Insights into the performance of loosely-coupled FSI schemes based on Robin boundary conditions
Robin边界条件是采用Nitsche方法在流体-固体界面处施加运动速度约束的自然结果。基于Dirichlet-Robin或Robin-Robin耦合的松耦合FSI方案已被证明可以提高此类方案相对于附加质量的稳定性。本文的目的是提供一些数值的见解,这种松散耦合的FSI计划的性能特点的基础上罗宾边界条件。使用数值例子,我们证明了由于增加阻尼项的改善的稳定性实际上是在牺牲重要的动态特性的结构子问题。
2021-05-31 cs.CE cs.NA math.NA
Nitsche stabilized Virtual element approximations for a Brinkman problem with mixed boundary conditions
本文为含滑移条件的混合边界 Brinkman 问题提出 Nitsche 稳定虚拟元离散格式,证明与黏度无关的稳定性及最优先验误差估计,并通过数值测试验证其鲁棒收敛性。
2024-06-11 cs.NA math.NA
Error analysis of Nitsche's and discontinuous Galerkin methods of a reduced Landau-de Gennes problem
在简化的Landau-de Gennes框架下,研究了一类具有低阶三次非线性项和非齐次Dirichlet边界条件的半线性椭圆型偏微分方程.主要结果是(一)先验误差估计的能量范数,内Nitsche的和不连续的Galerkin框架下的精确解和(ii)一个可靠的和有效的{ \it后验}分析足够大的惩罚参数和足够精细的三角剖分在这两种情况下的温和的正则性假设。数值例子验证了理论结果,分别提出。
2020-12-15 cs.NA math.NA
Nonconforming finite element approximations and the analysis of Nitsche's method for a singularly perturbed quad-curl problem in three dimensions
介绍并分析了三维奇异摄动四元旋度模型问题的鲁棒离散有限元法。对于模型问题的解,我们推导出了适当的先验界,在此基础上,我们证明了所提出的有限元法对奇异扰动参数$\varepsilon$是鲁棒的,并且数值解是以$h^{1/2}$阶一致收敛的.此外,我们还研究了用Nitsche方法弱处理第二边界条件的效果。我们表明,这样的处理导致更尖锐的误差估计比强加的边界条件强烈时,参数$\varepsilon< h$。最后,数值实验来说明该方法的良好性能,并证实我们的理论预测。
2022-06-24 cs.NA math.NA
A stabilized Nitsche fictitious domain method for the Stokes problem
Simula Research Laboratory(Simula 研究实验室);Department of Mathematics, Umeå University(于默奥大学数学系)
针对Stokes问题,提出一种基于低阶元的稳定化Galerkin有限元法的Nitsche虚拟区域方法,通过引入边界附近法向速度和压力梯度的跳跃惩罚项实现inf-sup稳定,并得到最优阶先验误差估计和条件数有界性。
2012-06-09 cs.NA math.NA
A New Least Squares Stabilized Nitsche Method for Cut Isogeometric Analysis
本文提出了一种新的最小二乘稳定Nitsche方法,用于在切割等几何分析中强制狄利克雷边界条件,通过在Dirichlet边界附近添加元素级最小二乘项和边界上的额外项来稳定标准Nitsche方法,并证明了在H²(Ω)函数中的 coercivity 和能量和L²范数下的最优前验误差估计。
2019-02-01 cs.NA math.NA
A Nitsche-type Method for Helmholtz Equation with an Embedded Acoustically Permeable Interface
Umeå University(于默奥大学);Jönköping University(延雪平大学)
本文提出一种新的有限元方法,用于处理嵌入计算域中的声学渗透界面。该方法通过弱化施加阻抗条件,有效处理复数阻抗函数,即使阻抗为零时也能保持稳定性,并通过数值实验验证了方法的性能。
2016-02-29 cs.NA math.NA
A stabilized nonconforming Nitsche's extended finite element method for Stokes interface problems
本文提出了一种稳定化的扩展有限元法,用于非拟合三角形单元上的Stokes界面问题,这种方法不要求界面与三角形对齐。将界面两侧的速度解和压力解分别用标准的分段线性多项式和分段常数多项式展开。谐波加权通量和算术通量分别用于界面和切割边缘(由界面切割的边缘的片段)。为了保证inf-sup条件的稳定性,增加了速度和压力稳定项。在附加正则性假设下,给出了先验误差估计.此外,误差{速度的能量和$L^2$范数中的误差和压力的$L^2$范数中的误差}相对于粘度是鲁棒的{并且与界面的位置无关}。数值实验结果支持了理论分析.
