A recently developed high-order implicit shock tracking (HOIST) framework for resolving discontinuous solutions of inviscid, steady conservation laws [41, 43] is extended to the unsteady case. Central to the framework is an optimization problem which simultaneously computes a discontinuity-aligned mesh and the corresponding high-order approximation to the flow, which provides nonlinear stabilization and a high-order approximation to the solution. This work extends the implicit shock tracking framework to the case of unsteady conservation laws using a method of lines discretization via a diagonally implicit Runge-Kutta method by "solving a steady problem at each timestep". We formulate and solve an optimization problem that produces a feature-aligned mesh and solution at each Runge-Kutta stage of each timestep, and advance this solution in time by standard Runge-Kutta update formulas. A Rankine-Hugoniot based prediction of the shock location together with a high-order, untangling mesh smoothing procedure provides a high-quality initial guess for the optimization problem at each time, which results in Newton-like convergence of the sequential quadratic programing (SQP) optimization solver. This method is shown to deliver highly accurate solutions on coarse, high-order discretizations without nonlinear stabilization and recover the design accuracy of the Runge-Kutta scheme. We demonstrate this framework on a series of inviscid, unsteady conservation laws in both one- and two- dimensions. We also verify that our method is able to recover the design order of accuracy of our time integrator in the presence of a strong discontinuity.


翻译:最近开发的高阶隐含休克跟踪(HOIST)框架(HOIST), 用于解决隐蔽的、稳定的保存法的不连续解决方案(41, 43), 扩展至不固定的情况。 框架的核心是一个优化问题, 它同时计算不连续匹配网格和相应的高阶接近流, 提供非线性稳定, 和高阶近端解决方案。 这项工作将隐含休克跟踪框架扩展至不稳的保存法, 使用直角隐蔽的Ringe- Kutta 方法, 以“ 在每步时解决一个稳定问题 ” 的方式, 解决不连续的保存法。 我们制定并解决一个优化问题, 在每个时段的Runge- Kutta 阶段, 并同时计算出一个与功能一致的网格的网格网格和解决方案 。 兰金氏- Hugoniot 预测休克- 以及一个高阶的电路规则, 显示一个不精确的系统, 以不精确的平整流方法 。

0
下载
关闭预览

相关内容

专知会员服务
141+阅读 · 2021年3月17日
最新《自监督表示学习》报告,70页ppt
专知会员服务
85+阅读 · 2020年12月22日
最新【深度生成模型】Deep Generative Models,104页ppt
专知会员服务
69+阅读 · 2020年10月24日
【SIGIR2020】学习词项区分性,Learning Term Discrimination
专知会员服务
15+阅读 · 2020年4月28日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
28+阅读 · 2019年10月18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
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
CVPR 2019 论文大盘点-目标跟踪篇
极市平台
20+阅读 · 2019年8月8日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
文字描述生成视频的开源项目
CreateAMind
5+阅读 · 2017年12月31日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年3月18日
Arxiv
0+阅读 · 2021年3月17日
Arxiv
0+阅读 · 2021年3月12日
Meta-Learning with Implicit Gradients
Arxiv
13+阅读 · 2019年9月10日
VIP会员
相关资讯
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
CVPR 2019 论文大盘点-目标跟踪篇
极市平台
20+阅读 · 2019年8月8日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
文字描述生成视频的开源项目
CreateAMind
5+阅读 · 2017年12月31日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员