FVM求解器的求解方法有哪些

学术 2024-11-24 12:21 山东

点击上方蓝色字体，邀您关注CFD饭圈！

有限体积法（Finite Volume Method，简称FVM）是一种用于数值求解偏微分方程（Partial Differential Equations，简称PDEs）的方法，特别是在计算流体动力学（CFD）中广泛应用。FVM通过将控制体积划分为有限数量的单元（通常是网格单元），并在这个体积上对守恒定律进行积分，从而得到一组代数方程。这些方程随后可以通过各种数值方法求解。以下是一些常用的求解方法：

一、直接求解方法

1.高斯消元法（Gaussian Elimination）：

▪这是最基本和最传统的直接求解方法。它通过一系列的行变换将系数矩阵转换为行梯度形式（上三角形式），然后通过回代（back substitution）求解未知数。

▪高斯消元法对于小型到中型的方程组非常有效，但对于大型稀疏方程组，其计算成本和内存需求可能会非常高。

2.LU分解（LU Decomposition）：

▪LU分解是将系数矩阵分解为一个下三角矩阵（L）和一个上三角矩阵（U）的乘积。

▪这种方法通过前向替换和后向替换两个步骤来求解方程组，适用于中等规模的方程组。

▪对于正定矩阵，LU分解是一种非常有效的直接求解方法。

3.Cholesky分解（Cholesky Decomposition）：

▪仅适用于正定矩阵。该方法将正定矩阵分解为一个下三角矩阵的平方，即A = L * L^T，其中L是下三角矩阵。

▪通过前向替换和后向替换求解方程组。

▪由于其高效性和数值稳定性，Cholesky分解在求解正定线性系统时非常受欢迎。

4.PLU分解（Partial Pivoting LU Decomposition）：

▪这是一种改进的LU分解方法，通过行交换（部分主元消去法）来避免因数值问题导致的求解失败。

▪该方法在每一步消元过程中选择最大的主元，以减少因数值误差导致的不稳定性。

5.Doolittle算法和Crout算法：

▪这两种算法都是LU分解的特例。Doolittle算法生成的是行主元的上三角形式，而Crout算法生成的是列主元的下三角形式。

▪这两种方法在实际应用中较少使用，因为它们不如高斯消元法或Cholesky分解高效。

6.奇异值分解（Singular Value Decomposition, SVD）：

▪虽然SVD通常用于矩阵近似和数据压缩，但在某些情况下，它也可以用于求解线性方程组，尤其是当矩阵接近奇异或病态时。

直接求解方法在处理小型或中型方程组时非常有效，但随着问题规模的增大，它们的计算复杂度和内存需求会急剧增加。因此，在处理大型问题时，通常会考虑使用迭代求解方法或预处理技术来提高求解效率。在实际应用中，选择合适的求解方法需要考虑问题的特性、求解精度要求以及可用的计算资源。

二、迭代求解方法

FVM的迭代求解方法主要用于求解大型或复杂的线性方程组，特别是在计算流体动力学（CFD）和其他工程领域中。这些方法通过逐步逼近的方式来寻找方程组的解，通常需要较少的内存，并且在多核或分布式计算环境中表现良好。

