含源项双曲守恒方程的保平衡HLL格式

针对含源项的双曲守恒方程给出了一种新的有限体积格式.经典的有限体积格式不能正确地模拟对流通量项和外力之间的平衡所产生的动力学问题.为解决这个问题,仿照经典的HLL近似Riemann求解器设计思路设计了含源项的近似Riemann求解器.针对含重力源项的一维流体Euler方程和理想磁流体方程,通过对通量计算格式的修正得到了保平衡HLL格式(WB-HLL),并给出了保平衡的证明.针对一维Euler方程和理想磁流体给出了两个算例,比较了传统HLL格式和提出的WB-HLL格式的计算精度.计算结果表明,WB-HLL格式精度更高,收敛更快.

一维ENO格式以及一维WENO格式在双曲守恒方程数值计算中的应用

论文研究了高阶精度本质无振荡(ENO)及其高阶精度加权本质无振荡(WENO)格式在双曲型守恒方程中的应用。并应用五阶WENO空间离散格式和三阶TVD Runge-kutta时间离散格式对一维Sod Riemann问题进行了数值模拟。数值结果表明该格式具有高精度性和本质无振荡性。

求解一维双曲守恒律方程的高分辨率格式

对于双曲守恒律方程,当存在激波或间断时,熵相容格式会出现非物理振荡,为抑制振荡同时提高格式的分辨率,利用限制器构造高分辨率格式,对已有的sweby及MC限制器进行改进,将改进后的限制器添加至熵相容格式中。在一维双曲守恒律上进行数值实验结果表明,所构造的高分辨率熵相容格式具有鲁棒性、无振荡性等良好特性。

一类双曲守恒律方程组退化Goursat问题整体光滑解的存在性

针对一类双曲守恒律方程组退化Goursat问题,研究其整体光滑解的存在性.首先,引入特征角α,β,建立α,β和压力P的特征分解;其次,利用α,β的特征分解得到不变区域,进而得到特征角的最大模估计;最后,通过压力P的特征分解以及连续性方法建立解的梯度估计,从而证明退化Goursat问题解的存在性.

求解双曲守恒律方程的MUSCL-Hancock熵相容格式

本文提出了一种基于MUSCL-Hancock方法求解双曲守恒律方程的熵相容格式(EC-MHM格式),新格式在空间上利用MUSCL-Hancock方法对数据进行重构,并对重构后的斜率进行修正,得到高分辨率的熵相容通量;在时间上,利用双曲守恒律方程的差分形式更新下一时刻的值,更新下一时刻变量值时只需计算一次数值通量,从而提高了格式的计算效率;最后对不同的双曲守恒律方程进行数值模拟,结果表明,EC-MHM格式具有无振荡、高分辨率、高精度等良好特性。

一维双曲守恒方程组的Taylor-Galerkin有限元方法

In this paper, a numerical method is developed for solving one-dimensional hyperbolic system of conservation laws by the Taylor-Galerkin finite element method. The scheme is obtained by solving conservation equations associated HamiltonJacobi equations. The scheme has the TVD-like property under the uniform meshes. Numerical examples are given.

双曲守恒型方程的二阶摄动有限差分格式

对双曲守恒型方程,将其一阶迎风格式空间差商的常系数摄动展开为时间步长和空间步长的幂级数,通过确定幂级数系数而获得二阶精度的摄动有限差分(PFD)格式。进而从双曲守恒型方程的通量分裂型一阶迎风格式出发,通过类似的摄动展开方法,获得空间精度为二阶的通量分裂形式的摄动有限差分(FPFD)格式。这两类格式保留了一阶守恒迎风格式的简洁结构形式,使用三节点即可达到二阶精度,又避免了三点二阶格式的非物理数值振荡。并将这两类格式推广应用到双曲守恒型方程组,最后通过模型方程和一维激波管流动的数值算例验证了格式的高精度、高分辨率性质。

双曲型方程激波捕捉的物理信息神经网络(PINN)算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络(physics-informed neural networks,PINN)启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入,将PINN算法中的损失函数作为训练输出值与参考解(基于细网格的熵相容格式数据)或准确解的误差值,通过网络优化,最小化损失函数,得到最优网络参数。最后用数值算例验证了算法的可行性,数值结果表明,本文算法能捕捉激波,分辨率高,且未产生伪振荡。

五阶WENO有限差分法在线性双曲守恒律方程中的应用

利用五阶WENO格式离散空间导数,三阶Runge-kutta法离散时间导数,探讨了五阶WENO有限差分法在线性双曲守恒律方程中的应用.经过经典数值算例的验证,结果表明五阶WENO有限差分法可实现线性双曲守恒律方程高精度、高分辨率和本质无振荡的求解,也可实现流体力学中运动界面高精度、高分辨率的追踪.

