Second order accurate Cartesian grid methods have been well developed for interface problems in the literature. However, it is challenging to develop third or higher order accurate methods for problems with curved interfaces and internal boundaries. In this paper, alternative approaches based on two different grids are developed for some interface and internal layer problems, which are different from adaptive mesh refinement (AMR) techniques. For one dimensional, or two-dimensional problems with straight interfaces or boundary layers that are parallel to one of the axes, the discussion is relatively easy. One of challenges is how to construct a fourth order compact finite difference scheme at boarder grid points that connect two meshes. A two-grid method that employs a second order discretization near the interface in the fine mesh and a fourth order discretization away from the interface in the coarse and boarder grid points is proposed. For two dimensional problems with a curved interface or an internal layer, a level set representation is utilized for which we can build a fine mesh within a tube $|\varphi({\bf x}) | \le \delta h$ of the interface. A new super-third seven-point discretization that can guarantee the discrete maximum principle has been developed at hanging nodes. The coefficient matrices of the finite difference equations developed in this paper are M-matrices, which leads to the convergence of the finite difference schemes. Non-trivial numerical examples presented in this paper have confirmed the desired accuracy and convergence.


翻译:第二顺序准确的笛卡尔网格方法已经为文献中的界面问题得到了很好的开发。然而,为曲线界面和内部边界的问题开发第三级或更高级的准确方法是具有挑战性的。在本文件中,为某些界面和内部层问题开发了基于两种不同网格的替代方法,这与适应性网状改进(AMR)技术不同。对于一个维度问题,或两个维度问题,即直交或边界层与一个轴平行的直交或边界层,讨论相对容易。一个挑战是如何在连接两个间歇的棋盘网格点上构建第四个或更高级的紧紧紧紧紧的紧紧紧紧紧紧紧紧的紧紧紧紧紧的紧紧紧紧紧紧紧紧紧紧紧的紧紧紧紧紧紧紧紧紧紧紧紧的紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧地的紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧地的两边的两端网格。一个新的超级三号的硬不紧紧紧紧紧紧紧紧紧紧紧紧紧紧地盘组合,三三三基的硬的硬的架架架架架架架,三维基的架架,在不紧不紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧紧地的架架架架架上方的架,三的架,三的架,在紧紧地的架架,在紧紧地的架,在紧紧紧紧地压的架上方的架,在紧紧不紧不紧不紧地压的架,在紧紧地的架上方的架上方。

0
下载
关闭预览

相关内容

专知会员服务
161+阅读 · 2020年1月16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
[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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年8月2日
Arxiv
93+阅读 · 2022年8月2日
VIP会员
相关资讯
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员