CN112231961B - 大规模有限元网格数据存储索引方法 - Google Patents

大规模有限元网格数据存储索引方法 Download PDF

Info

Publication number
CN112231961B
CN112231961B CN202011431385.9A CN202011431385A CN112231961B CN 112231961 B CN112231961 B CN 112231961B CN 202011431385 A CN202011431385 A CN 202011431385A CN 112231961 B CN112231961 B CN 112231961B
Authority
CN
China
Prior art keywords
geometric
grid
data
file
naming
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011431385.9A
Other languages
English (en)
Other versions
CN112231961A (zh
Inventor
原力
陈灏
李都宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Suochen Information Technology Co Ltd
Original Assignee
Shanghai Suochen Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Suochen Information Technology Co Ltd filed Critical Shanghai Suochen Information Technology Co Ltd
Priority to CN202011431385.9A priority Critical patent/CN112231961B/zh
Publication of CN112231961A publication Critical patent/CN112231961A/zh
Application granted granted Critical
Publication of CN112231961B publication Critical patent/CN112231961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/23Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Abstract

大规模有限元网格数据存储索引方法包括:提取原始几何体包含的几何边、几何面并命名;提取几何边及其命名,将几何边离散为由线段组成的离散边,并对离散边的每一线段进行命名;提取几何边包围的几何面及其命名,将几何面离散为由三角面片组成的离散面并获取每一三角面片的法向;将离散几何体的基本描述信息存至元数据文件中;对离散几何体进行网格划分,基于网格文件能存储的网格节点个数,将网格节点数据拆分为多组分别存储于实体数据文件中不同的网格文件中,网格文件中一行数据即为一个网格节点的坐标数据;将离散几何体各几何面对应网格数据所属的网格文件及对应的行数存至元数据文件中,将几何面与网格的关联关系存至数据索引池文件中。