1.雅克比方法（Jacobi Method）：

▪一种简单的迭代方法，每次迭代中，每个未知数的值都是基于当前其他所有未知数的值来更新的。

▪适用于易于并行化的系统，但可能需要较多的迭代次数才能收敛。

2.高斯-赛德尔方法（Gauss-Seidel Method）：

▪类似于雅克比方法，但在每次迭代中，更新未知数的值时会使用已更新的邻近未知数的值。

▪通常比雅克比方法收敛得更快，因为它利用了最新计算的信息。

3.逐次超松弛方法（Successive Over-Relaxation, SOR）：

▪SOR方法结合了雅克比和高斯-赛德尔方法的特点，通过引入一个松弛因子（omega）来平衡解的更新。

▪适当的松弛因子可以显著加快收敛速度，并且该方法可以应用于非线性问题。

4.共轭梯度法（Conjugate Gradient Method, CG）：

▪适用于大型稀疏矩阵，特别是当矩阵是对称正定时。

▪通过构造一系列共轭方向来最小化残量，从而加速求解过程。

▪共轭梯度法不需要存储整个系数矩阵，因此适合处理大规模问题。

5.广义最小残差法（Generalized Minimum Residual, GMRES）：

▪一种Krylov子空间方法，不需要矩阵对称或正定。

▪通过构建一个最小化残差范数的子空间来求解方程组。

▪GMRES对于解决非线性或复杂系统非常有用，但计算成本相对较高。

6.双共轭梯度法（Bi-Conjugate Gradient Stabilized, Bi-CGSTAB）：

▪是共轭梯度法的改进版本，用于处理非对称或不定矩阵。

▪通过引入一个稳定化步骤来提高收敛性和鲁棒性。

7.多重网格方法（Multigrid Methods）：

▪虽然多重网格方法可以是迭代的，但它们通常与直接求解方法结合使用，以加速收敛。

▪通过在不同分辨率的网格上求解问题来提高迭代求解的效率。

8.预处理技术（Preconditioning Techniques）：

▪预处理技术通过变换原始方程组来改善其条件数，使得迭代求解方法更容易收敛。

▪常见的预处理方法包括雅克比预处理、块雅克比预处理、不完全LU分解（ILU）等。

三、混合求解方法

FVM混合求解方法结合了直接求解和迭代求解技术的优点，旨在提高求解效率和稳定性，特别是在处理大规模或复杂系统时。

1.混合迭代-直接求解器（Hybrid Iterative-Direct Solvers）：

▪这类方法通常开始于直接求解器，如高斯消元法或Cholesky分解，然后转换为迭代求解器来完成求解过程。

▪这种方法试图利用直接求解器的高精度和迭代求解器的内存效率。

2.预处理共轭梯度法（Preconditioned Conjugate Gradient, PCG）：

▪在共轭梯度法中使用预处理步骤来改善原始方程组的条件数，从而加速收敛。

▪预处理器通常是较简单的求解器，如雅克比或不完全LU分解（ILU）。

3.预处理GMRES（Preconditioned GMRES）：

▪类似于PCG，但在GMRES方法中使用预处理技术。

▪预处理器有助于处理非线性或复杂系统，使得迭代求解过程更加稳定和高效。

4.多重网格-共轭梯度法（Multigrid CG）：

▪将多重网格方法与共轭梯度法结合，使用多重网格技术作为预处理器或求解器的一部分。

▪这种方法特别适合于求解具有多种尺度特性的偏微分方程。

5.多重网格-GMRES（Multigrid GMRES）：

▪与多重网格-共轭梯度法类似，但在GMRES框架内使用多重网格技术。

▪这种方法可以提高求解非线性或大规模问题的能力。

6.阿尔法策略（Alpha Strategy）：

▪一种混合求解器，它结合了直接求解器的稳定性和迭代求解器的内存效率。

▪通过调整参数（阿尔法值），可以在直接和迭代求解之间进行权衡，以优化求解过程。

7.块求解器（Block Solvers）：

▪将问题分解成较小的子块，并分别对每个块应用求解器。

▪块求解器可以是直接的或迭代的，也可以结合预处理技术来提高效率。

8.稀疏直接求解器与迭代求解器的组合：

▪对于稀疏矩阵，可以使用稀疏直接求解器（如超级LU或PARDISO）作为主要求解器，同时使用迭代求解器处理无法直接求解的部分。

‍‍

（欢迎各位在公众号发信息关于CFD想了解的，将整理资料成微信文章）

-- END --

--- 邀您关注本公众号 ---

http://mp.weixin.qq.com/s?__biz=Mzk0MzI0NDU2NQ==&mid=2247488464&idx=2&sn=3c38943eba4520aa64ea046d64474c65

有限元语言与编程

面向科学计算，探索CAE，有限元，数值分析，高性能计算，数据可视化，以及 Fortran、C/C++、Python、Matlab、Mathematica 等语言编程。这里提供相关的技术文档和咨询服务，不定期分享学习心得。Enjoy！

最新文章

AI大模型和科学计算的完美结合：ChatGPT与有限元的应用解析

软件著作权自申请流程

常微分方程与偏微分方程：数值计算方法的深度对比

FVM求解器的求解方法有哪些

数值计算中的误差及减小误差的原则

C/C++学习笔记：指针 VS. 引用

震撼揭秘！CAE与人工智能的深度融合，将颠覆传统认知，推动力学新纪元重大科研进展！

初探高斯积分在一维有限元中运用：泊松方程

常微分方程两点边值问题的差分求解 | Dirichlet 边界条件

C/C++学习笔记：STL标准库简介

Python有限元网格划分：开源工具

有限元（FEM）和有限差分（FDM）网格对比

Nature首例！偏微分方程求解的新纪元：深度学习与神经网络的无缝融合”深度学习中的新视角与新方法:跨界融合的创新实践！

[微分方程] 拉普拉斯方程引论

在学习有限元课程前需要哪些数学知识？

实际问题求解: 热传导方程

科学巨匠的智慧结晶：偏微分方程的起源与发展

偏微分方程：二阶偏微分方程

详解C和C++中结构体(struct)的区别

生命3.0：人工智能、意识与生命的省思

现代Fortran探索之旅 | 面向对象编程简介

基于六面体单元热应力问题的Matlab有限元编程求解

太强了！ChatGPT-4技术在有限元环境中的应用....【建议收藏】

CAE与人工智能

浅析CAE软件的发展方向：通用与专用之争

C/C++中的优秀科学计算库

连发NatureScience正刊！AI时代有限元领域的“天才博士”，颠覆传统思维！

微分方程诞生过程中有哪些不可绕过的名字？

梯度、散度与旋度：数学与物理的交响曲

CFD的梯度、散度与旋度，你搞懂了没？

有限元的前世今生！从打破“潘多拉魔盒”到掌握其中的“希望”！近十年的大成之作！

C++中的函数应用：从基础到高级

常微分方程的数值求解 | Adams线性多步法

目前已知最大的素数，刚被发现了

Biot固结问题的有限元求解

有限元中使用弱形式的目的是什么？

Fortran与OpenMP | Single指令解析

弦振动问题的微分方程建模及分析

Fortran中数学函数的前缀（D、C、Q 等）：加还是不加？

【开源有限元软件介绍】MFEM：高性能可扩展的有限元库

常微分方程的数值求解 | 一阶方程组和高阶方程

数学也有实验？

板壳结构matlab有限元编程（一）：薄板单元基本理论与方程详解

非饱和渗流问题的有限元求解

想学GUI(图形用户界面)编程，哪种语言比较好？

跨时代创新！深度学习赋能有限元分析，计算效率的革命性突破！开启高效仿真新时代！

在科学计算领域，面向对象编程的应用为何不那么广泛？

颠覆传统！CAE有限元博士连发三篇顶刊，仿真技术迈上新高度！

基于Python的简明数学建模

数值方法中的误差与步长：为什么更细的网格并不总是意味着更高的准确性？

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