CN103294850A - 一种三维动态流体仿真算法智能匹配方法 - Google Patents

Abstract

本发明涉及一种三维动态流体仿真算法智能匹配的方法，该方法包括：建立流体仿真算法库包括算法方程库、流体材料库、流场三维模型库以及目标流体描述语言；流体仿真算法智能化匹配，所述流体仿真算法智能化匹配为通过设置目标流体描述性语言，由系统根据输入条件信息从算法方程库中找出与给定条件相对应的描述语言，其描述语言映射的算法方程则作为此目标流体的匹配仿真算法方程；实时三维动态流体模型的重建，实现了三维流体绘制、验证流体的仿真效果以及分析算法、参数的正确性及有效性；控制参数重构与算法重构；构建流体仿真算法智能学习机制，所述的智能学习为将通过效果验证的重构的算法、参数一同存入算法库，并建立其与键入的描述流体的条件信息之间匹配关系，作为未来类似环境下的匹配算法备选项，系统通过智能学习完成最优的筛选配置。

Description

一种三维动态流体仿真算法智能匹配方法

技术领域

本发明涉及三维流体动态仿真模拟技术领域，是一种用于智能匹配三维动态流体仿真算法的方法。

背景技术

三维动态流体仿真是目前计算机图形学领域的研究重要方向之一，是计算机再现真实自然现象的发展热点和难点，目前已被广泛的应用于海洋仿真、沙漠演进、气象预报、环境分析、数字电影、游戏等领域。流体是液体和气体的总称，通常不以固定的形状和稳定的流动状态存在于自然界中，由于其分子的结构特殊性和作用外力的不稳定性特点，使其运动规律与整体形态出现不确定、无规则的变化。利用三维流体动态仿真模拟将流体的形态变化与运动趋势真实展现，精确形象地描述流体对象的四维空间运动。

近年随着流体仿真算法研究的不断深入，以及计算机图形学的日益发展，基于虚拟现实技术的三维流体动态仿真的需求逐渐增加，越来越多的研究者进行着流体仿真与模拟方法的深入研究。随着GPU技术的迅速提升，使三维流体仿真模拟无论从运算速度还是复杂细节表现等方面都得到了支持，从而为真实模拟仿真三维流体的实时绘制、人机交互奠定了基础。然而当流体仿真模拟视觉效果更加真实、各式流体算法层出不穷时，却没有一个平台可以将这些技术与算术很好的结合起来，实现流体的智能匹配学习与算法重构，其缺陷综合表现为：

一、仿真模型的复杂繁多。流体仿真算法繁多复杂，各个方法都有其自身的优缺点以及不同的应用领域。针对不同用户的要求，如何构建结构化文档来分类整理已有的流体仿真算法模型并指导用户选择合适的仿真模型来满足需求是一个关键问题。

二、专业领域强，流体仿真研究的片面化。当前对三维动态流体的仿真研究专业性比较强，流体仿真算法和三维渲染分属于两个专业领域，大多情况下主要针对其中一个方向进行研究，很少做到两个方向相结合的研究，也很难做到实时验证。

三、仿真方法不统一，未能实现共享。不同应用领域，仿真算法选取不同，并且针对某一特定领域使用单一的仿真算法模拟，未能实现仿真方法的统一，让不同的流体应用领域对其共享。

四、仿真方法的选择缺乏智能化。在不同的流体应用专业领域中，针对不同类型的流体仿真模型，例如基于几何模型、基于统计模型、基于物理模型以及混合模型等，可以采用不同的绘制方法来得到不错的模拟效果。然而，如何对多种流体仿真模型和模拟方法进行智能匹配和选择，是一个新的研究思路。

发明内容

本发明就是为了解决现有流体仿真技术的不足而提出的一种智能匹配流体仿真算法从而实现流体的实时重构与智能匹配，准确、高效的模拟出在各时空下动态流体的状态，以辅助做好应急、报警等各项预案措施。