2021-01-17 cs.NA math.NA
A stabilized Nitsche cut finite element method for the Oseen problem
Umeå University(于默奥大学);Technical University of Munich(慕尼黑工业大学)
本文提出一种稳定化的Nitsche割有限元方法用于求解奥塞恩问题,通过惩罚速度和压力梯度跳变来对抗高雷诺数不稳定性,确保inf-sup稳定性并推导最优阶误差估计。
2017-03-29 cs.NA math.NA
Using curved meshes to derive a priori error estimates for a linear elasticity problem with Robin boundary conditions
本文针对光滑域上带Robin边界条件的线性弹性问题,提出使用高阶弯曲网格的有限元离散,并通过向量提升算子建立先验误差估计,涵盖逼近误差与几何误差,且经二维和三维实验验证。
2025-07-10 cs.NA math.NA
Error Estimates for Nitsche's Method on Approximate Domains
针对近似域上的椭圆问题,推导Nitsche方法的先验误差估计,量化边界位置和法向扰动引起的几何误差,并揭示不同范数下几何逼近对收敛性的影响。
2026-06-18 cs.NA math.NA
Nitsche method for the Stokes-Poisson-Boltzmann equation with Navier slip boundary condition
Indian Institute of Technology Roorkee(印度理工学院罗尔基分校)
本文研究了带有狄利克雷和纳维-斯洛普边界条件的斯托克斯-泊松-波尔兹曼方程,采用尼茨切方法统一处理纳维-斯洛普边界条件,推导出稳定离散化形式并建立问题的正确性,证明了先验误差估计和后验误差估计器的可靠性。
2026-04-14 cs.NA math.AP math.NA
Isogeometric discretizations of the Stokes problem on trimmed geometries
研究了截断区域上Stokes问题的等几何逼近。这种设置的特点是底层网格不适合的物理域的边界,使施加的基本边界条件是一个具有挑战性的问题。一个非常流行的策略是依靠所谓的Nitsche方法\cite{MR3264337}。我们发现,Nitsche方法缺乏稳定性,在一些退化的修剪域配置,可能会污染计算的解决方案。在将\cite{MR4155233}的稳定过程扩展到不可压缩流问题之后,我们证明了我们恢复了公式的适定性,从而得到了最优的先验误差估计。数值实验说明稳定性和收敛速度。
2022-02-01 cs.NA math.NA
On hp-Streamline Diffusion and Nitsche schemes for the Relativistic Vlasov-Maxwell System
Chalmers University of Technology(查尔姆斯理工大学);Göteborg University(哥德堡大学);University of Warsaw(华沙大学);Institute of Applied Mathematics and Mechanics, University of Warsaw(华沙大学应用数学与力学研究所)
本文研究了相对论Vlasov-Maxwell系统的hp-流线扩散和Nitsche方案的稳定性与收敛性,推导了误差界并验证了数值结果。
2017-11-01 cs.NA math.NA
Trace and flux a priori error estimates in finite element approximations of Signorni-type problems
TU Graz(格拉茨工业大学);Institut für Numerische Mathematik, TU Graz(格拉茨工业大学数值数学研究所);M2 – Zentrum Mathematik, Technische Universität München(慕尼黑工业大学M2数学中心)
本文基于Signorini问题,提出新的最优阶先验误差估计,通过精确的Steklov-Poincaré算子和对偶性论证,分析迹和通量在Signorini边界上的误差。
2014-09-01 cs.NA math.NA
A spectral element solution of the Poisson equation with shifted boundary polynomial corrections: influence of the surrogate to true boundary mapping and an asymptotically preserving Robin formulation
本文提出一种基于位移边界多项式修正的高阶谱元方法求解带Robin边界条件的泊松方程,通过外推与插值将基函数从真实域映射到代理域,并结合广义Nitsche和Aubin方法弱施加边界条件,数值实验验证了其谱收敛性和代数收敛性。
2023-10-26 cs.NA math.NA
A priori error for unilateral contact problems with augmented Lagrange multipliers and IsoGeometric Analysis
EPFL SB MATHICSE(洛桑联邦理工学院数学与应用数学中心)
本文基于增广拉格朗日方法,利用等几何分析方法,对无摩擦的弹性体与刚体单向接触问题进行先验误差分析,并通过二维和三维小变形和大变形数值验证。
2018-03-30 cs.NA math.NA
Local energy estimates for the finite element method on sharply varying grids
University of Kentucky(肯塔基大学);Brown University(布朗大学);Cornell University(康奈尔大学)
