CN112287622B - 基于链接方向人工压缩的快速湍流数值模拟方法和装置 - Google Patents

基于链接方向人工压缩的快速湍流数值模拟方法和装置 Download PDF

Info

Publication number
CN112287622B
CN112287622B CN202011572497.6A CN202011572497A CN112287622B CN 112287622 B CN112287622 B CN 112287622B CN 202011572497 A CN202011572497 A CN 202011572497A CN 112287622 B CN112287622 B CN 112287622B
Authority
CN
China
Prior art keywords
external force
distribution function
speed
turbulence
density
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
CN202011572497.6A
Other languages
English (en)
Other versions
CN112287622A (zh
Inventor
杨灿群
郭晓威
番丝江
李超
吴诚堃
范小康
刘毅
赵然
张森
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202011572497.6A priority Critical patent/CN112287622B/zh
Publication of CN112287622A publication Critical patent/CN112287622A/zh
Application granted granted Critical
Publication of CN112287622B publication Critical patent/CN112287622B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于链接方向人工压缩的快速湍流数值模拟方法、装置、计算机设备和存储介质。所述方法包括：通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据尺寸信息、数量信息和位置信息得到管道输入端的波动速度，根据波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项，将外力项加入到链接方向人工压缩方程的分布函数中，得到在管道流中加入湍流所需要增加的外力项函数，设置管道流分布函数的边界条件，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。采用本方法可以大大减少湍流数值模拟计算对全局内存的占用，提高湍流模拟在GPU上运行的效率。

Description

基于链接方向人工压缩的快速湍流数值模拟方法和装置
技术领域
本申请涉及计算流体力学技术领域，特别是涉及一种基于链接方向人工压缩的快速湍流数值模拟方法、装置、计算机设备和存储介质。
背景技术
计算流体力学已经广泛运用在不论是工业界还是学术界的各个领域中。从航空航天领域到船舶制造业，从医学血流模拟到电影制造业，甚至芯片制造工艺等等方面，计算流体力学都发挥着至关重要的作用。计算流体力学不仅可以大幅降低物理实验的花销成本，也可以给实验的方向提供有力的证据，大大提高了实验的效率。而湍流作为流体最为重要的一种流体形式，在计算流体力学的绝大部分领域是不可被避免的。
近几年来，由于格子玻尔兹曼方法具有非常良好的局部性和天然的并行性，受到大家的青睐。而原本作为图像处理的协处理器GPU，由于其具有数量庞大的并行处理单元，已经越来越多地被运用到大规模科学与工程计算中。大量工作开始将格子玻尔兹曼方法在GPU上进行加速，并得到了非常好的效果，大大加快了模拟的速度。也有很多工作采用了多GPU的方式来增加提高模拟规模。
然而，随着求解问题的规模逐渐增大，格子玻尔兹曼方法也出现了瓶颈。格子玻尔兹曼方法一般分为两部分：碰撞步和迁移步。碰撞步在本地发生，而迁移步需要周围各自的密度分布函数。因此格子玻尔兹曼方法在每一个迭代步中每一个格子都需要保存密度分布函数，这将会占据非常大的内存。
湍流模拟占据着计算流体力学领域的重要一部分，现有的湍流模拟方法随着计算流体力学模拟规模的逐渐增大，存在计算速度慢、占用内存大的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高湍流模拟计算速度、减少内存占用的基于链接方向人工压缩的快速湍流数值模拟方法、装置、计算机设备和存储介质。
一种基于链接方向人工压缩的快速湍流数值模拟方法，所述方法包括：
构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数；
通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据所述尺寸信息、所述数量信息和所述位置信息得到管道输入端的波动速度；
根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项；
通过将所述外力项加入到所述链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数；
设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
