用于三维问题的复变量再生核粒子法

《Engineering Analysis with Boundary Elements》:The complex variable reproducing kernel particle method for three-dimensional problems

【字体: 大 中 小 】 时间:2026年09月21日 来源:Engineering Analysis with Boundary Elements 3.5

编辑推荐:

   ## 摘要 本研究提出了一种复变量再生核粒子法(CVRKPM),用于三维(3D)势问题、瞬态热传导问题和对流扩散问题的数值分析。系统推导了三维域上的CVRKPM近似方法,为后续离散化控制方程的推导奠定了基础。在该方法中,将两个空间坐标合并为一个复坐标,而剩余坐标保留为实坐标

  

## 摘要

本研究提出了一种复变量再生核粒子法(CVRKPM),用于三维(3D)势问题、瞬态热传导问题和对流扩散问题的数值分析。系统推导了三维域上的CVRKPM近似方法,为后续离散化控制方程的推导奠定了基础。在该方法中,将两个空间坐标合并为一个复坐标,而剩余坐标保留为实坐标,从而构造出一种混合复-实基向量,用以替代传统的三维实变量基向量。这一处理减少了未知系数的数量,提升了计算性能。针对上述三类三维问题推导了CVRKPM的离散化方程。通过四个数值算例考察了所提方法的性能与误差分析。数值结果表明,CVRKPM在求解三维问题方面相较于标准RKPM具有更高的精度。

## 引言

无网格方法直接由离散节点构造近似场变量,从而无需预定义网格[1]。与基于网格或单元的有限元法(FEM)或有限差分法(FDM)相比,无网格方法避免了单元连接关系和网格生成,为复杂计算域提供了更大的灵活性[2]。无网格方法在处理大变形、裂纹扩展和复杂几何等问题时具有优势,可以避免传统网格方法中因网格畸变导致的计算失败或精度损失[3]。然而,与二维(2D)应用相比,三维(3D)问题的无网格方法研究仍相对有限,主要原因在于三维离散化中计算成本的增加和实现复杂性的提高[4]。

再生核粒子法(RKPM)被广泛认为是一种有效的无网格方法,其中引入了修正过程以提高边界附近的近似精度[5]。RKPM是粒子近似与拉格朗日公式化的和谐结合,已广泛应用于各类问题,例如非稳态热传导问题[6]、热带太平洋海洋模型[7]、无网格数字图像相关[8]以及Ni-Ti形状记忆合金的弹性行为[9]。然而,RKPM的一个关键局限在于其在n维域中依赖n维实变量基向量来近似场变量。这一依赖增加了未知系数的数量,通常需要较大的节点集,最终限制了计算性能。

为减少RKPM近似中的系数数量,Chen等人将复变量理论引入二维弹性问题的RKPM中,构建了复变量再生核粒子法(CVRKPM)[10]。在该框架中,二维问题的修正函数使用一维多项式基构造,从而减少了系数数量,提高了计算精度和效率。随后,Chen等人将CVRKPM应用于二维瞬态热传导[11]、弹塑性[12]、弹性动力学[13]、弹性基础上薄板弯曲[14]以及基尔霍夫板分析[15];Weng等人进一步将其扩展至二维变系数对流扩散问题[16]和反热传导问题[17]。此外,Niu等人提出了使用共轭基函数的改进CVRKPM[18]。CVRKPM在求解这些问题中展现了良好的性能。然而,目前CVRKPM的研究成果仍集中于二维问题,该方法在三维问题中的应用尚未见报道。这代表了CVRKPM的一个重要局限。

三维问题的数值分析通常比二维问题更具挑战性。这主要是因为额外增加的空间维度导致近似空间更丰富、离散系统更大,以及对精度和稳定性的要求更严格[19]。因此,已有多项无网格方法的研究旨在提高空间域模拟的计算性能[[20], [21], [22], [23], [24], [25], [26], [27]]。在这些进展中,复变量近似提供了一种有效构造紧凑近似函数的方式。例如,Cheng等人将维数分割法与复变量无单元伽辽金法(CVEFG)结合用于三维分析[24,28]。在该方法中,三维模型被分解为一组相关的二维子问题;在二维平面上使用CVEFG近似,而在分割方向上采用有限差分方案。Li和Li开发了用于三维势、亥姆霍兹和斯托克斯方程的复变量伽辽金边界节点法(CVGBNM)[29]。通过使用边界积分方程,该方法将复变量移动最小二乘(CVMLS)近似限制在三维域的二维边界表面上。Li随后提出了用于三维椭圆方程和波动方程的CVEFG方案[30]。Cheng等人进一步构建了用于三维弹塑性分析的共轭基CVEFG公式化[31]。据作者所知,CVRKPM尚未应用于三维问题。相关研究的缺失表明,将CVRKPM扩展至三维数值分析仍是一个值得进一步探讨的课题。

本文提出了用于求解三类三维问题的CVRKPM,包括势问题、瞬态热传导问题和对流扩散问题。详细推导了三维问题域上CVRKPM近似的公式化。在该公式中,将两个空间坐标合并为一个复坐标,而剩余坐标保留为实坐标,从而构造出一种混合复-实基向量,用以替代传统的三维实变量基向量。这一处理减少了未知系数的数量,提升了计算性能。针对上述三类三维问题推导了CVRKPM的离散化方程。通过四个数值算例考察了所提方法的性能与误差分析。数值结果表明,CVRKPM在求解三维问题方面相较于标准RKPM具有更高的精度。