为了达到上述发明目的，本发明采用的技术方案为：一种三维流体动态仿真算法的智能匹配的方法，该方法包括：

a)收集整理分析自然界常见的流体材料以及仿真算法，建立流体仿真算法库，所述的流体仿真算法库包括算法方程库、流体材料库、流场环境模型库以及目标流体描述语言。

b)仿真算法智能化匹配，所述的仿真算法智能化匹配指系统以读入用户自定义的目标流体特征为条件，确定目标流体描述语言，依据数据库的存储逻辑关系，继而匹配出满足用户需求的流体仿真算法方程；

c)实时三维动态流体模型的重建，所述的三维动态流体模型重建指对流体仿真的验证确定，该步骤包括改变流体仿真条件、重复构建三维动态流体网格脚本、模型输出结果论证，比较取得最合适的效果，其特征在于，系统包括一个演示窗口，用于实时观察重新构建后的流体对象；

d)控制参数重构与算法重构，所述参数重构包括对算法中涉及用到的参数信息的进行重组定义，例如对在烟雾的仿真算法中，重新设定它的影响参数，包括浓度、位置、扩散方向、扩散速度、扩散范围、风力大小等参数，并进行参数赋值，模拟符合用户个性化需求的烟雾效果；所述的算法重构指为键入的目标流体描述语言附上个性参数信息，例如初始边界条件、边界划分、流体材料特征、流场环境模型等，建立与之相应的目标流体描述语言和模拟验证后，确定存入算法方程库的算法重建过程；

e)构建流体仿真算法智能化学习机制；

上述(c)、(d)、(e)没有时间上的先后顺序，可自由组合重复操作；

在步骤a中，所述的算法方程库是指通过对如烟雾、火焰、水面、海面等常见的流体种类的仿真算法方程进行收集处理，并对其进行分类标识，按类存储入库，并对其中每一算法方程定义简单能够唯一标识的目标流体描述语言说明其运用条件和执行参数，算法包括基于物理模型的算法、基于粒子系统的算法、基于统计模型的算法、基于几何模型的算法、基于分形几何的算法、基于过程纹理的算法、基于混合模型的算法；

在步骤a中，所述的流体材料库包括水、油、空气和海水等常见流体材料的属性值以及纹理数据，所述的流场环境模型库包括有管道、立方槽、半圆形管道、地质结构空间几何体等典型的三维几何模型，所述的地质结构空间几何体包括水池、不规则的湖岸、河道、堤坝等由于自然界地壳板块变化或人工开渠原因形成的一切几何体形状。

在步骤a中，所述的目标流体描述性语言为集合了流体参数、运动、专题分类等信息对目标流体唯一标识的描述。

在步骤a中，所述的流场环境模型通过3dsMax、Creator、Maya中任一种三维建模软件来完成对流场环境模型的建模任务。

在步骤a中，所述的流体材料属性包括密度、比热容、电导率、温度等属性。

在步骤d中，所述的参数重构与算法重构根据应用需求和客户要求对算法的方程以及定制的参数值进行重新选取设定，调整算法以完成特殊效果模拟，并通过步骤c的三维动态流体模型重建以及算法、参数分析。

在步骤e中，所述的智能学习机制指将通过步骤c进行流体模型重构以及验证完善的重构算法、重构参数存入算法方程库，并给予能唯一标识算法的目标流体描述语言作为算法的特征描述，当需要对类似条件信息进行流体仿真模拟时，系统通过自学习的方式从算法库中筛选算法进行匹配，完成最佳模拟仿真效果。

本发明具有如下优点：1)集合多种流体仿真算法，并整理分析各种流体仿真算法的优缺点，以及应用领域，针对不同用户的要求，构建结构化文档来分类整理已有的流体仿真算法模型并指导用户选择合适的仿真模型来满足需求是一个关键问题；

