排序方式: 共有23条查询结果,搜索用时 0 毫秒
21.
三阶中心无振荡格式Cn3(Centered nonoscillatory scheme of third order)使用对称模板构造具有三阶精度的插值公式.利用单调区域与精确区域修正原始插值参数,该格式能够获得间断附近无振荡、光滑区域高精度的计算结果.通过一维和二维典型算例,将Cn3格式与三阶和五阶WENO格式(Weighted Essentially Non-Oscillatory schemes)进行比较,重点分析了3种格式的间断分辨率、计算稳定性和数值耗散性.分析可见,Cn3格式能够精确、稳定地捕捉激波和接触间断,同时对光滑流动区域的小尺度流动结构保持较低的耗散,值得进一步研究及推广应用. 相似文献
22.
可压缩流动的高分辨率低耗散混合格式研究(英文) 总被引:1,自引:0,他引:1
针对可压缩流场的计算,提出了一种混合型激波捕捉格式来获得对于光滑区域和流场间断都具有高精度的解。该混合方法采用有限体积形式的五阶WENO格式来计算流场的光滑区域,而采用MUSCL格式来捕捉流场中的间断。该混合格式结合WENO格式的低耗散特性和MUSCL格式的高分辨率特性。两种格式之间通过一个间断感受因子进行切换。文中选择了三种典型的间断感受因子进行对比研究。WENO格式和MUSCL格式均为激波捕捉格式,因此混合开关中的常数的选择范围相对较宽。选取了若干典型算例对于混合格式的性能进行了研究,并对不同格式的计算精度和效率进行了对比。数值结果表明,与WENO和MUSCL相比,本文提出的混合方法在较广的范围内均表现出良好的特性。 相似文献
23.
为有效降低使用计算流体力学(CFD)方法的设计成本和周期,降阶模型(ROM)得到广泛关注。对于复杂的可压缩流动,使用本征正交分解(POD)等线性方法进行流场降维,需要大量模态才能保证流场重建的精度,采用非线性降维方法能够有效减少所需模态数。卷积自编码器(CAE)是一种由编码器和解码器组成的神经网络,能够实现数据降维和重构,可看作是POD方法的非线性拓展。采用CAE进行流场数据的非线性降维,同时使用长短期记忆(LSTM)神经网络进行流场状态的时间演化。对于不可压缩问题,使用自编码器和LSTM结合进行流场重构的方法已有较多研究,选择一维Sod激波管、Shu-Osher问题、二维黎曼问题和开尔文-亥姆霍兹不稳定性算例,测试该ROM对非定常可压缩流动的有效性,同时基于POD方法,在不同模态数下构造Sod激波管和黎曼问题的ROM作为对比。结果表明:对于非定常可压缩流动,CAE-LSTM方法能够在使用较少自由变量数的前提下获得较高的重构和预测精度。 相似文献