We develop two unfitted finite element methods for the Stokes equations based on $\mathbf{H}^{\text{div}}$-conforming finite elements. The first method is a cut finite element discretization of the Stokes equations based on the Brezzi-Douglas-Marini elements and involves interior penalty terms to enforce tangential continuity of the velocity at interior edges in the mesh. The second method is a cut finite element discretization of a three-field formulation of the Stokes problem involving the vorticity, velocity, and pressure and uses the Raviart-Thomas space for the velocity. We present mixed ghost penalty stabilization terms for both methods so that the resulting discrete problems are stable and the divergence-free property of the $\mathbf{H}^{\text{div}}$-conforming elements is preserved also for unfitted meshes. We compare the two methods numerically. Both methods exhibit robust discrete problems, optimal convergence order for the velocity, and pointwise divergence-free velocity fields, independently of the position of the boundary relative to the computational mesh.


翻译:我们基于$\mathbf{H}^{\text{div}}$-一致有限元,开发了两种基于切向有限元的未配对有限元方法来离散化史托克斯方程。第一种方法是基于Brezzi-Douglas-Marini元素的切向有限元离散化,该方法涉及内部惩罚项以强制在网格内的内部边缘处的速度的切向连续性。第二种方法是史托克斯问题三场公式的切向有限元离散化,涉及涡度、速度和压力,并使用了Raviart-Thomas空间来表示速度。我们为这两种方法提出了混合幽灵惩罚稳定化项,以便所得到的离散问题是稳定的,并且$\mathbf{H}^{\text{div}}$- 一致元素的无发散属性在未配对网格上也得以保持。我们通过数值比较这两种方法。两种方法都具有强大的离散问题、速度的最优收敛阶、点值无发散速度场,而与边界相对于计算网格位置无关。

0
下载
关闭预览

相关内容

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
专知会员服务
25+阅读 · 2021年4月2日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17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
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】LIMO:激光和单目相机融合的视觉里程计
泡泡机器人SLAM
11+阅读 · 2019年1月16日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年6月15日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014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 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员