节点不连续伽辽金方法在求解线性和非线性平流方程中的一维实现(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥

****🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️**座右铭:**行百里者,半于九十。

📋📋📋++本文目录如下:++🎁🎁🎁

目录

[💥1 概述](#💥1 概述)

[📚2 运行结果](#📚2 运行结果)

[🎉3 参考文献](#🎉3 参考文献)

[🌈4 Matlab代码实现](#🌈4 Matlab代码实现)


💥1 概述

本文提出了节点不连续伽辽金方法在求解线性和非线性平流方程中的一维实现,无需任何滤波器或限幅器。本公式旨在向CFD从业者介绍该方法,因此它意味着可读性而不是非常有效的实施。

该方法的基本思想是将平流方程离散化为一维节点不连续伽辽金方程,然后使用迭代方法求解该方程。

在一维情况下,平流方程可以写为:

∂u/∂t + c ∂u/∂x = 0

其中,u是要求解的变量,t是时间,x是空间坐标,c是平流速度。

为了将平流方程离散化为节点不连续伽辽金方程,我们首先将时间和空间离散化为有限的网格点。然后,我们使用中心差分方法来近似平流方程中的导数项。具体来说,我们使用以下公式来近似时间导数和空间导数:

∂u/∂t ≈ (u_i^n+1 - u_i^n) / Δt

∂u/∂x ≈ (u_i+1^n - u_i-1^n) / (2Δx)

其中,u_i^n表示在第n个时间步长和第i个空间节点处的变量值,Δt是时间步长,Δx是空间步长。

将这些近似代入平流方程,我们得到节点不连续伽辽金方程:

(u_i^n+1 - u_i^n) / Δt + c (u_i+1^n - u_i-1^n) / (2Δx) = 0

为了求解该方程,我们使用迭代方法,如迭代法或牛顿法。迭代方法的基本思想是将方程转化为一个求根问题,并通过迭代逼近根的解。

总之,节点不连续伽辽金方法是一种求解线性和非线性平流方程的一维实现方法,它不需要滤波器或限幅器。然而,由于其可读性和实施的简单性,它可能不是非常高效的方法。

📚 2 运行结果

部分代码:

% Build 1d mesh

xgrid = mesh1d([0 2*pi],nE,'LGL',K);

dx = xgrid.elementSize; J = xgrid.Jacobian;

x = xgrid.nodeCoordinates; w = xgrid.weights';

xc = xgrid.elementCenter;

% Load DG tools

tool = DGtools(xgrid.solutionPoints);

V = tool.Vandermonde2;

invM = tool.nodalInvMassMatrix;

Dr = tool.nodalCoefDiffMatrix;

% Build Lift Operator

Emat = zeros(K+1,2); % array of element's shape function

Emat(1,1)=1; Emat(K+1,2)=1;

Lift = V*(V'*Emat);

% IC

u0 = IC(x,2);

% Set plot range

plotrange = [xgrid.range(1),xgrid.range(2),...

min(min(min(0.9*u0)),min(min(1.1*u0))),1.1*max(max(u0))];

%% Solver Loop

% Set initial time & load IC

t=0; u=u0; it=0;

% Using a 3rd Order 3-stage SSPRK time integration

while t < tEnd

uo = u;

% update time

dt = cfl*dx/max(max(abs(dflux(u)))); t = t+dt;

% iteration counter

it = it+1;

% 1st stage

dF = residual(u,flux,dflux,Lift,Dr);

u = uo-dt*dF/J;

% 2nd Stage

dF = residual(u,flux,dflux,Lift,Dr);

u = 0.75*uo+0.25*(u-dt*dF/J);

% 3rd stage

dF = residual(u,flux,dflux,Lift,Dr);

u = (uo+2*(u-dt*dF/J))/3;

% build cell averages

u_bar = w*u/2;

% Plot u

subplot(1,2,1); plot(x,u,x,u0,'-+'); axis(plotrange); grid off;

subplot(1,2,2); plot(xc,u_bar,'ro'); axis(plotrange); grid off;

%if rem(it,10) == 0

drawnow;

%end

end

%% Final Plot for IC 2

subplot(1,2,1); plot(x,u,x,u0,'-+'); axis(plotrange);

title('Nodal DG','interpreter','latex','FontSize',18);

xlabel('\\it{x}','interpreter','latex','FontSize',14);

ylabel({'\\it{u(x)}'},'interpreter','latex','FontSize',14);

subplot(1,2,2); plot(x,u0,'k-',xc,u_bar,'ro'); axis(plotrange);

title('Cell Averages','interpreter','latex','FontSize',18);

xlabel('\\it{x}','interpreter','latex','FontSize',14);

ylabel({'\\it{u(x)}'},'interpreter','latex','FontSize',14);

🎉3 参考文献

文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

1\]陈长胜,纪立人,陈嘉滨,等.JFNK方法在求解全隐式一维非线性平流方程中的应用\[J\].大气科学, 2007, 31(5):10.DOI:10.3878/j.issn.1006-9895.2007.05.19. \[2\]赵晓旭.勒让德-伽辽金法求解两类非线性积分微分方程\[D\].哈尔滨师范大学\[2023-08-11\]. \[3\]王俊.时域不连续伽辽金法在计算电磁学中的应用\[D\].西安电子科技大学,2015.DOI:10.7666/d.D01068543. ## [🌈](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=Mzk0MDMzNzYwOA==&action=getalbum&album_id=2591810113208958977#wechat_redirect "🌈")****4 Matlab代码实现****

相关推荐
王哈哈^_^9 分钟前
【数据集】【YOLO】【目标检测】农作物病害数据集 11498 张,病害检测,YOLOv8农作物病虫害识别系统实战训推教程。
人工智能·深度学习·算法·yolo·目标检测·计算机视觉·1024程序员节
xier_ran11 分钟前
邻接矩阵的 k 次幂意味着什么?从图论到路径计数的直观解释
算法·图论
B站_计算机毕业设计之家1 小时前
预测算法:股票数据分析预测系统 股票预测 股价预测 Arima预测算法(时间序列预测算法) Flask 框架 大数据(源码)✅
python·算法·机器学习·数据分析·flask·股票·预测
GG向前冲1 小时前
【大数据】Spark MLlib 机器学习流水线搭建
大数据·机器学习·spark-ml
深蓝岛2 小时前
目标检测核心技术突破:六大前沿方向
论文阅读·人工智能·深度学习·计算机网络·机器学习
晚霞apple2 小时前
特征融合与目标检测的六大创新方向
论文阅读·人工智能·深度学习·神经网络·机器学习
想唱rap2 小时前
C++ list 类的使用
c语言·开发语言·数据结构·c++·笔记·算法·list
Theodore_10222 小时前
神经学习(4)神经网络的向量化实现与TensorFlow训练流程
人工智能·深度学习·机器学习·计算机视觉·线性回归
l1t2 小时前
利用DuckDB SQL求解集合数学题
数据库·sql·算法·集合·duckdb
yuyanjingtao2 小时前
CCF-GESP 等级考试 2024年9月认证C++四级真题解析
c++·算法·青少年编程·gesp·csp-j/s