In this work, we present a novel method for the mesh update in flow problems with moving boundaries, the phantom domain deformation mesh update method (PD-DMUM). The PD-DMUM is designed to avoid remeshing; even in the event of large, unidirectional displacements of boundaries. The method combines the concept of two mesh adaptation approaches: (1) The virtual ring shear-slip mesh updatemethod (VR-SSMUM); and (2) the elastic mesh update method (EMUM). As in the VR-SSMUM, the PD-DMUMextends the fluid domain by a phantom domain; the PD-DMUM can thus locally adapt the element density. Combined with the EMUM, the PD-DMUMallows the consideration of arbitrary boundary movements. In this work, we apply the PD-DMUM in two test cases. Within the first test case, we validate the PD-DMUM in a 2D Poiseuille flow on a moving background mesh. Subsequently the fluid-structure interaction (FSI) problem in the second test case serves as a proof of concept. More, we stress the advantages of the novel method with regard to conventional mesh update approaches.


翻译:在这项工作中,我们为移动边界的流程问题、幻影域变形网格更新方法(PD-DMUM)提供了一种新颖的网格更新方法。PD-DMUM旨在避免重探;即便在大规模单向边界移位的情况下也是如此。该方法结合了两种网格适应方法的概念:(1) 虚拟环形剪剪切网模更新方法(VR-SSMUM);和(2) 弹性网格更新方法(EMUM)。与VR-SSMUM一样,PD-DMUM将流体域通过幻影域扩展;PD-DMUM可以因此本地调整元素密度。与EMUM、PD-DMUMALL结合,考虑任意边界移动。在这项工作中,我们在两个测试案例中采用了PD-D-DMUM更新方法。在第一个测试案例中,我们验证PD-D-DMUM在2D流中以移动背景模模模模模模为背景模模;随后,流体结构互动互动互动方法与MORSUI的优势,作为我们新测试方法的更新了常规方法。

0
下载
关闭预览

相关内容

IFIP TC13 Conference on Human-Computer Interaction是人机交互领域的研究者和实践者展示其工作的重要平台。多年来,这些会议吸引了来自几个国家和文化的研究人员。官网链接:http://interact2019.org/
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20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
专知会员服务
159+阅读 · 2020年1月16日
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
机器学习相关资源(框架、库、软件)大列表
专知会员服务
39+阅读 · 2019年10月9日
“CVPR 2020 接受论文列表 1470篇论文都在这了
ICLR 2020 高质量强化学习论文汇总
极市平台
12+阅读 · 2019年11月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
3+阅读 · 2018年2月20日
VIP会员
相关VIP内容
相关资讯
“CVPR 2020 接受论文列表 1470篇论文都在这了
ICLR 2020 高质量强化学习论文汇总
极市平台
12+阅读 · 2019年11月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员