Description

大规模有限元网格数据存储索引方法
技术领域
本发明涉及计算机辅助工程计算软件领域,特别是涉及一种大规模有限元网格数据存储索引方法。
背景技术
有限元分析(FEA)软件是对现实世界场景中的物理特性进行离散化并通过数值计算来进行分析预测的计算机方法。随着计算机算力和有限元分析技术的发展,有限元分析从单学科/物理场问题的求解向多学科/多物理场的联合求解;从简单或简化的2/3维模型向复杂装配或复杂几何全模型的计算发展,在有限元前处理器产生的离散网格模型越来越复杂,数据量越来越大。
在2010年,有限元计算的模型,网格和自由度规模最大在百万级,一般万级就可满足大多数计算要求,现在的有限元计算,随着大规模并行计算和高性能计算的普及,网格和自由度数量最大的已经超过百亿级,常用复杂全模型的规模在千万到亿级。而用于前处理和有限元计算输入的离散模型在数据描述和访问方式还一直沿用有限元软件早期所定义的以卡片和块(card-block)为基础的格式规格(见图1),在数据处理时采用一次性读入在内存中形成数据镜像的方式来构建求解矩阵或提供渲染输入,这种数据读写规格和访问方法已经不能满足实际的工程需要,和现有计算机硬件具备能力也存在较大脱节。
传统的有限元网格数据格式有以下特征:
1)传统的有限元网格文件格式主要采用人工编辑方式,以ASCII码明文进行描述,以便于增强阅读性和人工纠错,并延续至今。
2)传统有限元网格采用card-block方式(见图1)在一个文件中明文描述,是为了在人工处理时可以按照通过卡片进行第一级定位,通过块进行第二次定位以用来进行顺序编辑和快速定位。
3)传统有限元网格和其被离散的几何没有对应关系,这是由于早期定义有限元网格时是根据几何人工进行离散处理的,两种模型在处理逻辑上有对应关系,但在数据规格上并不需要,另外几何拓扑改变并不能自动反应到离散网格上,所以没有必要在数据层面建立内在关系。
4)传统有限元网格由于在不同精度和不同学科要求下,对同一几何的不同离散之间是独立的,相应的载荷和边界条件和离散网格的节点和单元对应(见图2,E1、E2、E3、E4、E5表示几何模型的各个边),也就是在离散后其不具备相互之间的对应关系,这导致不同学科间进行耦合时,只能使用空间位置进行判断,效率极为低下。
5)传统有限元网格由于早期的处理器不具备并行能力,且处理规模较小,故未在数据规格上考虑并行模式,例如一般采用编号以顺序编号为主,这并不适应当前普遍的大规模并行处理要求。
传统有限元分析网格文件格式根据需处理的数据信息和属性,以及信息相互之间的关联关系,采用两者数据结构组织数据,一是半边数据结构(half-edge),另一种是翼边数据结构(Winged-edge,见图3),这两种数据结构用于描述离散几何中点、边、面三者之间的关系,在检索时两者方法各有侧重。
在离散网格中主要有节点和单元两种表示精确空间信息的结构组成,所以一般采用类似翼边数据结构表示节点/单元及相互检索关系。以下是这种数据结构在具体示例种定义的说明,数据格式定义为:
1)离散模型信息:节点数据和单元数据
a)节点数据
该部分主要描述网格中离散数据点的空间坐标信息,并将这些节点进行数据编号处理,典型的数据包含:编号,X方向坐标,Y方向坐标,Z方向坐标。节点数据格式一般采用符号分割的方式进行数据的定义,如采用空格、逗号的方式。格式示意如下:
Figure GDA0002955807720000031
b)单元数据
该部分主要描述网格中离散数据点的拓扑关系信息,并表达为各种各样的单元,典型的单元包括线、三角形、四边形、四面体、六面体等。单元数据一般包含:单元属性信息,单元编号,单元中的节点编号序列。以三角形单元为例,所定义的数据为:单元类型编号、第1个节点编号、第2个节点编号、第3个节点编号。单元数据格式也一般采用符号分割的方式进行数据的定义,如采用空格、逗号的方式。格式示意如下:
Figure GDA0002955807720000032
2)属性信息
由于在进行有限元仿真时,需要对某个几何位置施加对应的力等物理量,因此在网格文件中一般也针对节点或者单元集合进行相应的定义,通常有两种方式。一种是在定义载荷的时候:
a)直接对对应节点编号进行索引,格式如下:
Figure GDA0002955807720000033
Figure GDA0002955807720000041
上述代表对编号1,20的节点施加1000单位的力。
b)预先定义节点集合,在定义载荷的时候,索引相应的节点集合,格式如下:
Figure GDA0002955807720000042
上述首先对编号1,20的节点定义名称为SET1,然后对SET1施加1000单位的力。
由于受到早期计算机算力和算法限制,如采用串行计算、人工编制输入文件、有限元离散网格和自由度数量有限等因素影响,一般采用了卡片/块(card-block)的约定俗成的格式规格,这种格式在有限元软件长期发展中一般都能满足要求,并随着计算机内存/存储的增长,也能基本满足分析软件要求,基于软件的继承性和用户习惯角度,传统的有限元离散网格格式主要内容没有太多的改变(商业有限元软件存在更快读写和体积更小的二进制格式,因为是各自的商业闭源格式,其规格并不开放),这种格式规格在当前复杂装配和复杂几何大规模理算网格、大规模有限元计算、并行高性能计算等现有计算条件下,存在以下问题:
1)数据格式为了便于人工阅读、编制、纠错,采用卡片/块式数据组织方式,结构简单,但描述复杂节点和单元关系较薄弱。
2)在离散网格处理和有限元计算时,需要一次性读入模型,占用内存大且在并行计算时数据传输效率低。
3)原始几何和网格在离散后丢失对应关系,导致离散网格模型无法回溯原始几何特征等关联信息,在求解反复迭代或需优化时需重新从原始几何划分网格,复用性极低。
4)离散几何以网格生成顺序进行排列,无网格内部相互关系,导致网格信息在程序索引和检索时需要反复遍历,效率较差。
5)同一几何生成的不同精度和类型网格除空间坐标信息外,无其它信息用于相互间的快速对应和检索,在学科耦合等处理上内存开销大,且效率极低。
6)网格节点和单元按顺序编号产生,无法适应并行网格生成的需要,需在并行网格处理时额外进行顺序号的处理。
7)单文件存储方式限制了大规模数据的并行读写和按需访问能力,形成了数据输入输出的瓶颈。
8)有限元预处理所有信息作为卡片分类存储在一个文件中,虽然便于阅读,在小规模数据时有效。但随着数据量的大规模增加,以及现在主要适应专门的前后处理程序处理而非人工处理数据,其效果显现弊大于利。
发明内容
本发明针对现有技术存在的问题和不足,提供一种大规模有限元网格数据存储索引方法。
本发明是通过下述技术方案来解决上述技术问题的:
本发明提供一种大规模有限元网格数据存储索引方法,其特点在于,其包括以下步骤:
S1、提取原始几何体包含的几何边、几何面,并对原始几何体、每一几何边和几何面进行命名;
S2、提取几何边及其命名,将几何边离散为由线段组成的离散边,并对离散边的每一线段进行命名;
S3、提取几何边包围的几何面及其命名,将几何面离散为由三角面片组成的离散面并获取每一三角面片的法向;
S4、提取其它几何信息并命名,独立坐标系、独立的点及相应命名;
S5、将离散几何体的基本描述信息存储至BTREE存储格式的元数据文件中,基本描述信息包括离散几何体包括的几何面及其命名、几何边及其命名、几何边包括的线段及其命名,将离散几何体的几何边与几何面的关联关系存储至数据索引池文件中,将离散几何体的各几何面空间位置坐标、各几何体空间位置坐标、各线段空间位置坐标数据存储至实体数据文件中;
S6、对离散几何体进行网格划分,基于网格文件能够存储的网格节点个数,将网格节点数据拆分为多组分别存储于实体数据文件中不同的网格文件中,网格文件中一行数据即为一个网格节点的坐标数据;
S7、将离散几何体的各几何面对应的网格数据所属的网格文件及对应的行数存储至元数据文件中,将几何面与网格的关联关系存储至数据索引池文件中。
较佳地,步骤S1-S4中,命名采用64长度字符串,原始几何体的命名前缀为P-,几何边的命名前缀为E-,几何面的命名前缀为S-。
较佳地,网格文件依次自动进行文件编号,文件编号初值为1,并按增量1逐步增加。
较佳地,网格文件的命名格式为:几何体命名—几何面类型关键字—几何面命名—文件编号。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明所定义的网格格式文件能够提高有限元分析前处理建模过程的效率,能够进行大规模网格模型的并行读写,提高网格数据可视化应用的速度。
1)可以存储大规模离散网格数据;
2)支撑并行读写操作;
3)构建了几何到网格等信息的关联关系,可快速进行索引和查找;
4)采用元数据文件、数据索引池文件、实体文件三层数据存储架构,能够实现在各种数据存储,取用场景下相对灵活的操作特性;
同一几何在多精度或多学科分析下相互耦合时,通过分层映射有效减少了数据遍历范围,提高了数据检索效率。
附图说明
图1为传统采用卡片/块(Card-block)结构组织有限元离散网格数据的示意图。
图2为有限元分析所需离散的几何模型关系示意图。
图3为传统采用翼形数据结构表达离散网格数据图。
图4为本发明用于大规模有限元网格的BTREE数据开放存储格式架构示意图。
图5为几何模型与网格模型对应关系图。
图6为索引池中几何/网格对应关系示例示意图。
图7为几何离散为网格过程产生的数据及关系和存储格式的操作和对应关系示例图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图4-图7所示,本实施例提供一种大规模有限元网格数据存储索引方法,其包括以下步骤:
S1、提取原始几何体包含的几何边、几何面,并对原始几何体、每一几何边和几何面进行命名。
参见图5,原始几何体命名为几何体1,6个几何面分别命名为几何面1、几何面2、几何面3、几何面4、几何面5和几何面6,12个几何边分别命名为几何边1、几何边2…几何边12。
命名采用64长度字符串,原始几何体的命名前缀为P-,几何边的命名前缀为E-,几何面的命名前缀为S-。
S2、提取几何边及其命名,将几何边离散为由线段组成的离散边,并对离散边的每一线段进行命名。
S3、提取几何边包围的几何面及其命名,将几何面离散为由三角面片组成的离散面并获取每一三角面片的法向。
S4、提取其它几何信息并命名,如独立坐标系、独立的点等及相应命名。
S5、将离散几何体的基本描述信息存储至BTREE存储格式的元数据文件中,基本描述信息包括离散几何体包括的几何面及其命名、几何边及其命名、几何边包括的线段及其命名,将离散几何体的几何边与几何面的关联关系(哪几条几何边构成几何面)存储至数据索引池文件中,将离散几何体的各几何面空间位置坐标、各几何体空间位置坐标、各线段空间位置坐标数据存储至实体数据文件中。