## 章节片段

### 三维问题的CVRKPM近似

设N个节点{$\mathbf{x}_J=(x_1^J, x_2^J, x_3^J)$}$_{J=1}^{N}$分布于三维域$\Omega\subseteq\mathbb{R}^3$中。在CVRKPM近似中,将两个空间坐标合并构造为一个复坐标。不失一般性,将$x_1$和$x_2$坐标配对,定义复坐标为$z_{12}=x_1+ix_2$。因此,三维问题域中的任一点$\mathbf{x}=(x_1, x_2, x_3)$可用混合复-实坐标形式表示为$\mathbf{z}_{12}^*=(z_{12}, x_3)$。如图1所示,$z_{12}$的实部和虚部…

### 三维势问题的CVRKPM

考虑定义在域$\Omega\subset\mathbb{R}^3$(边界$\Gamma=\partial\Omega$)上的三维泊松方程:

$$\frac{\partial^2 u}{\partial x_1^2}+\frac{\partial^2 u}{\partial x_2^2}+\frac{\partial^2 u}{\partial x_3^2}=f(\mathbf{x}),\quad \mathbf{x}=(x_1, x_2, x_3)\in\Omega,$$

伴随如下边界条件:

$$u(\mathbf{x})=\bar{u}(\mathbf{x}),\quad \mathbf{x}\in\Gamma_u,$$
$$q(\mathbf{x})=\frac{\partial u(\mathbf{x})}{\partial \mathbf{n}(\mathbf{x})}=\bar{q}(\mathbf{x}),\quad \mathbf{x}\in\Gamma_q,$$

其中$u(\mathbf{x})$表示势场,$f(\mathbf{x})$为给定源项,$\bar{u}(\mathbf{x})$指定本质边界$\Gamma_u$上的施加势,$\bar{q}(\mathbf{x})$代表自然边界$\Gamma_q$上的规定法向通量。边界部分满足$\Gamma_u\cap\Gamma_q=\emptyset$,$\mathbf{n}(\mathbf{x})$表示外法向…

### 三维瞬态热传导问题的CVRKPM

考虑一个三维瞬态热传导问题,其由以下控制能量方程描述:

$$\rho c\cdot\frac{\partial T}{\partial t}-\tilde{k}\nabla^2 T-Q=0,\quad \mathbf{x}=(x_1, x_2, x_3)\in\Omega,\ t\in[0,t_0].$$

相关边界条件规定为:

$$T=\bar{T},\quad \mathbf{x}=(x_1, x_2, x_3)\in\Gamma_1\ (\text{狄利克雷}),$$
$$\mathbf{n}\cdot\tilde{k}\nabla T=\bar{q},\quad \mathbf{x}=(x_1, x_2, x_3)\in\Gamma_2\ (\text{诺伊曼}),$$
$$\mathbf{n}\cdot\tilde{k}\nabla T=h(T_a-T),\quad \mathbf{x}=(x_1, x_2, x_3)\in\Gamma_3\ (\text{罗宾}),$$

初始条件定义为:

$$T(\mathbf{x},0)=T_0,\quad \mathbf{x}=(x_1, x_2, x_3)\in\Omega,$$

其中$T=T(\mathbf{x},t)$为温度函数,$\tilde{k}$表示材料热导率,$\rho$表示…

### 三维对流扩散问题的CVRKPM

考虑定义在域$\Omega\subset\mathbb{R}^3$(边界$\Gamma=\Gamma_u\cup\Gamma_q$)上的三维对流扩散问题:

$$\frac{\partial u}{\partial t}-\nabla\cdot(\tilde{\mathbf{k}}\nabla u)+\mathbf{v}\cdot\nabla u=f(\mathbf{x},t),\quad \mathbf{x}\in\Omega,\ t\in[0,t_0],$$

满足如下边界和初始条件:

$$u=\bar{u},\quad \mathbf{x}\in\Gamma_u,\ t\in[0,t_0],$$
$$\mathbf{n}\cdot(\mathbf{k}\nabla u)=\bar{q},\quad \mathbf{x}\in\Gamma_q,\ t\in[0,t_0],$$
$$u(\mathbf{x},0)=u_0(\mathbf{x}),\quad \mathbf{x}\in\Omega,$$

其中$\tilde{\mathbf{k}}=\text{diag}(k_1,k_2,k_3)$为扩散张量,$\mathbf{v}=\text{diag}(v_1,v_2,v_3)$为常速度向量。

通过惩罚法将狄利克雷条件引入后,相应的弱形式如下:

$$\delta\Pi^*=\int_\Omega\delta u\cdot\frac{\partial u}{\partial t}\,d\Omega-\int_\Omega\delta u\cdot f\,d\Omega+m_{\text{sub}}\ldots$$

## 数值算例

本节通过四个数值算例考察CVRKPM在三维问题中的计算性能。为保持一致性,所有计算均采用线性多项式基。

计算精度采用相对误差量化,定义为:

$$E_r=\frac{\|\mathbf{u}-\mathbf{u}_h\|_2}{\|\mathbf{u}\|_2},$$

其中$\mathbf{u}_h$和$\mathbf{u}$分别为计算域中所有节点处的数值解和解析解向量。范数$\|\cdot\|_2$表示欧几里得范数。

## 结论

本研究构建了CVRKPM并将其应用于三维问题。在所提方法中,将两个空间坐标合并为一个复坐标,而剩余坐标保留为实坐标。这一处理使得混合复-实基向量能够替代传统的三维实变量基向量来构造修正函数。因此,近似所需的未知系数更少,从而可提升计算精度。

性能…

## CRediT作者贡献声明

彭飘飘:撰写—初稿、可视化、验证、软件、方法论、经费获取、形式分析。
王俊凯:撰写—审阅与编辑、可视化、验证、软件。
张家轩:撰写—审阅与编辑、验证。
程玉林:监督、方法论、经费获取、概念化。

彭飘飘 | 王俊凯 | 张家轩 | 程玉林
相关新闻
生物通微信公众号
微信
新浪微博

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