2)综合研究流体仿真算法和三维渲染两个专业领域，实时仿真验证；

3)统一仿真方法，实现共享。实现仿真方法的统一，让不同的流体应用领域对其共享；

4)智能化选择仿真方法。针对不同的流体应用专业领域，对基于几何模型、基于统计模型、基于物理模型以及混合模型等仿真方法，进行智能匹配和选择，并对算法进行重构实现最优模拟仿真。

附图说明

附图1为本发明一种三维动态流体仿真算法智能匹配方法的示意图。

附图2为基于物理模型仿真方法中物理模型方程的分类

具体实施方式

下面结合附图对本发明的具体实施方式作进一步详细的说明：

如图1所示，本发明实现对三维动态流体仿真算法的智能匹配实现方法主要包括建立流体仿真算法库(包括仿真模型方程库、流体材料库、流场环境模型库以及目标流体描述语言)、流体仿真算法智能化匹配、实时三维动态流体模型的重建、控制参数重构与算法重构、构建流体仿真算法智能学习机制。下面对各个内容进行说明：

1)所述的流体仿真算法库包括算法方程库、流体材料库、流场环境模型库以及目标流体描述语言。其中经过整理分类现有的流体仿真方法，通过加工处理得到由模型方程与属性数据组成的算法方程库。所述的流体仿真方法包括基于物理模型方法、基于粒子系统、基于统计模型、基于几何模型、分形几何、过程纹理、混合模型。

为了得到符合真实自然规律的物理效果，研究者使用基于物理模型的方法来模拟流体。它考虑了流体的基本属性，采用流体动力学原理产生流体的运动，根据流体受到外力作用，通过动力学方程生流体微团中质点各个时刻的状态。选择正确的物理模型方程，以及合适的起始条件和边界条件，求解流体力学的基本方程组，得到精确的解，从而获取描述流体的参数变化来真实的绘制状态各异的流体运动，但是方程组的求解涉及的物理量比较多，求解过程繁琐，数值计算量大，造成了计算机资料的耗费大以及较差的实时性。

基于物理模型方程繁多，适用范围各不一样，并且各个方程适用的条件也不相同，为此进行了分类整理这些方程，如附图2所示，主要提取了属性如粘性、压缩性、雷诺数、湍流、层流等参数信息来区分各个方程，并形成唯一标识各个基于物理方程的算法方程的目标流体描述性语言。

根据流体的粘性，可以将欧拉方程区分出，欧拉方程是用来模拟无粘性的流体运动主要用于无粘性的流体运动，而粘性流体运动方程为经典的N-S方程。

而粘性流体又可以通过层流、湍流性质来区分直接使用N-S方程或是结合湍流方程来求解流体的描述方程。

湍流方程主要有单方程(Spalart-Allmaras)模型、标准k-ε模型、(可实现)realizable k-ε模型、Yang-Shih模型、SST(剪切压力传输)k-ω模型、雷诺应力模型(RSM)。

当流体的运动形式是湍流时，研究了湍流的属性，根据流体的可压性和雷诺数的高低可以将以上的湍流模型方程分成四类，如图所示：

低雷诺数不可压时有单方程(Spalart-Allmaras)模型和改进k-ε模型方程的Yang-Shih模型，区分这两个方程时通过它们对长度尺度的敏感性，单方程(Spalart-Allmaras)模型方程对长度尺寸不敏感，而Yang-Shih模型考虑了长度尺寸变化的因素；

低雷诺数可压时直接标识出SST(剪切压力传输)k-ω模型方程；

剩余的湍流方程都可以适用于高雷诺数的情况下，但是雷诺应力的各向同异性可以区选择出不同的模拟方程。雷诺应力模型(RSM)考虑了雷诺应力的各向异性，对于复杂的流动有个更高的精度和预测能力，它是较完整的模型，但是需要较大的计算能力；而k-ε模型应用的前提是假设各向同性，至于标准的k-ε模型与realizable k-ε模型可以通过是否考虑涡旋因素来进一步的选择，标准的k-ε模型没有考虑漩涡，适用范围广、经济、有合理的精度，而realizable k-ε模型可以实现对漩涡、旋转流等的模拟。