S6、对离散几何体进行网格划分(见图5,将几何体的一个面网格划分为9个由三角形面片构成的网格单元),基于网格文件能够存储的网格节点个数,将网格节点数据拆分为多组分别存储于实体数据文件中不同的网格文件中,网格文件中一行数据即为一个网格节点的坐标数据,网格文件依次自动进行文件编号,文件编号初值为1,并按增量1逐步增加,网格文件的命名格式为:几何体命名—几何面类型关键字—几何面命名—文件编号。
例如:几何体1的6个几何面中,几何面1经网格划分有1000个网格节点,几何面2经网格划分有1000个网格节点,几何面3经网格划分有2000个网格节点,几何面4经网格划分有3000个网格节点,几何面5经网格划分有3000个网格节点,几何面6经网格划分有4000个网格节点。
设定每个网格文件能够存储1000个网格节点个数,即文件行数(网格文件中一行数据即为一个网格节点的坐标数据),第一个网格文件的编号为网格文件1,网格文件1存储几何面1的1000个网格节点的坐标数据,其后自动生成网格文件2,网格文件2存储几何面2的1000个网格节点的坐标数据,其后自动生成网格文件3,网格文件3存储几何面3的前1000个网格节点的坐标数据,网格文件4存储几何面3的后1000个网格节点的坐标数据,网格文件5存储几何面4的前1000个网格节点的坐标数据,网格文件6存储几何面4的中间1000个网格节点的坐标数据,网格文件7存储几何面4的后1000个网格节点的坐标数据,依次类推。
S7、将离散几何体的各几何面对应的网格数据所属的网格文件及对应的行数存储至元数据文件中,将几何面与网格的关联关系存储至数据索引池文件中。
例如:几何面1的网格节点数据对应存储在网格文件1中1-1000行,几何面2的网格节点数据对应存储在网格文件2中1-1000行,几何面3的网格节点数据对应存储在网格文件3中1-1000行和网格文件4中1-1000行,几何面4的网格节点数据对应存储在网格文件5中1-1000行、网格文件6中1-1000行和网格文件7中1-1000行,依次类推。
在网格文件中,对于每一网格节点的定义新增一个标识位,标识该节点是否为几何点,即格式修改为:编号,X方向坐标,Y方向坐标,Z方向坐标,标记位(1代表为几何点、0代表为非几何点)。对应上图中,格式示意如下:
1,0.1,0.1,0.0,1
2,0.05,0.1,0.0,0
……
代表1号节点关联了几何点,2号节点未关联几何节点。
在网格文件中,增加对线单元的定义描述,标识与几何体、面等关系,具体格式定义为:线单元编号,所在几何体编号,所在几何面编号,线单元起点节点编号,线单元终点节点编号。对应上图中,格式示意如下:
1,1,2,1,2,9
2,1,2,2,10,9
……
代表1、2号三角形单元关联了编号为1的几何体上编号为2的几何面。
在网格文件中,增加对面单元标识,标识与几何体、面等关系,具体格式定义为(三角形单元):面单元编号,所在几何体编号,所在几何面编号,第1个节点编号,第2个节点编号,第3个节点编号。对应上图中,格式示意如下:
1,1,2,1,2,3
2,1,2,1,2,4
……
本发明应用于有限元分析等计算软件的离散网格模型数据规格定义,计算机辅助工程计算软件在计算和渲染时均需基于离散网格模型的节点、单元及相关属性,本发明所定义的网格模型格式采用BTree方法,构建有限元模型中几何、网格、属性间的关系索引,并采用数据索引池方法进行管理,可以实现大规模离散网格模型读写时数据的快速检索和按需访问,提高了大规模网格模型的访问效率,并降低了大规模数据时的内存占用量,对支持现在复杂装配和复杂几何的大规模有限元技术具有较大价值。
针对传统有限元离散网格模型数据格式的缺陷和问题,通过定义一种新的网格格式规范,通过采用BTREE对各种信息组成多层树状索引结构,具体数据文件采用多文件多层存储的格式规格和技术来适应大规模有限元网格数据开放存储格式。本技术本发明拟解决如下技术问题:
1)通过构建树状索引元数据来对有限元离散网格信息进行索引,以便于构建能够快速检索数据内部相互之间的关系树形视图。
2)在离散网格模型中包含原始离散几何模型,并通过特征来进行标注,由于离散几何由点、线和面组成,标注的特征主要包含点、线、面,及由线面组成的体的信息。用来解决网格格式与几何模型关联不足,以及数据继承和回溯问题。
3)采用由树状索引元数据统一管理的多文件存储数据的方式解决传统格式难以并行的问题,实现网格数据的并行读写、检索和按需访问。
4)本网格格式定义通过树状索引元数据统一管理支持网格数据的多层分解,多种分组定义,以解决传统网格数据缺乏局部修改机制的问题。
5)采用树状关系索引,可实现数据读取、处理、回写时按需处理的情况,可以有效降低数据处理的内存占用和提高数据访问效率。
6)采用多文件存储,可以满足在大规模数据识别、纠错中的执行效率,并提高数据总体的容错性,在部分文件变更、损坏的情况下,其它数据依然可以利用的优点。
7)本格式使离散网格模型中的数据与执行控制分离,可在满足大规模数据存储访问的同时,依然具备执行控制文本可读性。
8)本格式可以相对自由的针对网格数据不同用途,如求解、渲染、耦合等时按照索引转换为不同需要的数据规格,增加了整体数据信息的灵活性和利用的普适性。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。

