[pt] Desde a década de 1990, o Método Fast Multipole (FMM) tem sido usado em conjunto com o Métodos dos Elementos de Contorno (BEM) para a simulação de problemas de grande escala. Este método utiliza expansões em série de Taylor para aglomerar pontos da discretização do contorno, de forma a reduzir o tempo computacional necessário para completar a simulação. Ele se tornou uma ferramenta bastante importante para os BEMs, pois eles apresentam matrizes cheias e assimétricas, o que impossibilita a
utilização de técnicas de otimização de solução de sistemas de equação. A aplicação do FMM ao BEM é bastante complexa e requer muita manipulação matemática. Este trabalho apresenta uma formulação do FMM que é independente da solução fundamental utilizada pelo BEM, o Método Fast Multipole Generalizado (GFMM), que se aplica a elementos de contorno curvos e de qualquer ordem. Esta característica é importante, já que os desenvolvimentos de fast multipole encontrados na literatura se restringem apenas a elementos constantes. Todos os aspectos são abordados neste trabalho, partindo da sua base matemática, passando por validação numérica, até a solução de problemas de potencial com muitos milhões de graus de liberdade. A aplicação do GFMM a problemas de potencial e elasticidade é discutida e validada, assim como os desenvolvimentos necessários para a utilização do GFMM com o Método Híbrido Simplificado de Elementos de Contorno (SHBEM). Vários resultados numéricos comprovam a eficiência e precisão do método apresentado. A literatura propõe que o FMM pode reduzir o tempo de execução do algoritmo do BEM de O(N2) para O(N), em que N é o número de graus de liberdade do problema. É demonstrado que
esta redução é de fato possível no contexto do GFMM, sem a necessidade da utilização de qualquer técnica de otimização computacional. / [en] The Fast Multipole Method (FMM) has been used since the 1990s with the Boundary Elements Method (BEM) for the simulation of large-scale problems. This method relies on Taylor series expansions of the underlying fundamental solutions to cluster the nodes on the discretised boundary of a domain, aiming to reduce the computational time required to carry out the simulation. It has become an important tool for the BEMs, as they present matrices that are full and nonsymmetric, so that the improvement of storage allocation and execution time is not a simple task. The application of the FMM to the BEM ends up with a very intricate code, and usually changing from one problem s fundamental solution to another is not a simple matter. This work presents a kernel-independent formulation of the FMM, here called the General Fast Multipole Method (GFMM), which is also able to deal with high order, curved boundary elements in a straightforward manner. This is an important feature, as the fast multipole implementations reported in the literature only apply to constant elements. All necessary aspects of this method are presented, starting with the mathematical basics of both FMM and BEM, carrying out some numerical assessments, and
ending up with the solution of large potential problems. The application of the GFMM to both potential and elasticity problems is discussed and validated in the context of BEM. Furthermore, the formulation of the
GFMM with the Simplified Hybrid Boundary Elements Method (SHBEM) is presented. Several numerical assessments show that the GFMM is highly efficient and may be as accurate as arbitrarily required, for problems with up to many millions of degrees of freedom. The literature proposes that the FMM is capable of reducing the time complexity of the BEM algorithms from O(N2) to O(N), where N is the number of degrees of freedom. In fact, it is shown that the GFMM is able to arrive at such time reduction without
resorting to techniques of computational optimisation.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:34740 |
Date | 10 August 2018 |
Creators | HELVIO DE FARIAS COSTA PEIXOTO |
Contributors | NEY AUGUSTO DUMONT |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | English |
Detected Language | English |
Type | TEXTO |
Page generated in 0.0014 seconds