We present a novel interface-capturing scheme, THINC-scaling, to unify the VOF (volume of fluid) and the level set methods, which have been developed as two different approaches widely used in various applications. The key to success is to maintain a high-quality THINC reconstruction function using the level set field to accurately retrieve geometrical information and the VOF field to fulfill numerical conservativeness. The interface is well defined as a surface in form of a high-order polynomial, so-called the polynomial surface of interface (PSI). The THINC reconstruction function is then used to update the VOF field via a finite volume method, and the level set field via a semi-Lagrangian method. Seeing the VOF field and the level set field as two different aspects of the THINC reconstruction function, the THINC-scaling scheme preserves at the same time the advantages of both VOF and level set methods, i.e. the mass/volume conservation of the VOF method and the geometrical faithfulness of the level set method, through a straightforward solution procedure. The THINC-scaling scheme allows to represent an interface with high-order polynomials and has algorithmic simplicity which largely eases its implementation in unstructured grids. Two and three dimensional algorithms in both structured and unstructured grids have been developed and verified. The numerical results reveal that the THINC-scaling scheme, as an interface capturing method, is able to provide high-fidelity solution comparable to other most advanced methods, and more profoundly it can resolve sub-grid filament structures if the interface is represented by a polynomial higher than second order.


翻译:我们提出了一个新颖的界面采集方案,即THINC缩放,以统一VOF(流体量)和水平设定方法,这些方法是作为两种不同方法在各种应用中广泛使用的两种不同方法开发的。成功的关键是保持高质量的THINC重建功能,使用水平设定字段来准确检索几何信息和 VOF字段来满足数字保守性。界面被很好地定义为以高阶多级多级界面(所谓多级界面(PSI)形式)为形式的表面。然后,THINC重建功能被用来通过一个有限的量设定方法更新VOF字段(流体量)和水平设定方法,通过半Lagrangian方法更新水平设定字段。将VOF字段和水平设定字段作为THINC重建功能的两个不同方面,THINC缩放计划同时保留VOF和水平设定方法的优势,即VOF方法的批量/数量级界面保护以及水平设定方法(PSI)的地理精确性准确性,通过一个直接的解决方案,可以代表一个基础化的系统,也就是一个结构化的快速和结构结构结构结构的系统,这个系统可以提供一种不精确的系统。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
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
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
VIP会员
相关VIP内容
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
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
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22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
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
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Top
微信扫码咨询专知VIP会员