Liao, Pingbing Ming
摘要: 我们开发了一种数值均质化方法,用于在非均匀多尺度方法框架下的四阶奇异摄动问题。 这些问题来源于非均匀应变梯度弹性理论和结构材料的弹性模型。 我们建立了适用于一般介质的均质解的误差估计,并推导了细尺度为$\varepsilon$的局部周期介质的显式收敛性。 对于尺寸为$\delta=\mathbb{N}\varepsilon$的单元问题,由于高阶算子的主导作用,经典的共振误差$\mathcal{O}(\varepsilon/\delta)$可以被消除。 尽管边界层效应出现,一般的边界条件下离散误差不一定恶化。 数值模拟验证了这些理论结果。
摘要: We develop a numerical homogenization method for fourth-order singular perturbation problems within the framework of heterogeneous multiscale method. These problems arise from heterogeneous strain gradient elasticity and elasticity models for architectured materials. We establish an error estimate for the homogenized solution applicable to general media and derive an explicit convergence for the locally periodic media with the fine-scale $\varepsilon$. For cell problems of size $\delta=\mathbb{N}\varepsilon$, the classical resonance error $\mathcal{O}(\varepsilon/\delta)$ can be eliminated due to the dominance of the higher-order operator. Despite the occurrence of boundary layer effects, discretization errors do not necessarily deteriorate for general boundary conditions. Numerical simulations corroborate these theoretical findings.
评论: 27页,1图,7表
主题: 数值分析 (math.NA)
引用方式: arXiv:2504.09410 [math.NA]
  (或者 arXiv:2504.09410v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.09410
通过 DataCite 发表的 arXiv DOI
期刊参考: Multiscale Model. Simul. 23 (2025), no. 2, 1062--1087
相关 DOI: https://doi.org/10.1137/24M1686218
链接到相关资源的 DOI

提交历史

来自: Yulei Liao [查看电子邮件]
[v1] 星期日, 2025 年 4 月 13 日 02:46:38 UTC (31 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
  • 其他格式
查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.NA
math

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