We extend the softFEM idea to isogeometric analysis (IGA) to reduce the stiffness (consequently, the condition numbers) of the IGA discretized problem. We refer to the resulting approximation technique as softIGA. We obtain the resulting discretization by first removing the IGA spectral outliers to reduce the system's stiffness. We then add high-order derivative-jump penalization terms (with negative penalty parameters) to the standard IGA bilinear forms. The penalty parameter seeks to minimize spectral/dispersion errors while maintaining the coercivity of the bilinear form. We establish dispersion errors for both outlier-free IGA (OF-IGA) and softIGA elements. We also derive analytical eigenpairs for the resulting matrix eigenvalue problems and show that the stiffness and condition numbers of the IGA systems significantly improve (reduce). We prove a superconvergent result of order $h^{2p+4}$ for eigenvalues where $h$ characterizes the mesh size and $p$ specifies the order of the B-spline basis functions. To illustrate the main idea and derive the analytical results, we focus on uniform meshes in 1D and tensor-product meshes in multiple dimensions. For the eigenfunctions, softIGA delivers the same optimal convergence rates as the standard IGA approximation. Various numerical examples demonstrate the advantages of softIGA over IGA.


翻译:我们把软FEM概念扩大到IGA离散问题的等离析分析(IGA),以减少IGA离散问题的僵硬性(随后是条件号),我们把由此产生的近似技术称为软IGA。我们通过首先去除IGA光谱外端器获得由此产生的离散性,以减少系统的僵硬性;然后在IGA双线格式标准表格中添加高阶衍生衍生物-跳跃惩罚条件(带有负惩罚参数),惩罚参数力求尽量减少光谱/散射错误,同时保持双线形式的共振性。我们为离散性IAA(OF-IGA)和软IGA元素建立分散性错误。我们还为由此产生的矩阵光谱外断分离性,以减少系统的僵硬性;我们然后在IGA系统的僵硬性和条件值标准值中添加高压值($+2peni)的超级一致结果,在双线形式中以美元标值标度和美元表示软度IGA(OA)的超值,在B-GA(IA)和SO(O)的正统值上显示一个主点的焦值的焦值值值,在SLIGA(UA)上显示一个分析结果。

0
下载
关闭预览

相关内容

不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程
专知会员服务
69+阅读 · 2022年7月11日
不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+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
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24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
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月2日
Arxiv
0+阅读 · 2022年10月1日
Arxiv
11+阅读 · 2018年4月25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
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24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
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员