针对椭圆问题有限元方法,在形状正则网格(允许高度分级网格)上建立了局部能量先验估计,通过改进的超逼近结果克服了传统拟均匀网格限制。
2008-08-15 cs.NA math.NA
Duality analysis of interior penalty discontinuous Galerkin methods under minimal regularity and application to the a priori and a posteriori error analysis of Helmholtz problems
本文针对Helmholtz方程的内部罚间断Galerkin离散,利用最小正则性下的Aubin–Nitsche对偶论证,建立并推广了最优先验误差估计与可显式控制误差的后验估计。
2024-01-20 cs.NA math.AP math.NA
Error estimates of $hp$-finite element method for elliptic optimal control problems with robin boundary
School of Mathematics and Statistics, Guangdong University of Technology(广东工业大学数学与统计学院)
本文研究了具有Robin边界条件的椭圆最优控制问题中$hp$有限元方法的先验和后验误差分析,通过构造辅助系统和准插值方法推导了误差估计并验证了其准确性。
2026-01-28 cs.NA math.NA math.OC
Numerical Approximation and Analysis of the Inverse Robin Problem Using the Kohn-Vogelius Method
本文研究由部分边界 Cauchy 数据恢复椭圆或抛物问题分段常数 Robin 系数的反问题,采用 Kohn-Vogelius 正则化泛函与分级网格 Galerkin 有限元离散,并给出严格误差估计和数值验证。
2025-06-09 cs.NA math.NA
Kernel Methods in the Deep Ritz framework: Theory and practice
University of Graz(格拉茨大学);Ludwig Maximilian University of Munich(慕尼黑大学);Munich Center for Machine Learning(慕尼黑机器学习中心)
本文在Deep Ritz方法中采用核近似作为试探函数,结合Nitsche方法弱施加边界条件,求解椭圆型偏微分方程的弱解,并证明了先验误差估计。
2026-06-01 cs.NA math.NA
$L^2$-error estimates for finite element approximations of boundary fluxes
Umeå University(于默奥大学);Simula Research Laboratory(西穆拉研究实验室)
本文研究了有限元近似边界法向通量在$L^2$范数下的最优前验误差估计,涵盖了弱施加Dirichlet边界条件的不同方案,包括Nitsche方法和拉格朗日乘子方法。
2014-01-27 cs.NA math.NA
Finite Element Approximation of the Laplace-Beltrami Operator on a Surface with Boundary
Umeå University(于默奥大学);University College London(伦敦大学学院);Jönköping University(延雪平大学)
本文提出了一种用于带有边界的拉普拉斯-贝尔特里算子的有限元方法,采用三角剖分并利用Nitsche方法弱化非齐次狄利克雷边界条件,证明了在能量和L2范数下最优阶先验误差估计。
2015-09-29 cs.NA math.NA
Cut finite element error estimates for a class of nonlinear elliptic PDEs
虚拟域方法的动机是在复杂域中的许多应用,其边界暴露于大的拓扑变化或变形,虚拟域方法将感兴趣的实际域嵌入到固定的笛卡尔背景中。这通常通过水平集函数对其边界进行几何参数化来实现。本文将非拟合割元数值格式的先验分析推广到线性问题之外。更确切地说,我们考虑了半线性椭圆边值问题的形式$- Δu +f_1(u)=f_2$多项式非线性通过切割有限元法的离散。边界条件是强制执行的,使用Nitsch型的方法。为了确保稳定性和误差估计,是独立的边界相对于网格的位置,配方增加了额外的边界区鬼惩罚条款。这些项作用于与剪切元素相关联的面处的法向梯度的跳跃。先验误差估计的推导,而数值例子说明了该方法的实施和验证的理论研究结果。
2020-03-13 cs.NA math.NA
Crouzeix--Raviart--Marini realisation of computable a priori $L^2$-error bounds on anisotropic meshes
Team FEM
针对二维和三维 Poisson 问题,提出基于 Crouzeix--Raviart 逼近和各向异性网格的可计算先验 $L^2$ 误差界,利用 Marini 关系与广义特征值,无需全局正则性,实现 $O(h^2)$ 误差估计。
2026-09-09 cs.NA math.NA
Eulerian time-stepping schemes for the non-stationary Stokes equations on time-dependent domains
本文在欧拉坐标系下,讨论了不定常域上的斯托克斯方程的离散问题。我们的工作可以看作是Leidfeld & Olshanskii最近一篇论文的扩展[ESAIM:M2 AN,53(2):585-614,2019],其中研究了移动域上抛物型方程的BDF型时间步长格式。对于空间离散化,几何不拟合的有限元离散化与Nitsche方法相结合施加边界条件。物理上未定义的值的解决方案在以前的时间步长隐含地扩展通过所谓的鬼罚稳定。我们推导出一个完整的先验误差分析的离散误差在空间和时间,包括最佳的$L^2(L^2)$ -范数误差界的速度。最后,通过数值算例验证了理论结果.
