We consider the numerical approximation of a sharp-interface model for two-phase flow, which is given by the incompressible Navier-Stokes equations in the bulk domain together with the classical interface conditions on the interface. We propose structure-preserving finite element methods for the model, meaning in particular that volume preservation and energy decay are satisfied on the discrete level. For the evolving fluid interface, we employ parametric finite element approximations that introduce an implicit tangential velocity to improve the quality of the interface mesh. For the two-phase Navier-Stokes equations, we consider two different approaches: an unfitted and a fitted finite element method, respectively. In the unfitted approach, the constructed method is based on an Eulerian weak formulation, while in the fitted approach a novel arbitrary Lagrangian-Eulerian (ALE) weak formulation is introduced. Using suitable discretizations of these two formulations, we introduce two finite element methods and prove their structure-preserving properties. Numerical results are presented to show the accuracy and efficiency of the introduced methods.


翻译:我们考虑两相流程的锐界模型的数值逼近,该模型由流体力学的不可压缩的纳维-斯托克斯方程在大部分区域中与界面上的经典界面条件组成。我们为该模型提出了结构保持的有限元方法,特别是体积保持和能量衰减在离散级别上均满足。对于不断演化的流体界面,我们采用参数化有限元逼近,引入一种隐式切向速度来改善界面网格的质量。对于两相纳维-斯托克斯方程,我们考虑了两种不同的方法:拟合方法和非拟合方法。在非拟合方法中,构造的方法基于欧拉弱形式,而在拟合方法中则引入了一种新的任意拉格朗日-欧拉(ALE)弱形式。利用适当的这两种公式的离散化方法,我们引入了两种有限元方法,并证明它们的结构保持性质。为了展示所介绍的方法的准确性和效率,我们提供了数字结果。

0
下载
关闭预览

相关内容

【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
117+阅读 · 2022年4月21日
【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
专知会员服务
22+阅读 · 2021年4月10日
RL解决'LunarLander-v2' (SOTA)
CreateAMind
62+阅读 · 2019年9月27日
RL解决'BipedalWalkerHardcore-v2' (SOTA)
CreateAMind
31+阅读 · 2019年7月17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
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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 · 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 · 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
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
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2日
VIP会员
相关VIP内容
【2022新书】高效深度学习,Efficient Deep Learning Book
专知会员服务
117+阅读 · 2022年4月21日
【干货书】开放数据结构,Open Data Structures,337页pdf
专知会员服务
16+阅读 · 2021年9月17日
专知会员服务
22+阅读 · 2021年4月10日
相关资讯
RL解决'LunarLander-v2' (SOTA)
CreateAMind
62+阅读 · 2019年9月27日
RL解决'BipedalWalkerHardcore-v2' (SOTA)
CreateAMind
31+阅读 · 2019年7月17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
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
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 · 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 · 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
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
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