In this paper, we propose a linear and monolithic finite element method for the approximation of an incompressible viscous fluid interacting with an elastic and deforming plate. We use the arbitrary Lagrangian-Eulerian (ALE) approach that works in the reference domain, meaning that no re-meshing is needed during the numerical simulation. For time discretization, we employ the backward Euler method. For space discretization, we respectively use P1-bubble, P1, and P1 finite elements for the approximation of the fluid velocity, pressure, and structure displacement. We show that our method fulfills the geometrical conservation law and dissipates the total energy on the discrete level. Moreover, we prove the (optimal) linear convergence with respect to the sizes of the time step $\tau$ and the mesh $h$. We present numerical experiments involving a substantially deforming fluid domain that do validate our theoretical results. A comparison with a fully implicit (thus nonlinear) scheme indicates that our semi-implicit linear scheme is faster and as accurate as the fully implicit one, at least in stable configurations.


翻译:在本文中,我们提出了一个直线和单项限制元素方法,用于接近与弹性和变形板相交的不压缩粘结性粘结液流体。我们使用了在参考领域工作的任意Lagrangian-ELERIAN(ALE)方法,这意味着在数字模拟期间不需要再涂层。对于时间分解,我们采用后向的 Euler 方法。对于空间分解,我们分别使用P1-bubbble、P1和P1的限定元素,以接近流体速度、压力和结构流体流体流体流体流体流体流体流体流体流体流体流体。我们表明,我们的方法符合了几何保护法,并消散了离层的总能量。此外,我们证明,在时间步骤的大小方面,我们需要(最佳的)线性趋近(最佳)线性趋近于美元和Mesh $(美元)的大小。我们提出的数字实验涉及一个大幅度分解的流体域,可以验证我们的理论结果。与一个完全隐含的(因此非线性)方案相比较表明,我们的半隐性线性线性线性计划是快速和准确的,至少是完全隐含的。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
73+阅读 · 2022年6月28日
专知会员服务
50+阅读 · 2020年12月14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 Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3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 · 2014年12月31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 · 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
1+阅读 · 2013年12月31日
国家自然科学基金
1+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
Arxiv
0+阅读 · 2023年3月7日
Arxiv
0+阅读 · 2023年3月3日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
相关基金
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 · 2014年12月31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 · 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
1+阅读 · 2013年12月31日
国家自然科学基金
1+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
Top
微信扫码咨询专知VIP会员