粒子系统使用大量运动的、不规则、随机分布的粒子组成的粒子集合来定义模糊的物体。在粒子系统中，每一个粒子均具有形状、大小、颜色、位置、生命值、速度等属性，所有这些属性是时间的函数，并赋予粒子一定的规则运动参数，例如初始位置、运动方向、速度、加速度等。绘制的时候也可以使用点、小球体、四边形等来表示流体的形状，粒子集通过不断的改变形状、不断的运动来表现流体的总体形态和动态变化的特征。粒子系统能够很好地对模糊、不规则流体进行模拟，充分体现它们的随机性和动态性，但是，它同时存在一个平衡问题，当粒子系统模型造型简单、粒子数太少时模拟的流体具有较差的真实感，造型复杂、粒子数多时，增大了计算量，实时性差，寻求一个平衡方法一直是研究者研究的热点。

统计模型方法适合对大领域流体进行模拟，因为统计模型的建立需要长期的观测并进行统计分析来建立仿真模拟。例如对海洋进行的海浪谱模拟方法，它基于谱分析的方法对波动的内部结构进行描述。这类方法依靠的数学模型和大量的运算，但是相对于基于物理模型方法，它的运算量较小，能够适合实时仿真，并且基于统计经验的模型与真实水波形态比较近似，适合大面积区域的流体水面仿真，但是它是将水面作为高度场进行建模，只适合平静水面，规则矩形的网格实时绘制，降低了仿真的真实感。

基于几何模型方法根据流体表面的外观形态，采用一定的几何构造函数来模拟流体表面，这些构造函数一般采用波形函数，这类方法的流体模拟造型简单，过程简单直观。例如Gerstner模型考虑了风为动力，重力为恢复力的风成浪，描述了沿圆形或椭圆形固定轨道运转的水粒子，根据海浪变化的圆周轨道参数产生海浪。这一类方法生成的流体场景缺乏真实感，不能模拟流体和物体之间的交互作用。

分形几何以非规则几何形状为研究对象，是描述大自然的几何学。分形几何不同于欧式几何，它可以对自然存在的对象进行描述，没有特征长度，具有分数维数并且使用迭代语言进行表达。它通过若干迭代规则的定义及执行，构造一个反映自然对象分形特点的动态过程，从而生成外观极为复杂的几何形体，可以有效对不规则的流体进行模拟。分形几何法比较的简单直观，具有较好的实时性，但是分形几何模型不能实现波的振幅随时间的变化，难以表现复杂的流体波动现象。

应用纹理映射技术生成物体的表面细节，极大的增加了仿真物体的真实感。用解析表达的数学函数来控制，直接在物体模型中生成纹理。GPU技术可以在图像硬件可编程功能管线的片元着色器阶段生成纹理，灵活快速的产生需要的纹理映射效果。过程纹理的生成函数一般是经验函数，对复杂的流动现象的表现力不强，不适用于要求表现物理特性的流体仿真。

混合模型采用多个方法相结合，充分利用各种建模方法的优点，弥补其不足，增强仿真效果。例如对于水面模拟，将几何模型、纹理映射以及GPU技术相结合，加速实时绘制水面，并提高水面的真实感；对于烟雾的模拟粒子系统是最佳的模拟方法，但是，为了表现丰富的烟雾细节，需要增大粒子模型，增加粒子数，这样造成了较大的计算量，降低模拟的实时性，为次，结合了纹理映射技术，通过纹理图片来表现烟雾的细节，增强烟雾的真实感；粒子系统模拟的流体运动没有基于物理模型方法更真实，结合这两种方法使其运动更加具有真实感，让场景更具有沉浸感。