Claims (4)

1.一种大规模有限元网格数据存储索引方法,其特征在于,其包括以下步骤:
S1、提取原始几何体包含的几何边、几何面,并对原始几何体、每一几何边和几何面进行命名;
S2、提取几何边及其命名,将几何边离散为由线段组成的离散边,并对离散边的每一线段进行命名;
S3、提取几何边包围的几何面及其命名,将几何面离散为由三角面片组成的离散面并获取每一三角面片的法向;
S4、提取其他几何信息中独立坐标系、独立的点,并对独立坐标系、独立的点相应命名;
S5、将离散几何体的基本描述信息存储至BTREE存储格式的元数据文件中,基本描述信息包括离散几何体包括的几何面及其命名、几何边及其命名、几何边包括的线段及其命名,将离散几何体的几何边与几何面的关联关系存储至数据索引池文件中,将离散几何体的各几何面空间位置坐标、各几何体空间位置坐标、各线段空间位置坐标数据存储至实体数据文件中;
S6、对离散几何体进行网格划分,基于网格文件能够存储的网格节点个数,将网格节点数据拆分为多组分别存储于实体数据文件中不同的网格文件中,网格文件中一行数据即为一个网格节点的坐标数据;
S7、将离散几何体的各几何面对应的网格数据所属的网格文件及对应的行数存储至元数据文件中,将几何面与网格的关联关系存储至数据索引池文件中。
2.如权利要求1所述的大规模有限元网格数据存储索引方法,其特征在于,步骤S1-S4中,命名采用64长度字符串,原始几何体的命名前缀为P-,几何边的命名前缀为E-,几何面的命名前缀为S-。
3.如权利要求1所述的大规模有限元网格数据存储索引方法,其特征在于,网格文件依次自动进行文件编号,文件编号初值为1,并按增量1逐步增加。
4.如权利要求3所述的大规模有限元网格数据存储索引方法,其特征在于,网格文件的命名格式为:几何体命名—几何面类型关键字—几何面命名—文件编号。
CN202011431385.9A 2020-12-10 2020-12-10 大规模有限元网格数据存储索引方法 Active CN112231961B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011431385.9A CN112231961B (zh) 2020-12-10 2020-12-10 大规模有限元网格数据存储索引方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011431385.9A CN112231961B (zh) 2020-12-10 2020-12-10 大规模有限元网格数据存储索引方法