自适应间断有限元方法求解双曲守恒律方程

研究自适应Runge-Kutta间断Galerkin(RKDG)方法求解双曲守恒律方程组,并提出两种生成相容三角形网格的自适应算法.第一种算法适用于规则网格,实现简单、计算速度快.第二种算法基于非结构网格,设计一类基于间断界面的自适应网格加密策略,方法灵活高效.两种方法都具有令人满意的计算效果,而且降低了RKDG的计算量.

求解双曲守恒律方程的高次有限元方法

将Galerkin高次有限元应用于双曲守恒律的Hamilton Jacobi方程 ,得到了求解双曲守恒律的一类数值格式。这类格式在CFL条件下具有TVD性质 ,在更强的条件下 ,其半离散格式的数值解收敛于守恒律方程的熵解。数值结果表明 ,这类格式具有较高的分辨激波的能力。

双曲型守恒方程若干差分格式收敛性判别法则及高分辨率的度量

应用Tadmor的关于双曲型守恒方程式差分逼近的收敛性判别法 ,对于若干差分逼近式 ,引入一些参数 ,只要在上机时适当调整此参数值 ,即可得到其收敛性 .

双曲型守恒律方程的自适应间断Galerkin方法

工程实际中的许多间断问题,例如空气动力学中的激波问题,其数学模型大都是非线性双曲守恒律方程.本文在Runge-Kutta间断Galerkin(RKDG)框架下,结合h型自适应方法处理了一维非线性守恒律方程初值问题和初边值问题.此方法不仅能准确描述间断的出现和位置,而且还能在间断附近适当加密网格,提高计算效率.最后,数值算例验证了算法的有效性.

求解双曲守恒律及其对流扩散方程的中心迎风方法

提出了一种新的求解双曲守恒律方程(组)的四阶半离散中心迎风差分方法.空间导数项的离散采用四阶CWENO(central weighted essentially non-oscillatory)的构造方法,使所得到的新方法在提高精度的同时,具有更高的分辨率.使用该方法产生的数值粘性要比交错的中心格式小,而且由于数值粘性与时间步长无关,从而时间步长可根据稳定性需要尽可能的小.

双曲型守恒方程的Jacobi逼近

本文利用Jacobi逼近方法,建立求解双曲型守恒方程的半离散拟谱格式,并给出误差估计式.

针对双曲守恒律方程求解方法的研究

计算流体力学是基于数值方法对满足定解条件的流体力学方程进行的离散化处理，对数值解进行分析和处理，通过数值模拟的过程得到流体的运动规律，进而解决流体运动中遇到的实际问题。流体运动大多数都具有非线性守恒律方程形式，因此，能高效、精确地对双曲守恒律方程进行求解成为流体力学领域的重要研究课题之一。本文从物理概念出发，通过介绍几种主要的求解方法，加深对双曲守恒律方程求解方法的理解和运用。

双曲守恒律方程WENO格式的优化方法

WeightedEssentiallyNon Oscillatroy (WENO)是求解双曲守恒律方程的高精度高分辨率数值格式 .论文讨论了双曲守恒律方程WENO格式的一些优化策略 ,减少了非线性权的计算次数和特征分解的次数 ,通过数值算例证明了这些策略的可行性 ,并比较了优缺点 .

双曲守恒律方程的加权本质无振荡格式新进展

近几年,在计算流体力学中,高精度、高分辨率的加权本质无振荡(weighted essentially non-oscillatory,WENO)格式得到很大的发展.WENO格式的主要思想是通过低阶的数值流通量的凸组合重构得到高阶的逼近,并且在间断附近具有本质无振荡的性质.本文综合介绍了双曲守恒律方程的有限差分和有限体积迎风型WENO,中心WENO,紧致中心WENO以及优化的WENO格式等,讨论了负权的处理和多维问题的解决方法.最后,通过一些算例证明WENO格式的高精度,本质无振荡的性质.

求解带源项双曲守恒律方程的IGVC格式

研究带源项双曲守恒律方程的IGVC(改进的群速度控制)格式。为了控制数值方法带来的非物理振荡,引入IGVC格式,考察其TV性质,对于源项我们采用分裂方法处理,该方法用于求解一维浅水方程,数值结果是令人满意的。

机器学习在求解一维双曲守恒律方程中的应用

双曲守恒律方程对空气动力学、物理学和海洋学等众多领域问题的计算有着重大意义,本文应用机器学习框架下的BP神经网络对双曲守恒律方程近似求解。首先,采用熵稳定格式及基于自适应移动网格的熵稳定格式所得多个时间层的数值解构造网络输入,采用高分辨率熵稳定格式所得对应的多个时间层的数值解构造网络输出,并对数据集作归一化处理。随后,利用三层的BP神经网络训练数据,从而得到性能良好的神经网络,以实现对任一给定时间层节点处数值解的预测。最后,通过五个数值算例表明该算法适用于该类问题的解决,数值结果分辨率高,且无非物理振荡产生。