光滑粒子流体动力学方法的一致性分析

来源 :安徽大学 | 被引量 : 6次 | 上传用户:rongtian2588
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
计算机数值模拟逐渐成为解决现代工程和科学分析问题的重要途径,数值模拟能为理论提供测试和检验,有助于对复杂物理问题的认识,还能帮助我们解释和发现新现象,例如有限差分法(FDM)和有限元法(FEM),已经被广泛应用于计算流体动力学和计算固体力学的各个领域,并且现在已经成为工程和科学研究中求解问题的主要数值模拟方法。   尽管基于网格的数值方法已经获得了巨大的成功,但仍存在一些方面的缺陷,例如基于网格的数值方法应用于许多复杂问题时受到了限制。这些方法同样面临着网格生成的问题,由于网格生成的质量直接影响到计算结果的稳定性和精度。然而,由于流体动力学中如自由表面流动问题通常是流体大变形问题,而且涉及到曲线固壁,或可动壁等复杂边界的处理,所以对类似这类问题的数值模拟就显得比较困难。近年来,一种新的无网格光滑粒子流体动力学数值方法引起了我们的极大兴趣,这就是近20年来发展起来的一种新的纯lagrange方法——光滑粒子流体动力学法。即SPH方法。SPH方法最初是用于解决三维开放空间的天体物理学现象的模拟,现已被广泛的研究和扩展,并被应用于具有材料强度的动态响应问题和具有大变形的动力学问题。   在理论方面,我们论述了连续形式的核近似法和离散形式的粒子近似法,因为这两种方法构成了SPH方法的基础。同时我们研究了SPH近似方法的再生性,并系统的推导了连续和离散形式的一致性条件,连续一致性条件为构造解析的光滑函数提供了广义的方法,并在SPH公式的形式中起着重要作用,离散化一致性条件为传统SPH方法中的粒子不连续缺陷提供了修复方法,由此,我们提出了一些修正技术和改进方法,用以修复传统SPH方法的一致性和提高它的精度。   针对SPH方法的缺点,本文首先论述了恢复粒子不一致性的方法,然后论述了修正光滑粒子法(CSPM)的发展,这种方法可以提高问题域内部和边界区域周围的精度。CSPM方法没有改变传统的光滑函数,由于它不能应用在具有非连续的问题上,由此,提出了一种模拟非连续现象的SPH方法,即非连续的SPH(DSPH),它是建立在对非连续区域的两边进行泰勒级数展开的基础上的,而不是像CSPM那样在整个区域上进行。非连续函数及其导数的最终核近似式和粒子近似式包括两部分,其中一部分与CSPM中的相似,另一部分就是对非连续性进行处理得到的修正部分。   最后,为了验证DSPH公式在非连续现象中的性能,首先通过算例验证在近似非连续函数中的精度和效率,使用了分段连续多项式,然后又用DSPH方法用于模拟冲击波问题,结果显示DSPH不仅能够解决边界缺陷问题,而且能够很好地模拟可能存在的场变量函数中的非连续性。同样DSPH公式在模拟一维冲击管问题上也得到了非常好的效果。
其他文献
虚拟化技术凭借充分利用宿主机资源、快速部署、高可用性等优势在企业中得到了广泛应用。近几年,随着企业信息化规模的不断扩大,虚拟服务器的部署规模也在不断扩大,相对于传
随着Wleb技术在互联网中发展,用户不再是简单地从网络中获取信息,而是采取更加主动的方式产生信息。由于用户数量的急剧增长,以用户为中心的信息产生模式,导致了互联网信息量
随着Web作为互联网上最重要的应用之一,它提供了便捷的文档发布和信息的获取,并且各地的信息资源聚集在互联网上,成为生活中不可缺少的一部分。根据官方资料的显示,在互联网
随着计算机应用的不断发展,人们对软件的高可靠性要求越来越高。形式化方法是基于数学和逻辑语言的精确性规格、验证,保证软件高可靠性的重要方法。模型检测是一种形式化的验
在现代市场经济中,公司的财务欺祚行为可谓层出不穷,对证券市场产生了巨大的冲击,引发了前所未有的信用危机。因此,对财务欺诈进行识别就显得尤为重要。利用数据挖掘中的分类技术,对公司财务数据进行分析、计算、处理,从数据中挖掘出蕴含其中的信息和规则,帮助投资者和会计师轻松应对各种复杂财务数据行为,具有较高的学术价值和广泛的应用前景。目前,面向财务欺诈识别的分类技术研究刚刚起步,现有分类方法直接应用于财务欺
随着社会信息化的迅速发展,信息资源数量的骤然增长、信息资源的异构性和动态性使得充分有效的使用这些浩海如烟的信息资源变得越来越困难,这时如果想要充分的利用这些网络资
虚拟植物(Virtual Plant)是指利用虚拟现实技术在计算机上模拟植物在三维空间中的生长发育过程,它是以植物个体或群体为对象,生成具有三维效果和可视化功能的计算机模型。它
模式匹配是计算机研究领域中一个重要的研究方向。随着互联网的普及和发展,模式匹配技术广泛应用于网络安全、搜索引擎以及生物计算等领域中。本文总结了当前模式匹配算法的
针对强化学习任务中存在的“维数灾”(即状态空间的大小随着特征数量的增加而发生指数级的增长)及收敛速度慢两个普遍且严重的问题,本文分别从奖赏函数、分层强化学习和函数
智能规划是人工智能领域一个非常活跃的研究分支。近十几年中,智能规划发展非常迅速,在规划问题的描述和问题求解两方面研究都取得了新的突破,但在求解大规模规划问题以及规划搜