在其中一个实施例中，还包括：根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项为：
Figure 478246DEST_PATH_IMAGE001
其中，
Figure 507382DEST_PATH_IMAGE002
表示所述外力项，i表示所述外力项在管道流中形成的作用区域内的任一点，
Figure 75766DEST_PATH_IMAGE003
表示所述作用区域中i点与所述作用区域中心线的距离，
Figure 760826DEST_PATH_IMAGE004
表示积分长度规，
Figure 440069DEST_PATH_IMAGE005
表示所述波动速度。
在其中一个实施例中，还包括：所述网格模型为D3Q19模型；通过将所述外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数为：
Figure 526973DEST_PATH_IMAGE006
其中，
Figure 680DEST_PATH_IMAGE007
表示任意19个速度方向，
Figure 235352DEST_PATH_IMAGE008
表示
Figure 187128DEST_PATH_IMAGE009
时刻在
Figure 394118DEST_PATH_IMAGE010
位置处
Figure 304305DEST_PATH_IMAGE011
速度方向加入了湍流的管道流分布函数，
Figure 760695DEST_PATH_IMAGE012
表示
Figure 719423DEST_PATH_IMAGE013
时刻在
Figure 577658DEST_PATH_IMAGE010
位置处
Figure 596429DEST_PATH_IMAGE011
速度方向的链接方向人工压缩方程的分布函数，
Figure 540115DEST_PATH_IMAGE014
表示平衡函数的偶数项，
Figure 364851DEST_PATH_IMAGE015
表示
Figure 77592DEST_PATH_IMAGE016
时刻在位置
Figure 1686DEST_PATH_IMAGE017
处流体的密度，
Figure 698247DEST_PATH_IMAGE018
表示一个迭代时间步，
Figure 795516DEST_PATH_IMAGE019
表示积分时间规。
在其中一个实施例中，还包括：设置所述管道流分布函数的输入端边界条件、输出端边界条件和墙边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
在其中一个实施例中，所述输入端边界条件包括输入端速度和输入端密度；所述输出端边界条件包括输出端速度和输出端密度，通过所述初始化输入信息中包含的平均速度和所述波动速度得到所述输入端速度；
通过二阶精度的外插值方法得到所述输入端密度；
设置所述输出端密度为1；
通过二阶精度的外插值方法得到所述输出端速度；
通过格子玻尔兹曼方法中的反弹格式墙边界条件得到所述墙边界条件；
根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
在其中一个实施例中，在设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度之前，还包括：
在所述GPU的内存中，分配两份全局内存，所述全局内存用于保存计算得到的所述密度和所述速度；
在所述GPU的内存中，分配一份共享内存，所述共享内存被分为多个8*8*8的区块，所述共享内存用于保存所述密度和所述速度的备份。
一种基于链接方向人工压缩的快速湍流数值模拟装置，所述装置包括：
管道流分布函数获取模块，用于构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数；
波动速度获取模块，用于通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据所述尺寸信息、所述数量信息和所述位置信息得到管道输入端的波动速度；
外力项获取模块，用于根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项；
分布函数获取模块，用于通过将所述外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数；
密度和速度计算模块，用于设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数；
通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据所述尺寸信息、所述数量信息和所述位置信息得到管道输入端的波动速度；
根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项；
通过将所述外力项加入到所述链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数；
设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数；
通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据所述尺寸信息、所述数量信息和所述位置信息得到管道输入端的波动速度；
根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项；
通过将所述外力项加入到所述链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数；
