Введение
Свойство схем дискретизации, используемых для решения гиперболических уравнений с частичными дифференциальными уравнениями В числовых методах уменьшение общей вариации (TVD) является свойством некоторых схем дискретизации, используемых для решения гиперболических уравнений с частичными дифференциальными уравнениями. Наиболее заметное применение этого метода в вычислительной динамике жидкостей. Концепция TVD была введена Ами Хартеном.
In numerical methods, total variation diminishing (TVD) is a property of certain discretization schemes used to solve hyperbolic partial differential equations. The most notable application of this method is in computational fluid dynamics. The concept of TVD was introduced by Ami Harten.
Применение в CFD
В вычислительной динамике жидкостей схема TVD используется для захвата более резких прогнозов ударов без каких-либо вводящих в заблуждение колебаний, когда изменение переменной поля является непрерывным. Для того чтобы зафиксировать изменение, необходимы тонкие сетки (очень маленькие), и вычисления становятся тяжелыми и, следовательно, неэкономичными. Использование грубых сетей с схемой центральной разницы, схемой против ветра, схемой гибридной разницы и схемой закона о мощности дает ложные прогнозы шока. Схема TVD позволяет более четко прогнозировать удар на грубых сетях, экономя время вычислений, и поскольку схема сохраняет монотонность, в растворе нет ложных колебаний.
Ограничения
Монотонные схемы привлекательны для решения инженерных и научных проблем, потому что они не дают нефизических решений. Теорема Годунова доказывает, что линейные схемы, которые сохраняют монотонность, являются, в большинстве случаев, точными только первого порядка. Линейные схемы более высокого порядка, хотя и более точные для плавных решений, не являются TVD и имеют тенденцию вводить ложные колебания (вигги) там, где возникают прерывания или потрясения. Для преодоления этих недостатков были разработаны различные высокорезолюционные нелинейные методы, часто использующие ограничители потока/наклона.