数学 > 数值分析
[提交于 2025年4月21日
]
标题: 基于隐式激波追踪的精确分辨率激波主导粘性流动的$rp$自适应方法
标题: An $rp$-adaptive method for accurate resolution of shock-dominated viscous flow based on implicit shock tracking
摘要: 本文介绍了一种基于优化的$rp$-自适应数值方法,用于使用隐式激波追踪和高阶间断伽辽金离散化在传统粗网格上近似粘性、激波主导流场的解,而无需非线性稳定(例如人工黏性或限制器)。 所提出的方法对最初为使网格面与解间断对齐而开发的隐式激波追踪方法进行了改进,将其压缩为粘性激波和边界层,作为一种新颖的激进$r$- 自适应方法。 这种形式的$r$- 自适应自然地通过网格节点的离散流动变量和坐标上的富集残差最小化来实现。 为了确保在粘性特征处有足够的网格压缩以避免稳定性的需求,提出了对激波追踪优化求解器的几种创新方法,包括残差加权、步长约束和修改以及基于粘度的连续性。 最后,$p$- 自适应被用来局部增加多项式阶数,具有三个明显的好处:(1)减少了激波波前和边界层附近网格压缩的需求;(2)减少了在给定网格拓扑结构下$r$- 自适应不足以覆盖的区域的误差;(3)通过在最粗网格上执行大部分$r$- 自适应迭代来降低计算成本。 一系列数值实验表明,所提出的方法能够有效地解决粘性、激波主导的流场问题,包括准确预测由超音速流过圆柱体产生的热流分布,并且在每自由度精度方面与高阶离散化的$h$- 自适应方法相比表现良好。
当前浏览上下文:
physics
文献和引用工具
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
推荐器和搜索工具
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.