基于冲击传感器的自适应TENO-DeC气体动力学方案,适用于可压缩流动,并具备时空一致的阶数特性

《Computer Physics Communications》:A shock-sensor-based adaptive TENO-DeC gas-kinetic scheme with space-time consistent order for compressible flows

【字体: 大 中 小 】 时间:2026年09月21日 来源:Computer Physics Communications 3.9

编辑推荐:

  摘要 在这项工作中,我们提出了一种自适应的高阶TENO-DeC气体动力学方案,用于高保真度模拟可压缩流动。该方案旨在优化TENO-DeC框架,使其在空间和时间上都具有较高的精度。引入了一种基于TENO的冲击传感器,以指导DeC时间迭代过程中的分区自适应空间重建,有效降低了与重复高

  摘要
在这项工作中,我们提出了一种自适应的高阶TENO-DeC气体动力学方案,用于高保真度模拟可压缩流动。该方案旨在优化TENO-DeC框架,使其在空间和时间上都具有较高的精度。引入了一种基于TENO的冲击传感器,以指导DeC时间迭代过程中的分区自适应空间重建,有效降低了与重复高阶重建相关的高计算成本。在光滑区域,直接应用最优线性TENO方案;而在非光滑区域,仅使用非线性TENO方案,从而避免了不必要的高阶重建,显著提高了计算效率。此外,基于TENO平滑度的冲击传感器可以自然地用于构建TENO中的自适应截断参数,进一步减少了数值耗散并提高了分辨率。采用了基于圆函数近似的简化气体动力学通量求解器进行流动模拟。基准测试表明,所提出的方法在可压缩流动模拟中实现了良好的精度-效率性能。

