Inclusion of a grad-div term, $-\gamma\nabla\nabla\cdot u$, is an effective tool for improving mass conservation in discretizations of incompressible flows. However, the added term $-\gamma\nabla\nabla\cdot u$ couples all velocity components, decreases sparsity and increases the condition number in the linear systems that must be solved every time step. To address these three issues various sparse grad-div regularizations and a modular grad-div method have been developed. Sparse grad-div discretizations have been previously proven to be stable in $2d$ but stability in $3d$ is unproven. Let $G^{\ast }=-diag(\partial_{x}^{2},\partial_{y}^{2},\partial_{z}^{2})$ denote the diagonal of $G=-\nabla\nabla\cdot$, and $\alpha\geq0$\ an adjustable parameter. We prove unconditional, nonlinear, long time stability in $3d$ (and $2d$) of the (space discretization suppressed) sparse grad-div method% \begin{gather*} \frac{u^{n+1}-u^{n}}{k}+u^{n}\cdot\nabla u^{n+1}+\nabla p^{n+1}-\nu\Delta u^{n+1}+\\ (\gamma+\alpha)G^{\ast}u^{n+1}-[(\gamma+\alpha)G^{\ast}-\gamma G]u^{n}% =f{\text{ .}}% \end{gather*} The discretization error of the grad-div terms is first order, comparable to the implicit method used for the other terms. We prove unconditional stability of this method for free parameter $\alpha\geq0.5\gamma$ and that the method controls the persistent size of $||\nabla\cdot u||$ in general and controls the transients in $||\nabla\cdot u||$ for a cold start. Consistent numerical tests are presented. This report also presents and proves unconditional stability of a modular, sparse grad-div method.%


翻译:包含 Oqrial- div 术语, $- gamma\ nabla\ nabla\ cdot u美元, 是改善对不可压缩流流的离散控制中质量保存的有效工具。 然而, 添加的 $- comma\ nabla\ nabla\ cddot u$ 的一对夫妇所有速度组件, 降低宽度, 增加线性系统中每一步必须解决的。 要解决这三个问题, 已经开发了各种稀有的 grama- div 正规化和模块化的 grad- div 方法。 先前证明 以 $2d$ 来稳定 。 在 Ogastial- qal- dal- droadal- dismal- droadal- droadal- droadal- droupation $. 我们证明这是无条件的, rqual- romax_ la_ la_ la_ la_ la_ romail_ la_ la_ la_ la_ la_ la_ la_ la_

0
下载
关闭预览

相关内容

【硬核书】矩阵代数基础,248页pdf
专知会员服务
84+阅读 · 2021年12月9日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
61+阅读 · 2020年3月4日
专知会员服务
159+阅读 · 2020年1月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
最新SCI期刊影响因子出炉!
CVer
27+阅读 · 2020年7月1日
保序最优传输:Order-preserving Optimal Transport
我爱读PAMI
6+阅读 · 2018年9月16日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
ICLR 2018最佳论文AMSGrad能够取代Adam吗
论智
6+阅读 · 2018年4月20日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
最新SCI期刊影响因子出炉!
CVer
27+阅读 · 2020年7月1日
保序最优传输:Order-preserving Optimal Transport
我爱读PAMI
6+阅读 · 2018年9月16日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
ICLR 2018最佳论文AMSGrad能够取代Adam吗
论智
6+阅读 · 2018年4月20日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14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