当前位置: 首页 > news >正文

COMSOL——底层逻辑弱形式

COMSOL的底层逻辑,如何去求解物理场的。通常一个微分方程是根据一个场φ的方程,这里的φ可以是温度场、电场等等。方程包含场φ本身、一阶导数项、二阶导数项等等,进行一个组合运算最后为0。对于每一个点,都要保证这个等式是成立的。

弱形式的核心思想就是把微分方程转变为积分方程,因为对于求导数项而言,过程比较复杂,但是如果积分来说,对于计算机本质上就是求和,所以比较简单。最简单的思路就是在几何区域Ω中对微分方程的两端进行积分:

但是直接积分就太弱了,之前的微分形式是每个场点都满足微分方程,直接积分后场的构型只能保证平均值为0,不能保证每个场点为0。

思路1拆分区间法:把大的区域拆分成不同的小区域,标记为Ω1,Ω2,…Ωn,满足积分方程成立,就有n个积分方程。当拆分的区域无穷小,拆分数量无穷多时,就无限趋近于在每个场点满足微分方程的成立了。思路上原则上可行,但是计算机内存不足了。

思路2试函数法:在积分时不是对于整个区域积分,而是将它乘上一个试函数再积分,这个试函数高度局限于x0这个点,因此积分出来的值在x0附近最大,最极端的情况试函数就是在x0的一个δ函数。但是计算机并不能严格写一个δ函数,也不需要如此严格。可以用一个比较局域的函数就可以很好刻画在这个场点附近的行为。一个试函数可以满足一个场点为0,计算机不断调整试函数,试函数足够多时,就可以满足在整个区域场点满足微分方程的形式。

下面以一些物理场为例,以静电模块为例,AC/DC模块下的静电模块。求解的场是电势V,静电模块下有几个默认节点,电荷守恒、零电荷、初始值。电荷守恒实际上是在求解关于电势V的泊松方程,如果没有电荷密度,就是在求解拉普拉斯方程。零电荷的边界条件:即电位移矢量在法向为0。但是这个展示的是方程形式,而不是求解的底层方程。

这里为了看到它底层的方程,我们需要点击显示更多选项,勾选方程视图,可以看见底层方程,节点下出现方程视图的子节点,点击需要的研究,往下翻就可以看到弱表达式,即真正求解的弱形式。下面我们看看如何从微分方程转换到弱形式。

结果

http://www.jsqmd.com/news/206082/

相关文章:

  • 从0到1搭建RWA协议:链下资产上链的全链路攻略
  • 图吧工具箱最新绿色版,内置电脑cpu硬盘硬件多种检测工具,绿色免费
  • 四旋翼飞行器:从路径规划到轨迹跟踪的奇妙之旅
  • JavaScript作用域全解析:前端新人不再被变量“捉迷藏”搞晕(附实战
  • 三大删除命令:MySQL 核心用法解析
  • 2026年AI论文工具最新流出!8款免费神器实测,选题到降重一站式搞定!
  • 20260106_165519_大模型中的MCP、RAG、Agent定义及关系
  • 基于PLC的饮料灌装控制系统:从梯形图到组态画面的实现
  • 在claude code中使用glm模型出现Unable to connect to Anthropic services的解决方案
  • 比Everything更好用!文档内容搜索神器,检索文档内文字内容,提高工作效率
  • ACPI!ParseScope函数分析中的ACPI!ParseOpcode到ACPI!ParseTerm中的ACPI!ParsePackageLen
  • python--数据结构--链表
  • 原理:XinServer 是如何实现开箱即用的后端服务的?
  • 音乐喷泉博途V14与MCGS7.7触摸屏程序资料包2:探索奇妙的喷泉世界
  • 吐血推荐8个AI论文平台,助你轻松搞定本科毕业论文!
  • 长晶科技车规级稳压二极管:多系列全布局 护航汽车电子稳定运行
  • 震惊!14B小模型吊打72B大模型,MiA-RAG让AI从“盲人摸象“到“全局视野“
  • 网络安全从入门到进阶:快速掌握核心技术与防御体系
  • 深度学习毕设项目推荐-基于python深度学习的手势识别数字
  • UE5 C++(6):重写 beginPaly()、tick()、endPlay()函数
  • 光伏逆变器并网Matlab/Simulink仿真模型探索
  • 6.面向对象初级
  • Burp Suite插件 | AI连接本地工具、数据库或远程 Agent,辅助安全测试
  • 万字长文,全面解析“黑、骇、白、红”客:他们的技术与使命
  • 强烈安利专科生必用TOP10 AI论文平台
  • 在同一局域网下,使用ssh命令进行文件传输
  • yolo11_yolov8_opencv 使用yolo11和yolov8分别训练混凝土裂缝检测数据集 建立基于深度学习YOLOV8_11框架混凝土缺陷检测系统
  • 如何在边缘设备中实现多语言支持?
  • 网络安全技术全景解读:从基础概念到前沿趋势
  • 卷积神经网络深度探索:VGG网络深度学习与应用