[論文レビュー] Weakening the tight coupling between geometry and simulation in isogeometric analysis: from sub- and super- geometric analysis to Geometry Independent Field approximaTion (GIFT)

Elena Atroshchenko, Gang Xu+2 more|arXiv (Cornell University)|Jan 1, 2017

Advanced Numerical Analysis Techniques参考文献 12被引用数 1

ひとこと要約

本稿では、等参的解析における幾何パラメータライゼーションと解の近似を分離するGeometry Independent Field approximation (GIFT) を提案する。NURBS を用いた幾何、PHT-splines を用いた場の近似といった異なるスプライン空間を用いることで、CAD の幾何を変更せずに局所的適応的グリッド細分化を可能にし、標準的なパッチテストが失敗しても最適収束率を達成する。

ABSTRACT

This paper presents an approach to generalize the concept of isogeometric analysis (IGA) by allowing different spaces for parameterization of the computational domain and for approximation of the solution field. The method inherits the main advantage of isogeometric analysis, i.e. preserves the original, exact CAD geometry (for example, given by NURBS), but allows pairing it with an approximation space which is more suitable/flexible for analysis, for example, T-splines, LR-splines, (truncated) hierarchical B-splines, and PHT-splines. This generalization offers the advantage of adaptive local refinement without the need to re-parameterize the domain, and therefore without weakening the link with the CAD model. We demonstrate the use of the method with different choices of the geometry and field splines, and show that, despite the failure of the standard patch test, the optimum convergence rate is achieved for non-nested spaces.

研究の動機と目的

• 本稿の目的は、同一のスプライン空間を幾何と場の近似に用いる従来の等参的解析（IGA）の硬直性を克服することである。
• NURBS を用いた IGA が、そのテンソル積構造のため局所的グリッド細分化が困難であるという制限を扱うことである。
• 正確な CAD 幾何を維持しつつ、解析効率の向上を図るため、柔軟で局所的に拡張された近似空間を許容するフレームワークの開発を目的とする。
• 幾何パラメータライゼーションとは独立して解の場の h-グリッド細分化を可能にしつつ、CAD との密接な統合を維持することを目的とする。
• 場の近似空間と幾何空間が非ネストである場合でも、最適収束率を達成できることを検証することを目的とする。

提案手法

• GIFT は、計算ドメインのパラメータライゼーション（NURBS やその他の幾何スプラインを用いて）と、解の近似空間（T-splines や LR-splines、PHT-splines、または切断された階層的 B-スプラインを用いて）を分離する。
• 本手法は、同じパラメトリックドメイン上で PDE を解く弱い整合性のあるガレルキン式を用い、場変数の近似空間を別に定義する。
• 局所的グリッド細分化は、幾何パラメータライゼーションの変更や再パラメータライゼーションを要せず、解の近似空間（例：PHT-splines）のみに適用される。
• 各パラメトリックセルに対して、PDE の残差を用いて残差に基づく誤差指標を計算し、誤差閾値に基づいて細分化対象のセルを選択するマーキング戦略を採用する。
• 細分化は PHT-spline のルールに従う：交差点および T-頂点に新しい基底関数を生成し、新しい頂点における既存の基底関数の Bézier コefficient をゼロに再設定することで更新する。
• 解のための新しい制御変数は、元の制御点からの更新ではなく、細分化された近似空間上で PDE を再解することによって得られる。

実験結果

リサーチクエスチョン

• RQ1 等参的解析における幾何と場の近似の分離アプローチは、非ネスト近似空間である場合でも最適収束率を維持できるか？
• RQ2 GIFT において標準的パッチテストが失敗しても、その一貫性および収束性の性質は損なわれないか？
• RQ3 元の CAD 幾何を変更せず、再パラメータライゼーションを要せず、解の場に適応的局所的グリッド細分化を実行できるか？
• RQ4 NURBS を幾何に、PHT-splines を場に用いるといった異なるスプラインタイプの使用が、数値解の精度および効率にどのように影響するか？
• RQ5 GIFT フレームワークにおける効果的かつ安定的な局所的グリッド細分化を保証する誤差指標およびマーキング戦略は何か？

主な発見

• GIFT は、場の近似空間と幾何空間が非ネストであっても、2次元および3次元問題の両方で最適収束率を達成する。
• 本手法は、正確な CAD 幾何を常に維持し、等参的解析の主な利点を保つ。
• 標準的パッチテストが失敗しても、弱い式および適切な誤差指標のおかげで、一貫性および収束性が保たれる。
• PHT-splines の使用により、基礎となる幾何パラメータライゼーションを変更せずに、解の場の効果的な局所的 h-グリッド細分化が可能になる。
• 残差に基づく誤差指標 eK = ||f + Δuh||_L2(K) × hK は、細分化対象セルのマーキングに信頼性の高い指標を提供する。
• 上位 ϵ% のセルを誤差でマーキングした後、平均値マーキングを適用するハイブリッドマーキング戦略は、誤差分布が極めて不均一な場合のロバストネスを向上させる。