In this paper, we develop a nonlinear reduction framework based on our recently introduced extended group finite element method. By interpolating nonlinearities onto approximation spaces defined with the help of finite elements, the extended group finite element formulation achieves a noticeable reduction in the computational overhead associated with nonlinear finite element problems. However, the problem's size still leads to long solution times in most applications. Aiming to make real-time and/or many-query applications viable, we apply model order reduction and complexity reduction techniques in order to reduce the problem size and efficiently handle the reduced nonlinear terms, respectively. For this work, we focus on the proper orthogonal decomposition and discrete empirical interpolation methods. While similar approaches based on the group finite element method only focus on semilinear problems, our proposed framework is also compatible with quasilinear problems. Compared to existing methods, our reduced models prove to be superior in many different aspects as demonstrated in three numerical benchmark problems.


翻译:在本文中,我们根据我们最近采用的扩大群体有限要素法制定了一个非线性削减框架。通过将非线性调整到以有限要素帮助界定的近似空间,扩大群体有限要素的配方明显减少了与非线性要素问题有关的计算间接费用。然而,在大多数应用中,问题的规模仍然导致长期的解决时间。为了使实时和/或多孔应用可行,我们分别采用减少命令和复杂性的示范技术,以减少问题的规模,并有效地处理减少的非线性术语。关于这项工作,我们侧重于适当的或线性分解和独立的经验性内插方法。虽然基于群体有限要素方法的类似方法仅侧重于半线性问题,但我们提出的框架也与准线性问题相容。与现有方法相比,我们减少的模型在许多不同方面表现优于三个数字基准问题。

0
下载
关闭预览

相关内容

【CVPR2021】动态度量学习
专知会员服务
39+阅读 · 2021年3月30日
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Python图像处理,366页pdf,Image Operators Image Processing in Python
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
108+阅读 · 2020年6月10日
已删除
将门创投
7+阅读 · 2018年4月25日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年7月26日
VIP会员
相关资讯
已删除
将门创投
7+阅读 · 2018年4月25日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员