线弹性问题的自适应混合有限元方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11401026
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0501.算法基础理论与构造方法
  • 结题年份:
    2017
  • 批准年份:
    2014
  • 项目状态:
    已结题
  • 起止时间:
    2015-01-01 至2017-12-31

项目摘要

Based on a posteriori error estimates and mesh adaptivity, the adaptive method is widely used to solve the finite element discrete problems and have been shown to be more competitive; mixed finite element method is a powerful tool for solving the linear elasticity problems, since it can approximate simultaneously the displacement and the stress. This project mainly concerns the adaptive symmetric mixed finite element method for linear elasticity problems. Firstly, we will study the a posteriori error estimates of the symmetric mixed finite elements for three-dimensional linear elasticity problems. The Helmholtz decomposition of the stress tensor will be given by investigating the three dimensional elasticity complex. Residual-based a posteriori error estimator will be proposed and its reliability will be proven by the Helmholtz decomposition. The efficiency of the estimator will be proven constructively by introducing some finite element of the fourth order problems, which is connected to the symmetric tensor finite element by the Airy function, as the auxiliary space. Secondly, we will study the residual based a posterior error estimates of the symmetric nonconforming mixed methods for linear planar elasticity problems. The stress error is decomposed into the conforming part and the nonconforming part by the Helmholtz decomposition. Reliability of the estimator is obtained by estimating the two parts separately. Finally, using the residual based a posteriori error estimators proposed above, we will design optimal adaptive symmetric mixed finite element algorithms to solve the linear elasticity problems, Further investigation on some basic ingredients, such as quasi-orthogonality, discrete Helmholtz decomposition, discrete upper bound and so on, will be done to prove the convergence and optimality of the adaptive algorithm..
以后验误差估计和自适应网格改进技术为核心的自适应方法已被广泛用于有限元离散问题的数值求解中,并表现出色;可同时逼近位移与应力的混合有限元方法是数值求解线弹性问题的强有力工具。本项目主要研究线弹性问题的自适应对称型混合有限元方法。我们首先研究三维线弹性问题对称型协调有限元方法的后验误差估计。利用三维弹性序列给出应力的Helmholtz分解,据此构造残量型的后验误差估计子并证明其可靠性;利用对称型混合元和四阶问题有限元之间的关系,构造性地证明估计子的有效性。其次研究线弹性问题对称型非协调混合元方法的残量型后验误差估计。应用Helmholtz分解把应力误差分解为协调误差和非协调误差两部分,然后分别估计得到误差估计子的可靠性。最后利用所构造的后验误差估计子设计求解线弹性问题的对称型混合元自适应算法,研究拟正交性、离散Helmholtz分解、离散上界等重要性质,证明算法的收敛性和最优性。

结项摘要

混合有限元方法可同时求解位移和应力,是数值求解线弹性问题的强有力工具。相对于标准有限元方法,混合有限元方法由于在计算中涉及到更多的未知量而使计算规模增大,因此如何构造混合元离散问题可靠且有效的后验误差估计子,优化网格加密策略,实现问题的高效自适应计算具有重要的应用价值。. 本项目主要研究了线弹性问题的对称型混合有限元方法及其离散问题的后验误差估计。首先我们构造了求解线弹性问题的一族对称型非协调混合有限元,这族元的应力和位移有限元空间具有很好的匹配性,在形式上关于空间维数具有一致性,可以推广到任意维问题。我们证明了混合元离散问题解的存在唯一性并给出了最优的先验误差估计。对二维、三维问题进行了数值实验,从数值上验证了所构造混合元的最优收敛性和超收敛性,并且从理论上证明了这族元的超收敛性。其次我们研究了二维和三维线弹性问题对称型协调混合元方法的后验误差估计。利用应力误差的Helmholtz正交分解,构造了自适应求解离散问题的残量型后验误差估计子,证明了估计子的可靠性和有效性。通过对不同边值问题的自适应数值计算,验证了所构造后验误差估计子的可靠性和有效性,数值计算表明我们所构造的自适应算法具有最优的收敛性。最后我们研究了对称型非协调混合元离散问题的后验误差估计。本项目现已发表SCI检索论文2篇。. 需要特别指出的是我们最近几年所得到的关于线弹性问题对称型混合有限元方法的研究成果,得到了工程界研究人员的关注,被用于求解一些工程问题并取得了比较好的计算效果,接下来我们将深入研究对称型混合元方法在实际工程计算中的应用。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Residual-based a posteriori error estimates for symmetric conforming mixed finite elements for linear elasticity problems
线性弹性问题的对称一致混合有限元的基于残差的后验误差估计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Science China Mathematics
  • 影响因子:
    --
  • 作者:
    Chen Long;Hu Jun;Huang Xuehai;Man Hongying
  • 通讯作者:
    Man Hongying
The simplest nonconforming mixed finite element method for linear elasticity in the symmetric formulation on n-rectangular grids
n 矩形网格对称公式中线弹性最简单的非相容混合有限元方法
  • DOI:
    10.1016/j.camwa.2016.01.023
  • 发表时间:
    2016
  • 期刊:
    Computers and Mathematics with Applications
  • 影响因子:
    2.9
  • 作者:
    Jun Hu;Honying Man;Jianye Wang;Shangyou Zhang
  • 通讯作者:
    Shangyou Zhang

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

AN OPTIMAL-ORDER ERROR ESTIMATE FOR A FAMILY OF CHARACTERISTIC-MIXED METHODS TO TRANSIENT CONVECTION-DIFFUSION PROBLEMS
瞬态对流扩散问题的一族特征混合方法的最优阶误差估计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Discrete and Continuous Dynamical Systems-Series B
  • 影响因子:
    1.2
  • 作者:
    陈焕贞;周兆杰;王宏;满红英
  • 通讯作者:
    满红英

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

满红英的其他基金

对流占优问题的非协调四边形有限体积元方法
  • 批准号:
    10626005
  • 批准年份:
    2006
  • 资助金额:
    3.0 万元
  • 项目类别:
    数学天元基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码