We investigate artificial compressibility (AC) techniques for the time discretization of the incompressible Navier-Stokes equations. The space discretization is based on a lowest-order face-based scheme supporting polytopal meshes, namely discrete velocities are attached to the mesh faces and cells, whereas discrete pressures are attached to the mesh cells. This face-based scheme can be embedded into the framework of hybrid mixed mimetic schemes and gradient schemes, and has close links to the lowest-order version of hybrid high-order methods devised for the steady incompressible Navier-Stokes equations. The AC timestepping uncouples at each time step the velocity update from the pressure update. The performances of this approach are compared against those of the more traditional monolithic approach which maintains the velocity-pressure coupling at each time step. We consider both first-order and second-order time schemes and either an implicit or an explicit treatment of the nonlinear convection term. We investigate numerically the CFL stability restriction resulting from an explicit treatment, both on Cartesian and polytopal meshes. Finally, numerical tests on large 3D polytopal meshes highlight the efficiency of the AC approach and the benefits of using second-order schemes whenever accurate discrete solutions are to be attained.


翻译:我们调查人工压缩(AC)技术,以了解不压缩的导航-斯托克方程式的时间分解。空间分解是基于支持多式网格的最小顺序面部基计划,即离散速度附在网状脸和细胞上,而离散压力附在网状细胞上。这种面基计划可以嵌入混合混合超动性能和梯度计划的框架,并且与为稳定不压缩的纳维-斯托克方程式设计的混合高阶方法的最低顺序版本有密切联系。AC时间缩放不相容的基于面部的组合,支持多式网状网格,即离散速度的速率附在网状面和细胞上,而离散的压力压力则附在网状细胞细胞细胞上。这个面基计划可以嵌入混合混合混合混合的混合超压和梯度计划的框架,并且与非线性对非线性对等式高阶期的混合高阶方法的最底层或明确的处理方法有密切联系。我们从数字上调查从明确处理中得出的CLF稳定性限制,每次从压力更新速度更新到压力更新速度,从压力更新。这一方法的性能与较传统的单形单一单式方法比较,在最后使用一个直径直径直的A和多式多式加式的两色度测试,在A和多式加式中间的双向上。

0
下载
关闭预览

相关内容

一网打尽!100+深度学习模型TensorFlow与Pytorch代码实现集合
【新书】Python编程基础,669页pdf
专知会员服务
195+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
94+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18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
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
VIP会员
相关VIP内容
一网打尽!100+深度学习模型TensorFlow与Pytorch代码实现集合
【新书】Python编程基础,669页pdf
专知会员服务
195+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
94+阅读 · 2019年10月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
相关资讯
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18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
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员