Ich versuche, die 2D-Poisson-Gleichung mit der diskontinuierlichen Galerkin-Methode (DG) und der folgenden Diskretisierung zu lösen (ich habe eine PNG-Datei, darf sie aber leider nicht hochladen):
Gleichung:
Neue Gleichungen:
Schwache Form mit numerischen Flüssen T und q :
Numerische Flüsse (IP-Methode):
mit
Ich habe ein einfaches Fenics-Python-Skript geschrieben, um die Gleichung zu lösen. Die Lösung, die ich bekomme, ist nicht gut. Ich würde mich sehr freuen, wenn jemand, der mit der DG-Methode vertraut ist, einen kurzen Blick auf das folgende Skript werfen und mir sagen könnte, was ich falsch mache.
Die kontinuierliche Galerkin-Formulierung, die ich im Skript hinzugefügt habe, bietet eine gute Lösung.
Vielen Dank im Voraus.
from dolfin import *
method = "DG" # CG / DG
# Create mesh and define function space
mesh = UnitSquare(32, 32)
V_q = VectorFunctionSpace(mesh, method, 2)
V_T = FunctionSpace (mesh, method, 1)
W = V_q * V_T
# Define test and trial functions
(q, T) = TrialFunctions(W)
(w, v) = TestFunctions(W)
# Define mehs quantities: normal component, mesh size
n = FacetNormal(mesh)
# define right-hand side
f = Expression("500.0*exp(-(pow(x[0] - 0.5, 2) + pow(x[1] - 0.5, 2)) / 0.02)")
# Define parameters
kappa = 1.0
# Define variational problem
if method == 'CG':
a = dot(q,w)*dx \
+ T*div(kappa*w)*dx \
+ div(q)*v*dx
elif method == 'DG':
#modele = "IP"
C11 = 1.
a = dot(q,w)*dx + T*div(kappa*w)*dx \
- kappa*avg(T)*dot(n('-'),w('-'))*dS \
\
+ dot(q,grad(v))*dx \
- dot( avg(grad(T)) - C11 * jump(T,n) ,n('-'))*v('-')*dS
L = -v*f*dx
# Compute solution
qT = Function(W)
solve(a == L, qT)
# Project solution to piecewise linears
(q , T) = qT.split()
# Save solution to file
file = File("poisson.pvd")
file << T
# Plot solution
plot(T); plot(q)
interactive()