2020-12-01 cs.NA math.NA
H(curl)-based approximation of the Stokes problem with weakly enforced no-slip boundary conditions
本文针对H(curl)公式的Stokes问题,提出Nitsche有限元方法以弱施加无滑移边界条件,解决直接施加导致的不适定性,并验证了稳定性和最优收敛阶。
2025-08-04 cs.NA math.NA
High Order Cut Finite Elements for the Elastic Wave Equation
Division of Scientific Computing, Department of Information Technology, Uppsala University(乌普萨拉大学信息技术系科学计算部)
本文提出高阶切割有限元方法求解弹性波方程,通过添加稳定项保证计算稳定性,采用Nitsche方法实现边界条件,推导出最优误差估计。
2018-04-01 cs.NA math.NA
Numerical methods of solutions of boundary value problems for the multi-term variable-distributed order diffusion equation
Kabardino-Balkarian State University(卡巴尔达-巴尔卡尔国立大学)
本文研究多项式变分布阶扩散方程的Dirichlet和Robin边值问题,通过能量不等式方法获得先验估计,从而证明差分格式的稳定性与收敛性,并通过数值计算验证结果的可靠性。
2014-01-30 cs.NA math.NA
High order ghost-FEM for incompressible Navier-Stokes equations on moving domains
本文提出一种高阶鬼有限元方法,用于模拟移动边界下的不可压缩流体,通过水平集函数预设物体运动,结合IMEX方案和Shifted Boundary Method提高计算精度和稳定性。
2026-03-20 cs.NA math.NA
Error Analysis of the Deep Mixed Residual Method for High-order Elliptic Equations
本文对求解高阶椭圆方程的深度混合残差方法进行先验误差分析,通过有界性与强制性分析及 Céa 引理分解误差,并利用 Barron 空间理论证明其可避免维度灾难且降低激活函数正则性要求。
2024-11-24 cs.NA math.NA
H(curl)-based approximation of the Stokes problem with slip boundary conditions
Faculty of Mathematics, University of Duisburg-Essen(杜伊斯堡-埃森大学数学学院);SAM, ETH Zürich(苏黎世联邦理工学院应用数学系);Department of Mathematics, University of Vienna(维也纳大学数学系)
本文基于H(curl)空间重构不可压缩斯托克斯方程,解决滑移边界条件处理问题,证明连续问题的适定性,并提出符合有限元方法,验证了理论预测的最优收敛率。
2026-03-20 cs.NA math.NA
On the complexity of the inverse Sturm-Liouville problem
本文研究带Robin边界条件的逆Sturm-Liouville问题的计算复杂性,证明在有限数据匹配零势时可在有限步精确求解,否则需一个极限,并给出显式算法与数值示例。
2023-02-19 cs.NA math.CA math.NA
Exact imposition of boundary conditions with distance functions in physics-informed deep neural networks
在本文中,我们介绍了一种基于距离场的新方法,以在物理信息深度神经网络中精确施加边界条件。在无网格和粒子方法中满足Dirichlet边界条件的挑战是众所周知的。这个问题也是相关的物理通知神经网络(PINN)的解决方案的偏微分方程的发展。我们在人工神经网络中引入几何感知测试函数,以改善偏微分方程的深度学习训练。为此,我们使用的概念,从建设性的立体几何(R-功能)和广义重心坐标(平均值势场),以构建$ϕ$,一个近似的距离函数的边界域。为了精确地施加齐次Dirichlet边界条件,将试函数取为$ϕ$乘以PINN近似,并且将其通过超限插值的推广用于先验地满足复杂几何上的非齐次Dirichlet(本质)、Neumann(自然)和Robin边界条件。在这样做时,我们消除了建模误差与满足边界条件的配置法,并确保运动容许性满足逐点的里兹方法。本文给出了具有仿射边界和曲线边界的区域上线性和非线性边值问题的数值解。基准问题在一维线性弹性,对流扩散,梁弯曲;和在二维泊松方程,双调和方程,和非线性Eikonal方程被认为是。该方法扩展到更高的维度,我们展示了它的使用通过解决泊松问题的齐次Dirichlet边界条件的4D超立方体。该研究为无网格分析提供了一种途径,可以在精确几何条件下进行,而无需进行区域离散。
2021-11-07 cs.NA cs.NE math.NA