Adaptive mesh refinement for magnetic stimulation modeling

• Autorzy: Sawicki B.

Warianty tytułu

PL

Adaptacyjne zagęszczanie sieci przy modelowaniu stymulacji magnetycznej

• Języki publikacji: EN

Abstrakty

EN

The aim of the paper is discussion of need for adaptive mesh refinement techniques for numerical modeling of magnetic stimulation. Problems of a' posteriori error estimation and automatic mesh refinement algorithms has been addressed. Results present that values in the solution can be changed up to 40% during refinement process. It has been shown that refinement algorithms introduce serious computational cost for realistic 3D meshes.

PL

Celem artykułu jest przedstawienie potrzeby wykorzystania adaptacyjnych algorytmów poprawy sieci elementów skończonych podczas modelowania zagadnień stymulacji magnetycznej. Omówiono problemy estymacji błędu lokalnego, automatycznego zagęszczania sieci bez pogorszenia jej jakości. Wyniki pokazują ponad 40% zmianę wartości rozwiązania podczas poprawiania sieci. Nie można jednak zapominać, że zagęszczanie realistycznej, trójwymiarowej siatki wiąże się z dużymi nakładami obliczeniowymi.

Słowa kluczowe

EN

adaptive mesh refinement; magnetic stimulation modeling; eddy currents problem

PL

adaptacyjne zagęszczanie siatki; modelowanie stymulacji magnetycznej; zagadnienie prądów wirowych

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2011
• Tom: R. 87, nr 5
• Strony: 152--154
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Sawicki B.

• Warsaw University of Technology

Bibliografia

• [1] FEniCS, “FEniCS project.” http//www.fenics.org/, 2010
• [2] B. Sawicki, M. Okoniewski: Adaptive Mesh Refinement Techniques for 3D Skin Electrode Modeling, IEEE Transactions on Biomedical Engineering, vol. 57, no. 3, March 2010, pp. 528--533
• [3] Ainsworth and J. T. Oden, “A posteriori error estimation in finie element analysis,” Comput. Methods Appl. Mech. Eng., no. 142, pp. 1–88, 1997.
• [4] M. C. Rivara, “Local modification of meshes for adaptive and/or multigrid finite-element methods,” Journal of Computational and Applied Mathematics, vol. 36, pp. 79–89, 1991.
• [5] Z.Cendes, D. Shenton: "Adaptive mesh refinement in the finie element computation of magnetic fields", IEEE Transactions on Magnetics,, vol 21, nr 5, pp: 1811 - 1816, Sep 1985
• [6] N. A. Golias, T. D. Tsiboukis, "Adaptive methods In computational magnetics, International Journal of Numerical Modelling: Electronic Networks, Devices and Fields, vol. 9, no 1-2, pp. 71-80, 1998
• [7] Ackerman, “The visible human project,” Proceedings of the IEEE, vol. 86, pp. 504–511, Mar 1998
• [8] M. Molinari, S. J. Cox, B. H. Blott, and G. J. Daniell, “Adaptive mesh refinement techniques for electrical impedance tomography,” Physiol. Meas., no. 22, pp. 91–96, 2001.
• [9] D. Arnold, A. Mukherjee, and L. Pouly, “Locally adapter tetrahedral meshes using bisection,” SIAM J. Sci. Comput., vol. 22, no. 2, pp. 431–448, 2000.
• [10] S. Balay, K. Buschelman, W. D. Gropp, D. Kaushik, M. G. Knepley, L. C. McInnes, B. F. Smith, and H. Zhang, “PETSc Web page,” 2001. http://www.mcs.anl.gov/petsc.
• [11] G. Shou, L. Xia, M. Jiang, Q. Wei, F. Liu, and S. Crozier, “Solving the ecg forward problem by means of standard h- and h-hierarchical adaptive linear boundary element method: Comparison with two refinement schemes,” IEEE Transactions on Biomedical Engineering, vol. 56, no. 5, pp. 1454–1464, 2009.
• [12] I. Babuska, Modeling, mesh generation, and adaptive numerical methods for partial differential equations. Springer, 1995.