Publications (2)

Publication Number Publication Date
CN112231961A CN112231961A (zh) 2021-01-15
CN112231961B true CN112231961B (zh) 2021-06-22

Family

ID=74124712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011431385.9A Active CN112231961B (zh) 2020-12-10 2020-12-10 大规模有限元网格数据存储索引方法

Country Status (1)

Country Link
CN (1) CN112231961B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765871B (zh) * 2021-04-07 2021-06-18 中国人民解放军国防科技大学 一种基于曲线坐标的并行粒子追踪方法和装置
CN114004126B (zh) * 2021-11-05 2023-06-09 上海索辰信息科技股份有限公司 一种复合材料铺层的网格密度优化仿真分析方法
CN114445596B (zh) * 2022-04-08 2022-07-15 国家超级计算天津中心 三维模型的显示方法、装置、设备及存储介质
CN116244865B (zh) * 2023-05-11 2023-08-15 陕西空天信息技术有限公司 轴流式叶轮有限元建模的方法、装置及计算机存储介质
CN117034636B (zh) * 2023-08-21 2024-02-06 广东云湃科技有限责任公司 一种模型与参数关联的方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9302450D0 (en) * 1993-02-08 1993-03-24 Ibm Cumputer aided design system
US9141734B2 (en) * 2012-11-19 2015-09-22 The Boeing Company System and method of refining a topological indexed mesh
CN104243958B (zh) * 2014-09-29 2016-10-05 联想(北京)有限公司 三维网格数据的编码、解码方法以及编码、解码装置
CN105760572A (zh) * 2016-01-16 2016-07-13 上海大学 面向三维表面网格模型的有限元网格编码与索引方法
CN107688680A (zh) * 2016-08-05 2018-02-13 南京理工大学 一种高效的时域有限元区域分解并行方法

Also Published As

Publication number Publication date
CN112231961A (zh) 2021-01-15

Similar Documents

Publication Publication Date Title
CN112231961B (zh) 大规模有限元网格数据存储索引方法
Xu et al. Efficient manifold ranking for image retrieval
Xie et al. Contextual query expansion for image retrieval
CN112434024B (zh) 面向关系型数据库的数据字典生成方法、装置、设备及介质
US7991595B2 (en) Adaptive refinement tools for tetrahedral unstructured grids
Fellegara et al. Efficient computation and simplification of discrete Morse decompositions on triangulated terrains
Hou et al. FuS-GCN: Efficient B-rep based graph convolutional networks for 3D-CAD model classification and retrieval
EP4071650A2 (en) Graph alignment techniques for dimensioning drawings automatically
CN105190632A (zh) 构造非确定性(np)图灵机的多项式方法
CN107977504A (zh) 一种非对称堆芯燃料管理计算方法、装置及终端设备
CN112883198A (zh) 一种知识图谱构建方法、装置、存储介质以及计算机设备
Li et al. LPCCNet: A lightweight network for point cloud classification
Jha et al. Automatic propagation of feature modification across domains
Jia et al. Machining feature recognition method based on improved mesh neural network
Zhu et al. Parallel image texture feature extraction under hadoop cloud platform
Babur et al. Towards Distributed Model Analytics with Apache Spark.
Xu et al. A mesh quality discrimination method based on convolutional neural network
CN114612914A (zh) 一种多标签不平衡数据分类的机器学习方法及系统
CN110945499B (zh) 应用维度混洗变换的实时三维空间搜索与点云配准的方法与系统
Zhang Similarity image retrieval model based on local feature fusion and deep metric learning
US11687687B1 (en) Apparatuses and methods for superimposition of a cross-sectional drawing over a three-dimensional model
US11947336B2 (en) Apparatus and methods for superimposing two-dimensional prints onto three-dimensional models of a part for manufacture
Wang et al. An applied research on big data analysis and mining technology in education
Chen et al. Rule Extraction Model Based on Decision Dependency Degree
CN110021059B (zh) 一种无冗余计算的高效Marching Cubes等值面提取方法与系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant