A quasi‐implicit characteristic–based penalty finite‐element method for incompressible laminar viscous flows
Notice bibliographique
Résumé
Summary In this paper, a novel characteristic–based penalty (CBP) scheme for the finite‐element method (FEM) is proposed to solve 2‐dimensional incompressible laminar flow. This new CBP scheme employs the characteristic‐Galerkin method to stabilize the convective oscillation. To mitigate the incompressible constraint, the selective reduced integration (SRI) and the recently proposed selective node–based smoothed FEM (SNS‐FEM) are used for the 4‐node quadrilateral element (CBP‐Q4SRI) and the 3‐node triangular element (CBP‐T3SNS), respectively. Meanwhile, the reduced integration (RI) for Q4 element (CBP‐Q4RI) and NS‐FEM for T3 element (CBP‐T3NS) with CBP scheme are also investigated. The quasi‐implicit CBP scheme is applied to allow a large time step for sufficient large penalty parameters. Due to the absences of pressure degree of freedoms, the quasi‐implicit CBP‐FEM has higher efficiency than quasi‐implicit CBS‐FEM. In this paper, the CBP‐Q4SRI has been verified and validated with high accuracy, stability, and fast convergence. Unexpectedly, CBP‐Q4RI is of no instability, high accuracy, and even slightly faster convergence than CBP‐Q4SRI. For unstructured T3 elements, CBP‐T3SNS also shows high accuracy and good convergence but with pressure oscillation using a large penalty parameter; CBP‐T3NS produces oscillated wrong velocity and pressure results. In addition, the applicable ranges of penalty parameter for different proposed methods have been investigated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».