Fully-discrete nonlinearly-stable flux reconstruction methods for compressible flows
Notice bibliographique
Résumé
A fully-discrete, nonlinearly-stable flux reconstruction (FD-NSFR) scheme is developed, which ensures robustness through entropy stability in both space and time for high-order flux reconstruction schemes. We extend the entropy-stable flux reconstruction semidiscretization of Cicchino et al. [1] , [2] , [3] with the relaxation Runge Kutta method to construct the FD-NSFR scheme. We focus our study on entropy-stable flux reconstruction methods, which allow a larger time step size than discontinuous Galerkin . In this work, we develop an FD-NSFR scheme that prevents temporal numerical entropy change in the broken Sobolev norm if the governing equations admit a convex entropy function that can be expressed in inner-product form. For governing equations with a general convex numerical entropy function, we develop a method for implementing RRK in a flux reconstruction framework, where the semidiscrete entropy stability property is in the broken Sobolev norm. For such problems, temporal entropy change in the physical L 2 norm is prevented. As a result, for general convex numerical entropy, the FD-NSFR scheme achieves fully-discrete entropy stability only when the DG correction function is employed. We use entropy-conserving and entropy-stable test cases for the Burgers', Euler, and Navier-Stokes equations to demonstrate that the FD-NSFR scheme prevents temporal numerical entropy change. The FD-NSFR scheme therefore improves robustness through an entropy stability property, while the flux reconstruction filter allows for larger time steps. We find that the FD-NSFR scheme is able to recover both integrated quantities and solution contours at a higher target time-step size than the semi-discretely entropy-stable scheme, suggesting a robustness advantage for low-Mach turbulence simulations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».