This work presents a novel reduced-order model (ROM) for the incompressible Navier-Stokes equations with time-dependent boundary conditions. This ROM is velocity-only, i.e. the simulation of the velocity does not require the computation of the pressure, and preserves the structure of the kinetic energy evolution. The key ingredient of the novel ROM is a decomposition of the velocity into a field with homogeneous boundary conditions and a lifting function that satisfies the mass equation with the prescribed inhomogeneous boundary conditions. This decomposition is inspired by the Helmholtz-Hodge decomposition and exhibits orthogonality of the two components. This orthogonality is crucial to preserve the structure of the kinetic energy evolution. To make the evaluation of the lifting function efficient, we propose a novel method that involves an explicit approximation of the boundary conditions with POD modes, while preserving the orthogonality of the velocity decomposition and thus the structure of the kinetic energy evolution. We show that the proposed velocity-only ROM is equivalent to a velocity-pressure ROM, i.e., a ROM that simulates both velocity and pressure. This equivalence can be generalized to other existing velocity-pressure ROMs and reveals valuable insights in their behaviour. Numerical experiments on test cases with inflow-outflow boundary conditions confirm the correctness and efficiency of the new ROM, and the equivalence with the velocity-pressure formulation.


翻译:这项工作为不压缩的 Navier- Stokes 等式提供了一个新型的降序模型( ROM ), 符合基于时间的边界条件。 这个 ROM 只能是速度, 即速度的模拟不需要计算压力, 并且保存动能进化的结构。 新的 ROM 的关键成分是将速度分解成一个具有同质边界条件的字段, 以及一个能满足质量方程的升动功能。 这种分解是由Helmholtz- Hodge 分解和两个组成部分的显示速度或速度所启发的。 这个或度对于保持感动性能量进化的结构并不需要计算压力, 并且保存动能进化能量进化的结构。 为了高效地评估升动功能, 我们提出了一个新颖的方法, 它涉及将边界条件与速度分解的分解和运动的进化结构。 我们表明, 拟议的只使用速度- Hodge- hoge 分解器的分解和两个组成部分的变异性( ) 和变异性( 等值) 等值的货币- 等值 等值 等值的货币- 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值 等值

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12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
机器学习入门的经验与建议
专知会员服务
92+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
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 TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23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 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18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
17+阅读 · 2018年12月24日
国家自然科学基金
1+阅读 · 2017年12月31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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013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 · 2009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 · 2023年2月23日
Arxiv
0+阅读 · 2023年2月23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 TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23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 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18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
17+阅读 · 2018年12月24日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31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 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013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 · 2009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