This paper designs and analyzes positivity-preserving well-balanced (WB) central discontinuous Galerkin (CDG) schemes for the Euler equations with gravity. A distinctive feature of these schemes is that they not only are WB for a general known stationary hydrostatic solution, but also can preserve the positivity of the fluid density and pressure. The standard CDG method does not possess this feature, while directly applying some existing WB techniques to the CDG framework may not accommodate the positivity and keep other important properties at the same time. In order to obtain the WB and positivity-preserving properties simultaneously while also maintaining the conservativeness and stability of the schemes, a novel spatial discretization is devised in the CDG framework based on suitable modifications to the numerical dissipation term and the source term approximation. The modifications are based on a crucial projection operator for the stationary hydrostatic solution, which is proposed for the first time in this work. This novel projection has the same order of accuracy as the standard $L^2$-projection, can be explicitly calculated, and is easy to implement without solving any optimization problems. More importantly, it ensures that the projected stationary solution has the same cell averages on both the primal and dual meshes, which is a key to achieve the desired properties of our schemes. Based on some convex decomposition techniques, rigorous positivity-preserving analyses for the resulting WB CDG schemes are carried out. Several one- and two-dimensional numerical examples are performed to illustrate the desired properties of these schemes, including the high-order accuracy, the WB property, the robustness for simulations involving the low pressure or density, high resolution for the discontinuous solutions and the small perturbations around the equilibrium state.


翻译:本文设计并分析了用于Euler 方程式的假设性平衡(WB) 中央不连续的 Galerkin (CDG) 计划。 这些计划的一个显著特征是,它们不仅能够用于一般已知的固定水静闭溶液,而且能够保持流体密度和压力的推定性。 标准 CDG 方法不具备这一特征, 直接将某些现有的WB 技术应用于 CDG 框架, 同时可能无法适应正态, 并保持其他重要属性。 为了同时获得WB 和正态保存属性, 同时保持计划的保守性和稳定性。 这些计划的一个显著特征特征是, CDG 框架基于对数字消散术语和源名词缩溶液的恰当性能, 并且不仅适合对数值进行修改, 而且还可以明确计算, 并且很容易在不解决任何精确性能的精确性能方面实施。 更重要的是, IMB 高数值 和 高数值 图像显示, 高数值 高数值 高数值, 高数值 和 高数值 高数值 。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
44+阅读 · 2020年10月31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
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
【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
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20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 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18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
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
0+阅读 · 2013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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
VIP会员
相关VIP内容
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20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 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18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
相关基金
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
0+阅读 · 2013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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员