We present a numerical method specifically designed for simulating three-dimensional fluid--structure interaction (FSI) problems based on the reference map technique (RMT). The RMT is a fully Eulerian FSI numerical method that allows fluids and large-deformation elastic solids to be represented on a single fixed computational grid. This eliminates the need for meshing complex geometries typical in other FSI approaches, and greatly simplifies the coupling between fluid and solids. We develop the first three-dimensional implementation of the RMT, parallelized using the distributed memory paradigm, to simulate incompressible FSI with neo-Hookean solids. As part of our new method, we develop a new field extrapolation scheme that works efficiently in parallel. Through representative examples, we demonstrate the method's accuracy and convergence, as well as its suitability in investigating many-body and active systems. The examples include settling of a mixture of heavy and buoyant soft ellipsoids, lid-driven cavity flow containing a soft sphere, and swimmers actuated via active stress.


翻译:我们提出了一种基于参考地图技术(RMT)为模拟三维流体-结构互动(FSI)而专门设计的数值方法。RMT是一种完全Eularian FSI的数值方法,允许流体和大变形弹性固体在单一固定的计算网格中代表。这消除了对其他FSI方法中典型的复杂地理结构进行混合的需要,大大简化了流体和固体之间的连接。我们开发了RMT的首批三维实施,利用分布式记忆模式平行实施RMT,模拟无法压缩的FSI与新Hookean固体。作为我们新方法的一部分,我们开发了一种新的实地外推法,以平行方式有效发挥作用。我们通过有代表性的例子,展示了该方法的准确性和趋同性,以及它在调查多体和活跃系统方面的适切性。这些例子包括处理一个重和浮性软微粒子的混合物、含软球的液流和游泳器通过积极应力作用。

0
下载
关闭预览

相关内容

多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
专知会员服务
159+阅读 · 2020年1月16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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【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
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Diffusion Means in Geometric Spaces
Arxiv
0+阅读 · 2021年5月25日
Arxiv
0+阅读 · 2021年5月25日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25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
【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
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