计算传热学第5讲离散方程及求解、加速及注意事项.ppt

计算传热学第5讲 离散方程的求解 Solution of Difference Equations 本讲内容： 引言 几个基本事实 基本迭代法 加速收敛技术－块迭代法 加速收敛技术－多重网格法 加速收敛技术－块修正法 加速收敛技术－其它方法 收敛判据、收敛速度的控制及其它 阅读要求 陶文铨《数值传热学》 第4章第4.4节 第7章 5.1 离散化方程的求解必须讲求方法 离散化代数方程的求解 不论何种方法 不论问题的性质如何 且一般是非线性的 具有基本重要性 不可或缺 离散化方程的求解必须讲求方法 直接方法（或精确解法）direct solution 未知数个数巨大 计算工作量太大，根本得不到解 舍入误差（round-off error) 得不到“精确解” 精确解法的结果往往是错误的 只能采用迭代法（iteration method） 在数值传热学中：基本重要性 普通迭代法 效率低 收敛速度慢 采用加速收敛方法（acceleration methods） 5.2 几个基本事实 离散化方程的形式： 几个基本事实 离散化方程的形式 对于一维问题，它是一个三对角方程，TDMA法 对于多维问题： 大型稀疏系数矩阵 不能形成“对角”方程 对角方程：高效的求解方法 聪明的节点编号：“对角方程” 几个基本事实 迭代法是近似法 理论上：给出任意指定精度的近似解 迭代法的收敛速度 问题的性质 结点数目增加，收敛速度迅速降低 Recall：数值解的精度与子区域的大小有关 实际问题：结点数目非常大 为什么节点数增加，收敛速度下降？ 边界条件信息向区域内部的传递速度 节点多了，层次多了，“路径”长了，收敛速度慢了！ 特别提示 加速边界信息的传递，必然会提高收敛速度 加速收敛的主要思路之一 几个基本事实 收敛速度与边界条件的类型有关 第一类边界： 边界信息最为确定，收敛速度最快 第三类边界： 边界信息较确定，收敛速度较快 第二类边界： 边界信息最不确定，收敛速度最慢 几个基本事实 收敛速度与问题的类型有关： 扩散型方程易于收敛 对流－扩散方程收敛慢 层流比紊流问题收敛更困难 线性问题比非线性问题容易收敛 收敛速度与迭代顺序有关 设定边界条件时一定要慎重 确定的待求变量数值 几个基本事实 三对角方程：可以高效直接求解 直接解法可以一次性传递边界信息 迭代过程中要尽可能多地采用直接法 5.3 基本迭代法－松弛法 松弛法（Relaxation method) 用上次迭代值?（0）和本次迭代值?构造本轮迭代解，即， 松弛法（Relaxation method) ?是松弛因子， relaxation factor 0 ? 2 ?=1: Gauss-Seidel 迭代法 ?1: 亚松弛（Under relaxation）～ ?1: 超松弛（Over relaxation）～ 松弛法（Relaxation method) 最佳松弛因子?opt: 获得最快的收敛速度 不能事先预测 对于扩散型问题：超松弛可以加速收敛 亚松弛：改善收敛特性，抑制发散 复杂问题一般用亚松弛 公式(5):点迭代（stepwise iteration) 程序简单 收敛速度慢 计算机速度的提高：点迭代的可能性 松弛法（Relaxation method) 松弛法的基本思想：具有重要意义 点迭代 线迭代 源项等的处理：对于强源项问题， 5.4 加速收敛技术 为什么一定要采用加速收敛方法？ 收敛速度成为制约因素 加速收敛的基本出发点： 加速边界信息的传递 增加直接求解的份额 最大限度地减少待求变量的数目 5.4.1块迭代法 块迭代法：Block iteration 将求解区域分成若干块（大的子区域） 未知数个数巨大 块：一条线和数条网格线组成 同一块上的待求变量用直接法求解 不同块之间用迭代法求解 这相当于： 代数方程可以分区域求解 各个区域间用迭代法完成 5.4.1 块迭代法 最常用的方案：线迭代(line iteration) 对于二维问题，参见方程（2）： 线迭代法 说明： 形式上变为一维问题 b’中的?S和?N是未知的：上次迭代值 在同一条线上求解 逐线求解，直到覆盖整个求解区域。 线迭代法 当然，将方程（2） 还可以这样改写， 线迭代法－说明 交替方向法(ADI, Alternative Direction Iteration) 特点： 增加了直接求解的份额 加速了边界信息的传递速度 大幅度地提高了收敛速度（与点迭代相比） 程序仍然相对简单 内存占用增加不多 属于必须掌握的方法 线迭代法－说明 分类 Jacobi迭代 Gauss-Seidel迭代 松弛迭代 系数一定要采用Jacobi迭代，否则 扩散系数计算的不一致 导致违反流的相容性原则 迭代过程发散 线迭代法－说明 扫描方向与扫描起始线