In this paper, a high-order gas-kinetic scheme is developed for the equation of radiation hydrodynamics in equilibrium-diffusion limit which describes the interaction between matter and radiation. To recover RHE, the Bhatnagar-Gross-Krook (BGK) model with modified equilibrium state is considered. In the equilibrium-diffusion limit, the time scales of radiation diffusion and hydrodynamic part are different, and it will make the time step very small for the fully explicit scheme. An implicit-explicit (IMEX) scheme is applied, in which the hydrodynamic part is treated explicitly and the radiation diffusion is treated implicitly. For the hydrodynamics part, a time dependent gas distribution function can be constructed by the integral solution of modified BGK equation, and the time dependent numerical fluxes can be obtained by taking moments of gas distribution function. For the radiation diffusion term, the nonlinear generalized minimal residual (GMRES) method is used. To achieve the temporal accuracy, a two-stage method is developed, which is an extension of two-stage method for hyperbolic conservation law. For the spatial accuracy, the multidimensional weighted essential non-oscillation (WENO) scheme is used for the spatial reconstruction. A variety of numerical tests are provided for the performance of current scheme, including the order of accuracy and robustness.


翻译:本文为平衡扩散限制中的辐射流体动力学等式设计了一个高阶气体动力学计划,它描述了物质与辐射之间的相互作用。为了恢复RHE,考虑采用经修改平衡状态的Bhatnagar-Gross-Krook(BGK)模型。在平衡扩散限制中,辐射扩散和流体动力部分的时间尺度不同,它将使完全明确的计划的时间步骤变得非常小。采用了一种隐含的(IMEX)计划,明确处理流体动力部分,并隐含地处理辐射扩散问题。对于流体动力学部分,可以通过经过修改的BGK方程式的综合解决方案来构建一个依赖时间的气体分布功能,通过气体分布功能的时段来获得取决于时间的数字通量。对于辐射扩散来说,使用非线性通用最低残留法(GMRES)方法。为了实现时间精确度,开发了一种两阶段方法,这是超离子保护法的两阶段方法的延伸。对于空间精确度,从空间精确度上看,基于当前临界性能的精确度的系统,提供了当前不精确度的空基数值性调整的系统。

0
下载
关闭预览

相关内容

机器学习系统设计系统评估标准
专知会员服务
15+阅读 · 2021年5月21日
专知会员服务
44+阅读 · 2020年10月31日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
基于 Carsim 2016 和 Simulink的无人车运动控制联合仿真(四)
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2021年7月1日
Arxiv
3+阅读 · 2018年4月9日
Arxiv
4+阅读 · 2017年11月4日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
基于 Carsim 2016 和 Simulink的无人车运动控制联合仿真(四)
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15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
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员