We develop a multirate timestepper for semi-implicit solutions of the unsteady incompressible Navier-Stokes equations (INSE) based on a recently-developed multidomain spectral element method (SEM). For {\em incompressible} flows, multirate timestepping (MTS) is particularly challenging because of the tight coupling implied by the incompressibility constraint, which manifests as an elliptic subproblem for the pressure at each timestep. The novelty of our approach stems from the development of a stable overlapping Schwarz method applied directly to the Navier-Stokes equations, rather than to the convective, viscous, and pressure substeps that are at the heart of most INSE solvers. Our MTS approach is based on a predictor-corrector (PC) strategy that preserves the temporal convergence of the underlying semi-implicit timestepper. We present numerical results demonstrating that this approach scales to an arbitrary number of overlapping grids, accurately models complex turbulent flow phenomenon, and improves computational efficiency in comparison to singlerate timestepping-based calculations.


翻译:我们为基于最近开发的多域光谱元素法(SEM)的不固定的纳维埃-斯托克方程式(INSE)开发了一个半不固定的半不透明溶解的多时间步数。对于挤压流,多度时间步数(MTS)特别具有挑战性,因为压抑性制约意味着紧密结合,这表现为每个时间步数的压力的椭圆次问题。我们的方法的新颖性源于发展一种稳定重叠的施瓦兹法,直接适用于纳维-斯托克方程式,而不是适用于大多数INSE解决者核心的对流、对流和压力子步数。我们的MTS方法基于一种预测-纠正器(PC)战略,它保持了基础半隐含时间步数的暂时结合。我们提出了数字结果,表明这一方法的规模是任意的重叠格数,精确的模型复杂的动荡流现象,并且提高了计算效率,以单级制时间步计算为基础计算为基础。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
专知会员服务
60+阅读 · 2020年3月19日
【阿里巴巴】 AI编译器,AI Compiler @ Alibaba,21页ppt
专知会员服务
44+阅读 · 2019年12月22日
开源书:PyTorch深度学习起步
专知会员服务
50+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
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
2018: AI in All的元年
1号机器人网
4+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
2018: AI in All的元年
1号机器人网
4+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员