In this work, we present a family of time and space high order finite volume schemes for the solution of the full Boltzmann equation. The velocity space is approximated by using a discrete ordinate approach while the collisional integral is solved by spectral methods. The space reconstruction is realized by integrating the distribution function, describing the state of the system, over arbitrary shaped and closed control volumes using a Central Weighted ENO (CWENO) technique. Compared to other reconstruction methods, this approach permits to keep compact stencil sizes which is a remarkable property in the context of kinetic equations due to the considerable demand of computational resources. The full discretization is then obtained by combining the previous phase-space approximation with high order Implicit-Explicit (IMEX) Runge Kutta schemes. These methods guarantee stability, accuracy and preservation of the asymptotic state. Comparisons of the Boltzmann model with simpler relaxation type kinetic models (like BGK) is proposed showing the capability of the Boltzmann equation to capture different physical solutions. The theoretical order of convergence is numerically measured in different regimes and the methods are tested on several standard two-dimensional benchmark problems in comparison with Direct Simulation Monte Carlo results. The article ends with a prototype engineering problem consisting of a subsonic and a supersonic flow around a NACA 0012 airfoil. All test cases are run with MPI parallelization on several threads, thus making the proposed methods suitable for parallel distributed memory supercomputers.


翻译:在这项工作中,我们提出一个时间和空间高顺序高定量的组合,用于解决完整的Boltzmann方程式。速度空间通过使用离散的坐标法进行近似,而碰撞整体部分则通过光谱法解决。空间重建是通过集成功能实现的,说明系统的状态,说明系统状况,使用中央Weighted ENO(CWINO)技术任意形成和封闭的控制量。与其他重建方法相比,这种方法允许保持紧凑的超静脉冲尺寸,这是由于计算资源的大量需求,在动动动方方程中的一种显著属性。随后,通过将以前的阶段-空间近距离与高顺序Impli-Exlit(IMEX)Rungge Kuttta 计划相结合,这些方法保证了系统状况的稳定性、准确性和保存。Boltzmann模型与较简单的松动型型型模型(如BGK)的比较表明,Boltzmann 方程式有能力捕捉到不同的物理解决方案。由于计算资源的大量需求,因此,理论的趋同顺序是用数字测量不同的系统测量的,而完全分离的离散的离散式空间空间空间空间空间近,然后将一些标准的轨道的轨道测试结果与若干个标准级的轨道,然后在模拟的轨道上进行测试。

0
下载
关闭预览

相关内容

Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Nature 一周论文导读 | 2019 年 2 月 14 日
科研圈
7+阅读 · 2019年2月24日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年5月21日
VIP会员
相关VIP内容
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Nature 一周论文导读 | 2019 年 2 月 14 日
科研圈
7+阅读 · 2019年2月24日
计算机类 | LICS 2019等国际会议信息7条
Call4Papers
3+阅读 · 2018年12月17日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
随波逐流:Similarity-Adaptive and Discrete Optimization
我爱读PAMI
5+阅读 · 2018年2月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4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