引言
近年来,作为基于Boltzmann-BGK模型的有限体积方法,气体动力学方案(GKS)已广泛应用于可压缩流动的数值模拟[1,2]。随着对准确可靠模拟需求的增加,具有高鲁棒性的高阶数值方案在复杂流动的精确预测和工程应用的可靠性评估中变得越来越重要[[3], [4], [5], [6]]。在这种背景下,高阶气体动力学方案(HGKS)在过去十年中得到了系统的发展[[7], [8], [9], [10], [11], [12], [13]]。当前高阶气体动力学方案的发展主要集中在改进空间重建技术上,以进一步提升数值分辨率。在高阶有限体积方法中,非振荡空间重建对于高分辨率可压缩流动模拟至关重要。尽管传统的WENO方案[[14], [15], [16], [17], [18]]具有鲁棒性,但由于连续权重衰减,它们会产生过多的数值耗散,从而降低高频光滑结构的分辨率。为了解决这个问题,TENO方案[[8], [9], [10], [19], [20], [21], [22]]使用逐渐加宽的上风偏置模板和类似ENO的选择策略来构建高阶重建,在光滑区域保持最优线性权重,并丢弃不连续的模板。增强的尺度分离和优化的线性方案在保持鲁棒冲击捕捉的同时,减少了耗散并具有有利的色散-耗散特性[23,24]。然而,在许多高阶气体动力学方案中,时间离散化的精度并未与高阶空间重建相匹配。例如,多阶段方法[8],如广泛使用的Runge-Kutta(RK)时间积分方案[9,[25], [26], [27], [28]],往往导致时间离散化误差占据整体数值误差的主导地位,从而限制了高阶空间重建的充分效果。最近,延迟校正(DeC)时间方法[[29], [30], [31], [32]]与高阶空间重建结合,用于双曲守恒律[[33], [34], [35]]和可压缩流动问题[9]。通过迭代校正时间离散化误差,DeC实现了时间和空间阶数之间的一致性,并为构建任意高阶时空方案提供了统一框架。尽管与低阶时间积分方案相比,DeC可以更快地收敛到相同的误差水平,但由于TENO重建的复杂性和DeC的迭代性质,TENO-DeC方法在可压缩流动模拟中仍然计算成本较高。作为一种具有任意高阶精度的单步方法,DeC自然适用于时间迭代过程中的分区空间重建。在本文中,将冲击传感器引入DeC中,以识别光滑和非光滑区域并指导空间重建策略。与传统的基于低阶导数的传感器[36,37]相比,基于WENO的平滑度传感器[[38], [39], [40], [41]]在区分 discontinuities 和高频光滑结构方面更为鲁棒。在各种基于WENO的传感器中,本文采用了[41]中提出的冲击传感器。它在避免对高频光滑结构的虚假响应的同时,保持了鲁棒的冲击捕捉能力,并且即使在非常低的分辨率下也对WENO数值误差不敏感。为了限制额外的计算成本,使用TENO方案的全局参考平滑度传感器对传感器计算进行预筛选,从而仅处理潜在的非光滑区域,而基本光滑区域则被跳过。此外,冲击传感器可以自然地用于构建TENO中的自适应截断参数,进一步减少数值耗散并提高分辨率。主要改进如下:
(1) 自适应分区重建策略。在每个时间步长的第一个DeC迭代中,基于TENO的冲击传感器识别光滑和非光滑区域。在随后的迭代校正中,采用自适应分区重建策略。在光滑区域直接使用最优线性TENO重建,在非光滑区域应用非线性TENO重建。这种方法有效避免了在迭代过程中重复执行计算成本高昂的非线性TENO重建,从而显著降低了整体计算成本。
(2) 自适应截断参数调整。在第一次迭代中获得的冲击信息用于在后续的非线性TENO重建中局部和自适应地调整截断参数CT。在不同波数区域应用不同的值,从而在保持TENO的低耗散特性的同时,实现更高的整体精度和稳定性。
为了在保持高阶精度的同时进一步降低计算成本,采用了基于圆函数的气体动力学通量求解器(CGKS)[42,43]作为高阶时空一致框架内的数值求解器。CGKS是传统GKS的简化形式,它通过圆函数近似麦克斯韦分布,并将无限速度积分域映射到相速度空间中的有限圆形轨迹上,从而显著降低了界面通量计算的复杂性。在满足宏观守恒律的同时,CGKS保持了GKS的基本数值特性,同时实现了更高的计算效率,使其特别适合与高阶空间重建和时间积分方法结合使用[[8], [9], [10]]。
本文的其余部分组织如下。第2节介绍了简化气体动力学通量求解器的实现。第3节详细介绍了高阶TENO空间重建的实现。第4节描述了DeC时间离散化方法。第5节介绍了本研究中采用的基于TENO的冲击传感器及其对TENO-DeC时空耦合策略的改进和优化。第6节使用一系列无粘性可压缩流动测试案例,系统地评估了所提出方法的分辨率、鲁棒性和计算效率。最后,第7节提供了所提出方法的总结及其性能的总体评估。

圆函数基气体动力学通量求解器
欧拉方程可以在有限体积框架内以半离散形式表示为:
?Uci?t=?1Ωi∑j=14FcjSj,
其中Ωi表示单元i的面积,Sj表示其边缘的长度。CGKS是在一个简化的局部坐标系中构建的。基于简化分布函数[9,10,42]满足的矩关系,将守恒变量Uc和通量Fc投影到该单元的局部标准单元上,根据单元处的单位法向量。

CGKS中的高阶TENO重建实现
本节介绍了Fu [19]提出的高阶目标ENO方案,该方案动态地组装逐渐加宽的低阶候选模板,以有效分离不连续性和小尺度波动,同时显著减少数值耗散,使得高阶方案的构建成为可能。以下以一维为例,概述了任意七阶有限差分方案的构建步骤。

逐步加宽的延迟校正
本节介绍了更通用的“bDeC型”[32,33],这是一种DeC时间积分方法。它可以近似相对较长时间间隔的积分,实现简单且计算效率高。因此,在本文中采用了这种方法。
在通用时间步长[tn, tn+1]中,我们引入了M+1个子时间节点tn=t0< />
基于冲击传感器的自适应teno-dec框架
在有限体积半离散公式中,上述描述的空间时一致高阶teno-dec框架使得在整个时间演化过程中可以实现高阶空间精度[9]。然而,在实际应用中,由于其需要在dec时间积分过程中进行多次非线性teno空间重建的评估,其计算成本仍然相对较高。

数值结果
本节展示了本文提出的方法在可压缩流动模拟中的数值结果。对于精度测试,本节使用的范数定义如下:
l∞=max1≤i≤n|ρnum?ρexact|,
l1=∑i=1nx∑j=1ny|ρnum?ρexact|n,
l2=∑i=1nx∑j=1ny|ρnum?ρexact|2n,
其中n表示域中的单元总数。时间步长定义为δt=cfl·δx/max(s),其中δx是空间网格大小,s...