所述的流体材料库是通过整理处理自然流体材料得到材料属性名称、材料属性值、纹理图像等数据信息；所述的流场环境模型库是通过使用独立的建模软件例如3DSMax、Maya、Creator等对经典的流场例如管道、立体槽、半圆形管道等进行三维几何模型的建立。所述的目标流体描述语言，是结合了流体主题分类信息例如烟雾与云彩、燃烧与爆炸、自由运动界面、混合流和多相流、流固耦合等，用户输入的条件信息，流体特性，参数信息等对流体简单的描述说明，并且它能够唯一标识仿真算法方程。

2)辅助用户输入条件信息

根据上述对各种仿真算法的整理分类、分析处理，根据仿真方法、流体特性、算法应用条件、流体参数、专题分类信息以及目标流体描述语言等，形成一系列的控制参数，例如粒子系统、物理模型、统计模型、烟雾、火焰、粘性、可压缩、湍流、各向异性等，辅助用户完成对条件信息的输入。

3)智能匹配

建立算法方程库、流体材料库、流场环境模型库之间的联系，并建立其与流体描述语言之间的映射关系，根据用户条件信息的输入，形成目标流体描述语言，并从算法方程库中筛选出符合的算法，实现最佳算法的匹配。

4)参数设定

分析匹配得到的最佳算法，并进行参数值的设置，各个仿真算法需要设定的参数不同，针对性的进行参数值设定。例如对于物理模型需要确定流场的三维模型、边界划分以及分类、初始和边界条件、流体材料等；对粒子系统模拟的烟雾、火焰等需要设定其重组定义的参数例如烟雾初始位置、烟雾扩散速度、烟雾浓度等参数；

5)三维动态流体模型重建

流体的描述方法有拉格朗日和欧拉方法。拉格朗日方法以流体的质点为研究对象，记录对应质点流动参数的变化，研究流体某一微团的速度、压强、密度等参数随着时间变化的情况，它是一种基于体模拟的方法，使用无网格的粒子方法来进行绘制；而欧拉法从空间固定坐标点着手，分析运动流体充满的空间中的某一固定点上的流体速度、压强、密度等参数随时间的变化，该方法是基于面模式的绘制方法，使用网格来进行绘制模拟。

根据需求对流体进行体模式或者面模式绘制，使用GPU技术对流体数据进行并行化处理，加速绘制速度从而实现流体的实时绘制，对根据条件完成三维动态流体模型的实时重建，并验证算法、参数的正确性和最优性，实现对算法和参数的分析。GPU的技术的日益发展，各个仿真领域广泛的结合这一技术，GPU的流水线和并行化数据处理方式，加快了流体绘制的速度，提高了绘制的实时性。

6)算法重构

基于流体仿真的效果基础上，分析用户的预期效果要求，用户输入的条件信息并结合具体的问题类型，流体的特性，流场环境模型，流体运动信息等，进一步选定、设定仿真算法方程，实现算法的重构，改进、优化仿真算法，提高这种匹配方法的灵活性，高效率以及仿真系统的真实性、逼真性。

7)参数重构

根据客户仿真效果的进一步要求，针对仿真的流体特性研究分析仿真算法，并对算法中涉及到的参数信息的进行重组定义，定制出影响流体运动的参数，例如粒子系统对火焰的仿真，定制火焰的温度、火焰高度、火焰位置、火焰扩散范围等，再例如使用GPU技术、纹理映射对水面的模拟中，定制水面的水波移动速度、波幅、波纹大小、水的透明度等参数。进行参数的设定来完成参数的重构，实现最佳效果的流体运动再现以及对流体未来发展趋势的预测。

8)智能学习

将重构的算法以及重构的参数作为智能学习的输入条件，对于这些具有满意仿真效果的算法和参数，建立与之对应的目标流体描述语言，将其存入算法方程库，确定相应的匹配关系，实现智能学习，实现类似条件下的流体仿真算法的最佳筛选。

Claims (8)

1.一种三维动态流体仿真算法智能匹配的方法，其特征在于，该方法包括： 

a)收集整理分析自然界常见的流体材料以及仿真算法，建立流体仿真算法库，所述的流体仿真算法库包括算法方程库、流体材料库、流场环境模型库以及目标流体描述语言。 

b)仿真算法智能化匹配，所述的仿真算法智能化匹配指系统以读入用户自定义的目标流体特征为条件，确定目标流体描述语言，依据数据库的存储逻辑关系，继而匹配出满足用户需求的流体仿真算法方程； 

c)实时三维动态流体模型的重建，所述的三维动态流体模型重建指对流体仿真的验证确定，该步骤包括改变流体仿真条件、重复构建三维动态流体网格脚本、模型输出结果论证，比较取得最合适的效果，其特征在于，系统包括一个演示窗口，用于实时观察重新构建后的流体对象； 

d)控制参数重构与算法重构，所述参数重构包括对算法中涉及用到的参数信息的进行重组定义，例如对在烟雾的仿真算法中，重新设定它的影响参数，包括浓度、位置、扩散方向、扩散速度、扩散范围、风力大小等参数，并进行参数赋值，模拟符合用户个性化需求的烟雾效果；所述的算法重构指为键入的描述流体的条件信息附上个性参数信息，例如初始边界条件、边界划分、流体材料特征、流场环境模型等，建立与之相应的目标流体描述语言和模拟验证后，确定存入算法方程库的算法重建过程； 

e)构建流体仿真算法智能化学习机制； 

上述(c)、(d)、(e)没有时间上的先后顺序，可自由组合重复操作。 

2.根据权利要求1所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于，所述的算法方程库是指通过对如烟雾、火焰、水面等常见的流体种类的仿真算法方程进行收集，对其进行整理分析，根据其特性以及应用范围、条件等信息进行分类标识，按类存储入库，并对其中每一算法方程给予唯一标识的自定义目标流体描述语言说明其运用条件和执行参数，算法包括基于物理模型的算法、基于粒子系统的算法、基于统计模型的算法、基于几何模型的算法、基于分形几何的算法、基于过程纹理的算法、基于混合模型的算法。 

3.根据权利要求1所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于，所述的流体材料库包括水、油、空气和海水等常见流体材料的属性、纹理图像数据等，所述的流场环境模型库包括有管道、立方槽、半圆形管道、地质结构空间几何体等典型的三维几何模型，所述的地质结构空间几何体包括 水池、不规则的湖岸、河道、堤坝等由于自然界地壳板块变化或人工开渠原因形成的一切几何体形状。 

4.根据权利要求1所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于，所述的目标流体描述语言为综合了流体参数、运动、专题分类等信息并对目标流体唯一标识的描述。 

5.根据权利要求3所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于，所述的流场环境模型通过3dsMax、Creator、Maya中任一种三维建模软件来完成流场三维几何模型的建模任务。 

6.根据权利要求3所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于，所述的流体材料属性包括密度、比热容、电导率、温度等。 

7.根据权利要求1所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于：在步骤d中，所述的参数重构与算法重构根据应用需求以及客户要求对算法的方程以及定制的参数值进行重新选取设定，调整算法以完成特殊效果模拟，并通过步骤c的三维动态流体模型重建以及算法、参数验证分析。 

8.根据权利要求1所述的一种三维动态流体仿真算法智能匹配的方法，其特征在于：所述的智能化学习机制指将通过步骤c进行流体模型重构以及验证完善的重构算法、重构参数存入算法方程库，并给予能唯一标识算法的目标流体描述语言作为算法的特征描述，当需要对类似条件信息进行流体仿真模拟时，系统通过自学习的方式从算法库中筛选算法进行匹配，完成最佳模拟仿真效果。 

Images