We present a stable spectral vanishing viscosity for discontinuous Galerkin schemes, with applications to turbulent and supersonic flows. The idea behind the SVV is to spatially filter the dissipative fluxes, such that it concentrates in higher wavenumbers, where the flow is typically under-resolved, leaving low wavenumbers dissipation-free. Moreover, we derive a stable approximation of the Guermond-Popov fluxes with the Bassi-Rebay 1 scheme, used to introduce density regularization in shock capturing simulations. This filtering uses a Cholesky decomposition of the fluxes that ensures the entropy stability of the scheme, which also includes a stable approximation of boundary conditions for adiabatic walls. For turbulent flows, we test the method with the three-dimensional Taylor-Green vortex and show that energy is correctly dissipated, and the scheme is stable when a kinetic energy preserving split-form is used in combination with a low dissipation Riemann solver. Finally, we test the shock capturing capabilities of our method with the Shu-Osher and the supersonic forward facing step cases, obtaining good results without spurious oscillations even with coarse meshes.


翻译:我们为不连续的Galerkin 方案展示了稳定的光谱消失对比度, 其应用为动荡和超声波流。 SVV 背后的理念是空间过滤消散通量, 使它集中在较高的波数中, 流通常溶解不足, 使低波数消散。 此外, 我们用 Bassi- Rebay 1 方案, 得出基尔蒙- Popov 通量的稳定近似值, 用于在休克捕捉模拟中引入密度规范化。 此过滤器使用一个可确保此方案增缩稳定的空通量的 Coolesky 分解层, 其中也包括对异端墙的边界条件的稳定近似值。 对于扰动流, 我们用三维Taylor- 绿色旋流测试该方法, 并显示能源的消散是正确的, 当电动能保持分裂时, 与低分解 Riemann 解器一起使用时, 这个方案是稳定的。 最后, 我们测试了我们方法的震荡能力, 与前向的气压的气压和直射结果一起, 测试我们的方法的震测了 。

0
下载
关闭预览

相关内容

【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月4日
Arxiv
0+阅读 · 2021年11月4日
Arxiv
0+阅读 · 2021年11月3日
Arxiv
6+阅读 · 2018年3月12日
VIP会员
相关VIP内容
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
相关资讯
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1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