This paper presents a highly robust third-order accurate finite volume weighted essentially non-oscillatory (WENO) method for special relativistic hydrodynamics on unstructured triangular meshes. We rigorously prove that the proposed method is physical-constraint-preserving (PCP), namely, always preserves the positivity of the pressure and the rest-mass density as well as the subluminal constraint on the fluid velocity. The method is built on a highly efficient compact WENO reconstruction on unstructured meshes, a simple PCP limiter, the provably PCP property of the Harten--Lax--van Leer flux, and third-order strong-stability-preserving time discretization. Due to the relativistic effects, the primitive variables (namely, the rest-mass density, velocity, and pressure) are highly nonlinear implicit functions in terms of the conservative variables, making the design and analysis of our method nontrivial. To address the difficulties arising from the strong nonlinearity, we adopt a novel quasilinear technique for the theoretical proof of the PCP property. Three provable convergence-guaranteed iterative algorithms are also introduced for the robust recovery of primitive quantities from admissible conservative variables. We also propose a slight modification to an existing WENO reconstruction to ensure the scaling invariance of the nonlinear weights and thus to accommodate the homogeneity of the evolution operator, leading to the advantages of the modified WENO reconstruction in resolving multi-scale wave structures. Extensive numerical examples are presented to demonstrate the robustness, expected accuracy, and high resolution of the proposed method.


翻译:本文展示了一种高度稳健的三阶级精确数量加权,基本上非螺旋性(WENO)方法,用于在无结构的三角间隔板上进行特殊的相对流体动力学,我们严格地证明拟议方法具有物理约束性(PCP),即总是保持压力和休息质量密度的推定性,以及液体速度的次光限制。该方法建立在对非结构的模件进行高度高效的维新线性WENO重建的精密结构上,一个简单的五氯苯酚限值,哈滕-拉克斯-凡·莱尔通量和第三阶的强性坚韧性保存时间分解性(PCP ) 的可辨别性五氯苯酚特性。由于反光性效应,原始变量(即休息质量密度、速度和压力)在保守变量方面是高度非线性隐隐含的功能,使我们的方法的设计和分析不具有细微的。为了解决强非线性波动性作用,我们采用了一种新型的准线性技术,用于理论性地证明精度的精度的精度的精度稳定性精度结构结构结构结构结构结构结构结构结构,同时,也展示了当前稳定度的精度的精度再变后至可恢复。

0
下载
关闭预览

相关内容

[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
VIP会员
相关VIP内容
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium7
中国图象图形学学会CSIG
0+阅读 · 2021年11月15日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员