In this work, we analyse the links between ghost penalty stabilisation and aggregation-based discrete extension operators for the numerical approximation of elliptic partial differential equations on unfitted meshes. We explore the behavior of ghost penalty methods in the limit as the penalty parameter goes to infinity, which returns a strong version of these methods. We observe that these methods suffer locking in that limit. On the contrary, aggregated finite element spaces are locking-free because they can be expressed as an extension operator from well-posed to ill-posed degrees of freedom. Next, we propose novel ghost penalty methods that penalise the distance between the solution and its aggregation-based discrete extension. These methods are locking-free and converge to aggregated finite element methods in the infinite penalty parameter limit. We include an exhaustive set of numerical experiments in which we compare weak (ghost penalty) and strong (aggregated finite elements) schemes in terms of error quantities, condition numbers and sensitivity with respect to penalty coefficients on different geometries, intersection locations and mesh topologies.


翻译:在这项工作中,我们分析幽灵惩罚稳定化和基于聚合的离散扩展操作器之间的联系,以了解对不合适的 meshes 的椭圆部分偏差方程式的数字近似值。我们探讨当惩罚参数到达无限度时,幽灵惩罚方法在限值内的行为,这返回了这些方法的强大版本。我们观察到,这些方法被锁定在这个限度内。相反,合计的有限要素空间是无锁的,因为它们可以表现为从充分允许到错误自由度的扩展操作器。接下来,我们提出新的幽灵惩罚方法,以惩罚溶液与其基于聚合的离散扩展之间的距离。这些方法是无锁的,与无限惩罚参数限制中的总定值要素方法趋同。我们包括一系列详尽的数字实验,在差数数量、条件和敏感度方面将弱(宿主惩罚)和强(集中的有限要素)方法与不同地理特征、交叉地点和类比。

0
下载
关闭预览

相关内容

专知会员服务
22+阅读 · 2021年7月23日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1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
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【关关的刷题日记60】Leetcode 437. Path Sum III
【LeetCode 136】 关关的刷题日记32 Single Number
Multivariate Lévy Adaptive B-Spline Regression
Arxiv
0+阅读 · 2021年8月26日
Arxiv
0+阅读 · 2021年8月25日
Arxiv
13+阅读 · 2021年5月25日
VIP会员
Top
微信扫码咨询专知VIP会员