结论
在这项工作中,我们提出了一种自适应的高阶teno-dec气体动力学方案框架,用于模拟可压缩流动。采用基于teno平滑度的冲击传感器来指导dec时间迭代过程中的分区自适应空间重建,并动态调整非线性teno重建中的截断参数ct。具体来说,在每个时间步长的第一个dec迭代中,冲击传感器识别光滑和非光滑区域:
最优线性...

代码可用性
本文开发的核心teno-dec-a框架是开源的,可在github上找到:https://github.com/miaooo5211/cfd.credi
作者贡献声明
秦秋硕:写作——原始草稿、可视化、验证、软件、方法论、概念化。吴杰:写作——审稿与编辑、监督、方法论、资金获取、概念化。 基于冲击传感器的自适应teno-dec框架 在有限体积半离散公式中,上述描述的空间时一致高阶teno-dec框架使得在整个时间演化过程中可以实现高阶空间精度[9]。然而,在实际应用中,由于其需要在dec时间积分过程中进行多次非线性teno空间重建的评估,其计算成本仍然相对较高。 数值结果 本节展示了本文提出的方法在可压缩流动模拟中的数值结果。对于精度测试,本节使用的范数定义如下: l∞=max1≤i≤N|ρnum?ρexact|, l1=∑i=1Nx∑j=1Ny|ρnum?ρexact|N, l2=∑i=1Nx∑j=1Ny|ρnum?ρexact|2N, 其中n表示域中的单元总数。时间步长定义为δt=CFL·Δx/max(s),其中Δx是空间网格大小,s... 结论 在这项工作中,我们提出了一种自适应的高阶teno-dec气体动力学方案框架,用于模拟可压缩流动。采用基于teno平滑度的冲击传感器来指导dec时间迭代过程中的分区自适应空间重建,并动态调整非线性teno重建中的截断参数ct。具体来说,在每个时间步长的第一个dec迭代中,冲击传感器识别光滑和非光滑区域: 最优线性... 代码可用性 本文开发的核心teno-dec-a框架是开源的,可在github上找到:https: github.com miaooo5211 cfd.credi 作者贡献声明>

基于冲击传感器的自适应teno-dec框架
在有限体积半离散公式中,上述描述的空间时一致高阶teno-dec框架使得在整个时间演化过程中可以实现高阶空间精度[9]。然而,在实际应用中,由于其需要在dec时间积分过程中进行多次非线性teno空间重建的评估,其计算成本仍然相对较高。

数值结果
本节展示了本文提出的方法在可压缩流动模拟中的数值结果。对于精度测试,本节使用的范数定义如下:
l∞=max1≤i≤n|ρnum?ρexact|,
l1=∑i=1nx∑j=1ny|ρnum?ρexact|n,
l2=∑i=1nx∑j=1ny|ρnum?ρexact|2n,
其中n表示域中的单元总数。时间步长定义为δt=cfl·δx/max(s),其中δx是空间网格大小,s...

结论
在这项工作中,我们提出了一种自适应的高阶teno-dec气体动力学方案框架,用于模拟可压缩流动。采用基于teno平滑度的冲击传感器来指导dec时间迭代过程中的分区自适应空间重建,并动态调整非线性teno重建中的截断参数ct。具体来说,在每个时间步长的第一个dec迭代中,冲击传感器识别光滑和非光滑区域:
最优线性...

代码可用性
本文开发的核心teno-dec-a框架是开源的,可在github上找到:https://github.com/miaooo5211/cfd.credi
作者贡献声明
秦秋硕:写作——原始草稿、可视化、验证、软件、方法论、概念化。吴杰:写作——审稿与编辑、监督、方法论、资金获取、概念化。>
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号