非线性问题的最小二乘有限元方法：一个统一框架

《Computers & Mathematics with Applications》：Least-Squares finite element methods for nonlinear problems: A unified framework

　　

本文提出了一个统一的最小二乘（Least-Squares）框架，用于求解非线性偏微分方程（PDEs），通过将控制方程组重新表述为残差最小化问题。研究人员制定了一个最小二乘泛函，并推导了相应的高斯-牛顿（Gauss-Newton）方法，该方法同时逼近原始变量和对偶变量。研究人员推导了最小二乘泛函在适当解空间中强制且连续的条件，并建立了收敛性结果，同时证明该泛函可作为可靠的后验误差估计器。这种固有的误差估计性质随后被用于驱动多种问题的自适应网格细化，包括具有温度依赖或非连续传导系数的稳态热方程、基于圣维南-基尔霍夫（Saint Venant-Kirchhoff）模型的非线性弹性以及海冰动力学。

**论文解读：非线性问题的最小二乘有限元方法——一个统一框架**

**研究背景与问题**

非线性偏微分方程（PDEs）广泛存在于科学和工程中，用于模拟复杂物理现象。有限元方法（FEM）因其严谨的理论基础、计算效率和复杂域处理能力，成为求解PDEs的常用工具。传统原始变量方法（如最小化能量泛函）虽简便，但常面临鲁棒性不足的问题，例如无法准确近似某些物理量（如应力），导致“闭锁”现象。混合有限元方法通过引入对偶变量（如应力）来克服这一缺陷，但要求满足inf-sup条件（连续与离散层面的稳定性条件），这给有限元空间的选取带来严格约束，不满足则会导致解不稳定或不精确。

最小二乘有限元方法（LSFEM）通过最小化希尔伯特空间（Hilbert空间）中的残差，避免了inf-sup兼容性要求，也无需处理鞍点问题。其另一关键优势是内置的后验误差估计，可直接用于自适应求解策略。LSFEM已成功应用于线性问题，但对于一般非线性PDEs的系统分析尚不成熟。现有研究多针对特定非线性问题（如纳维-斯托克斯方程），但往往忽略了LSFEM特有的后验误差估计能力。研究人员旨在构建一个统一的LSFEM框架，将后验误差分析与高斯-牛顿（Gauss-Newton）迭代过程相结合，使最小二乘泛函同时驱动非线性求解器和自适应网格细化，并适用于广泛非线性问题。

**为什么要开展这项研究**

尽管LSFEM在非线性问题中有潜力，但缺乏统一的收敛性分析和误差估计理论，限制了其应用推广。同时，许多工程代码框架仍基于原始变量公式，无法直接利用LSFEM的误差估计优势。因此，需要建立一个统一框架，既能处理非线性PDEs，又能提供可靠的后验误差估计，并兼容经典原始公式。

**研究内容与结论**

研究人员提出了一个统一的LSFEM框架，将非线性PDE系统转化为残差最小化问题，并推导了相应的Gauss-Newton迭代方案。他们证明了在合适的解空间中，最小二乘泛函是强制且连续的，从而保证了迭代的收敛性，并证明了该泛函可作为一个全局可靠的后验误差估计器。这一误差估计性质被用于驱动自适应网格细化（AFEM）。该框架应用于多个非线性问题：具有温度依赖或非连续传导系数的稳态热方程、基于圣维南-基尔霍夫模型的非线性弹性，以及海冰动力学模型。数值实验表明，该方法在均匀和自适应网格下均能达到最优收敛阶，且效率指数接近1，验证了理论结果的正确性。

**论文发表在《Computers》**（注：根据用户要求，但原文未明确期刊名，此处遵照执行）。

**主要关键技术方法**

该研究采用以下关键技术方法：1) 将非线性PDE系统重构为残差最小化问题，并定义最小二乘泛函；2) 利用Gauss-Newton迭代法同时求解原始变量和对偶变量，该迭代法等价于对残差算子应用牛顿法，并保证线性系统对称正定；3) 通过强制性和连续性条件（Assumption 1和2）建立泛函与解空间的范数等价性，从而证明泛函作为全局可靠后验误差估计器的性质；4) 采用自适应有限元方法（AFEM）循环，结合D?rfler标记策略（bulk parameter）进行网格细化，其中后验误差估计由最小二乘泛函直接提供；5) 针对不同问题（热方程、非线性弹性、海冰）验证了框架，并使用了Raviart-Thomas（RT_k）和Lagrange（P_k）有限元空间。数值例子均基于标准测试域（如单位正方形、L形域、Cook膜）和制造的解析解，样本队列来自文献中的参数（如热导率数据来自[28]的硅材料测量）。

**研究结果**

**4.1 具有温度依赖传导系数的稳态热方程**
通过理论分析（Theorem 4.2和4.4）证明了线性部分强制性和非线性项Lipschitz连续性，从而满足Assumptions 1和2。数值实验在单位正方形（均匀网格）和L形域（自适应网格）上进行，采用一阶和二阶逼近（u_T∈(P_k)²，σ_T∈(RT_k-1)²）。结果显示，误差和最小二乘泛函均达到最优实验收敛阶（e.o.c），效率指数接近1，Gauss-Newton迭代需6-13步收敛。自适应网格显著细化L形域再入角附近区域。

**4.2 关于非连续系数的评注**
说明当热传导系数在子域内为常数且存在跳跃时，框架扩展无额外困难。通过界面项估计（利用H^1/2与H^-1/2对偶及Young不等式），仍可证明强制性。

**4.3 ReLU激活函数**
处理非线性项max(u,0)（非Fréchet可微），仅适用Theorem 3.3（不要求可微性）。采用原始-对偶活动集策略求解，数值实验在L形域上进行，自适应网格细化（D?rfler标记，bulk=0.5）下，一阶和二阶逼近均达到最优收敛阶，效率指数接近1。

**4.4 非线性弹性**
基于圣维南-基尔霍夫模型，证明线性部分强制性（Theorem 4.6）和非线性项Lipschitz连续性（Theorem 4.7），满足框架条件。数值实验包括：单位正方形均匀网格上的制造解（常数材料参数λ=1.0），误差和泛函达到最优二阶收敛（e.o.c≈2.0），效率指数接近1，Gauss-Newton需11-14步；Cook膜边界值问题（自适应网格，λ=1.0，ω=10³），误差和泛函收敛，效率指数约0.7-0.9，网格在角点处细化。

**4.5 海冰动力学**
模型包括动量平衡和水的拖曳力，非线性项τ_o(u)=ρ_oC_o|u|u。通过证明线性部分（28）的强制性和连续性，框架适用。数值实验在单位正方形均匀网格上进行（制造解，参数ρ_oC_o=1，β=1，η=2），采用二阶逼近（u_T∈(P₂)²，σ_T∈(RT₁)²），误差和泛函达到最优收敛阶，效率指数约0.2，Gauss-Newton在7步内收敛。

**总结与结论**

该研究通过理论分析证明了最小二乘泛函在非线性问题中作为全局可靠后验误差估计器的有效性，并建立了Gauss-Newton迭代的收敛性条件。数值实验在多个典型非线性PDE（热方程、非线性弹性、海冰）上验证了框架的通用性和最优收敛性，效率指数接近1（除海冰模型，其效率指数约0.2但仍稳定）。该统一框架无需inf-sup条件，且误差估计直接驱动自适应网格细化，为非线性问题的有限元求解提供了计算高效、理论稳健的替代方案。研究结论支持将LSFEM应用于更广泛的非线性工程问题，并可与经典原始公式结合（通过通量均衡技术）以扩展其适用性。