设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
上述基于链接方向人工压缩的快速湍流数值模拟方法、装置、计算机设备和存储介质，通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据尺寸信息、数量信息和位置信息得到管道输入端的波动速度，根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项，将所述外力项加入到链接方向人工压缩方程的分布函数中，得到在管道流中加入湍流所需要增加的外力项函数，设置管道流分布函数的边界条件，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。本发明的方法大大减少了湍流数值模拟计算对全局内存的占用，提高了湍流模拟在GPU上运行的效率。
附图说明
图1为一个实施例中基于链接方向人工压缩的快速湍流数值模拟方法的流程示意图；
图2为一个实施例中合成湍流输入生成算法的作用区域示意图；
图3为一个实施例中输入端密度的边界条件示意图；
图4为一个实施例中输出端速度的边界条件示意图；
图5为一个实施例中墙边界条件示意图；
图6为一个实施例中基于链接方向人工压缩的快速湍流数值模拟装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于链接方向人工压缩的快速湍流数值模拟方法，可以应用于如下应用环境中。以CPU和GPU作为湍流数值模拟硬件环境，构建湍流模拟的网络模型，将通过合成涡算法和合成湍流输入生成算法得到的外力项加入链接方向人工压缩方程的分布函数中，再根据预先设置的边界条件，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。
在一个实施例中，如图1所示，提供了一种基于链接方向人工压缩的快速湍流数值模拟方法，包括以下步骤：
步骤102，构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数。
链接方向人工压缩方程（Link-wise artificial compressibility method）是在“Link-wise artificial compressibility method, Journal of ComputationalPhysics 231(2012) 5109 – 5143”中提出的。
本实施例中使用的网格模型是D3Q19模型，初始化输入信息中包含D3Q19模型的坐标信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数为：
Figure 831605DEST_PATH_IMAGE020
其中，
Figure 988917DEST_PATH_IMAGE021
表示任意19个速度方向，
Figure 907194DEST_PATH_IMAGE022
表示
Figure 11416DEST_PATH_IMAGE023
时刻在
Figure 698749DEST_PATH_IMAGE024
位置处
Figure 230225DEST_PATH_IMAGE025
速度方向的链接方向人工压缩方程的分布函数，
Figure 635799DEST_PATH_IMAGE026
表示局部平衡函数，
Figure 543712DEST_PATH_IMAGE027
表示平衡函数的偶数项，
Figure 85551DEST_PATH_IMAGE028
表示所述坐标信息，
Figure 850245DEST_PATH_IMAGE029
表示松弛时间因子。
步骤104，通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据尺寸信息、数量信息和位置信息得到管道输入端的波动速度。
合成涡算法（Synthetic eddy method）可看做是在管道流输入端形成涡的输入端边界条件。合成涡算法最初由Jarrin在“A synthetic-eddy-method for generatinginflow conditions for large-eddy simulations,International Journal of Heatand Fluid Flow 27 (2006) p.585–593”中提出，本实施例所采用的是Skillen在“Accuracy and efficiency improvements in synthetic eddy methods,International Journal of Heat and FluidFlow 62 (2016) 386 – 394”所提出的合成涡算法的改进版本，在合成涡算法中，输入端的速度分成平均速度和波动速度两个部分，平均速度是由初始化输入信息预先设置的，波动速度是根据生成的涡的尺寸信息、数量信息和位置信息计算得到的。
步骤106，根据波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项。
合成湍流输入生成算法（Synthetic turbulence inflow generator -STIG）源于Klein在“A digital filter based generation of inflow data for spatiallydeveloping direct numerical or large eddysimulations, Journal ofComputational Physics 186 (2003) 652 – 665”中提出的数字滤波器概念。由于管道流速度可以分解成平均速度和波动速度，虽然可以将合成涡算法直接作用于管道流的输入端，但实验表明，将合成涡算法直接作用于输入端的链接方向人工压缩方程的管道流在进行数值模拟时并不稳定，程序易崩溃，因此，在本实施例中，将合成涡算法得到的波动速度作为源项加入到合成湍流输入生成算法，将合成湍流输入生成算法作为外力项作用于管道流的输入端来形成湍流。
步骤108，通过将外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数。
将合成湍流输入生成算法作为外力项增加到链接方向人工压缩方程的分布函数中，如图2所示，在管道流靠近输入端的位置，形成了“合成湍流输入生成方法”的作用区域，作用区域长度为
Figure 680798DEST_PATH_IMAGE030
。输入端通过一个稳定的抛物线流，通过作用区域后，流体逐渐不稳定，最后生成一个完全发展的湍流。通过合成湍流输入生成算法引入作用区域后，需要在链接方向人工压缩方法中增加一步，即在管道流中加入湍流所需要增加的外力项函数为：
Figure 189140DEST_PATH_IMAGE031
其中，
Figure 788748DEST_PATH_IMAGE032
表示外力项，
Figure 458764DEST_PATH_IMAGE033
表示任意19个速度方向，
Figure 838930DEST_PATH_IMAGE034
表示
Figure 823066DEST_PATH_IMAGE035
时刻在
Figure 605077DEST_PATH_IMAGE036
位置处
Figure 649257DEST_PATH_IMAGE037
速度方向加入了湍流的管道流分布函数，
Figure 251139DEST_PATH_IMAGE038
表示
Figure 101284DEST_PATH_IMAGE039
时刻在
Figure 675485DEST_PATH_IMAGE036
位置处
Figure 952882DEST_PATH_IMAGE037
速度方向的链接方向人工压缩方程的分布函数，
Figure 979744DEST_PATH_IMAGE040
表示平衡函数的偶数项，
Figure 633579DEST_PATH_IMAGE041
表示
Figure 62287DEST_PATH_IMAGE042
时刻在位置
Figure 510585DEST_PATH_IMAGE043
处流体的密度，
Figure 87060DEST_PATH_IMAGE044
表示一个迭代时间步，
Figure 216690DEST_PATH_IMAGE045
表示积分时间规。
步骤110，设置管道流分布函数的边界条件，根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。
在本发明之前，还没有将链接方向人工压缩方法用于管道流模拟的研究，因此，本发明也首次研究将链接方向人工压缩方法用于管道流模拟时的边界条件。由于链接方向人工压缩方法既有格子玻尔兹曼方法的特点，又有有限差分方法的特点，为了达到最好的效果，本实施例中同时结合了格子玻尔兹曼方法和有限差分方法来设置管道流的边界条件。
原本作为图像处理的协处理器GPU，由于其具有数量庞大的并行处理单元，已经越来越多地被运用到大规模科学与工程计算中。本实施例将GPU作为模拟计算的硬件环境，可以提升数值模拟的速度。
上述基于链接方向人工压缩的快速湍流数值模拟方法中，通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据尺寸信息、数量信息和位置信息得到管道输入端的波动速度，根据波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项，将外力项加入到链接方向人工压缩方程的分布函数中，得到在管道流中加入湍流所需要增加的外力项函数，设置管道流分布函数的边界条件，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。本发明的方法大大减少了湍流数值模拟计算对全局内存的占用，提高了湍流模拟在GPU上运行的效率。
在一个实施例中，根据波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项为：
Figure 562221DEST_PATH_IMAGE046
其中，
Figure 384683DEST_PATH_IMAGE047
表示外力项，i表示外力项在管道流中形成的作用区域内的任一点，
Figure 182875DEST_PATH_IMAGE048
表示作用区域中i点与作用区域中心线的距离，
Figure 178513DEST_PATH_IMAGE049
表示积分长度规，
Figure 316233DEST_PATH_IMAGE050
表示波动速度。
在一个实施例中，网格模型为D3Q19模型；通过将外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数为：
Figure 371914DEST_PATH_IMAGE051
其中，
Figure 860664DEST_PATH_IMAGE052
表示任意19个速度方向，
Figure 128834DEST_PATH_IMAGE053
表示
Figure 448957DEST_PATH_IMAGE054
时刻在
Figure 409960DEST_PATH_IMAGE055
位置处
Figure 120427DEST_PATH_IMAGE052
速度方向加入了湍流的管道流分布函数，
Figure 457868DEST_PATH_IMAGE056
表示
Figure 632497DEST_PATH_IMAGE054
时刻在
Figure 702084DEST_PATH_IMAGE055
位置处
Figure 227743DEST_PATH_IMAGE052
速度方向的链接方向人工压缩方程的分布函数，
Figure 40979DEST_PATH_IMAGE057
表示平衡函数的偶数项，
Figure 335694DEST_PATH_IMAGE058
表示
Figure 576182DEST_PATH_IMAGE059
时刻在位置
Figure 612575DEST_PATH_IMAGE060
处流体的密度，
Figure 229501DEST_PATH_IMAGE061
表示一个迭代时间步，
Figure 113144DEST_PATH_IMAGE062
表示积分时间规。
在一个实施例中，还包括：设置管道流分布函数的输入端边界条件、输出端边界条件和墙边界条件，根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。输入端边界条件包括输入端速度和输入端密度；输出端边界条件包括输出端速度和输出端密度；通过初始化输入信息中包含的平均速度和波动速度得到输入端速度；通过二阶精度的外插值方法得到输入端密度；设置输出端密度为1；通过二阶精度的外插值方法得到输出端速度；通过格子玻尔兹曼方法中的反弹格式墙边界条件得到墙边界条件；根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。
具体的，如图3所示，位置0在输入端边界，位置1和2是相邻两个格子，则输入端的密度可以通过下式得到：
Figure 852430DEST_PATH_IMAGE063
如图4所示，位置0在输出端边界，而位置1和2是相邻两个格子，输出端的速度可以通过下式得到：
Figure 24785DEST_PATH_IMAGE064
如图5所示，墙边界条件采用格子玻尔兹曼方法中常见的反弹格式墙边界条件，将墙的位置假设在距离最近格子点半个格子的位置，反弹的密度分布函数通过相反方向的密度分布函数计算得到：
Figure 242140DEST_PATH_IMAGE065
其中
Figure 449130DEST_PATH_IMAGE066
是密度分布函数，
Figure 93738DEST_PATH_IMAGE067
是平衡函数，ω是时间松弛因子，与格子玻尔兹曼相同，
Figure 550127DEST_PATH_IMAGE068
是平衡函数的偶数项，
Figure 508856DEST_PATH_IMAGE069
是i方向反弹后的密度分布函数。
在一个实施例中，在设置管道流分布函数的边界条件，根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度之前，还包括：通过提高管道流输入端和输出端流体的粘度参数，在管道流输入端和输出端设置海绵层。
由于链接方向人工压缩方法在输入端和输出端的模拟非常不稳定，容易中途程序崩溃，因此在输入和输出的部分采用了海绵层来增加流体粘度。除了两端流体粘度不同意外，其他部分的流体粘度始终相同。
在一个实施例中，在设置管道流分布函数的边界条件，根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度之前，还包括：在GPU的内存中，分配两份全局内存，全局内存用于保存计算得到的密度和速度；在GPU的内存中，分配一份共享内存，共享内存被分为多个8*8*8的区块，共享内存用于保存密度和速度的备份。
分配两份全局内存同时读写，可以提高GPU数值模拟的计算效率。由于共享内存在硬件上距离GPU的计算单元近，分配一份共享内存来保存密度和速度的备份，可以通过空间局部性来提高对全局内存的访问效率。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种基于链接方向人工压缩的快速湍流数值模拟装置，包括：管道流分布函数获取模块602、波动速度获取模块604、外力项获取模块606、分布函数获取模块608和密度和速度计算模块610，其中：
管道流分布函数获取模块602，用于构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数。
波动速度获取模块604，用于通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据尺寸信息、数量信息和位置信息得到管道输入端的波动速度。
外力项获取模块606，用于根据波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项。
分布函数获取模块608，用于通过将外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数。
密度和速度计算模块610，用于设置管道流分布函数的边界条件，根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。
密度和速度计算模块610还用于获取管道流分布函数的输入端边界条件、输出端边界条件和墙边界条件，根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。
密度和速度计算模块610还用于通过初始化输入信息中包含的平均速度和波动速度得到输入端速度；通过二阶精度的外插值方法得到输入端密度；设置输出端密度为1；通过二阶精度的外插值方法得到输出端速度；通过格子玻尔兹曼方法中的反弹格式墙边界条件得到墙边界条件；根据边界条件和外力项函数，在GPU中对分布函数进行迭代计算，得到网格模型中流体的密度和速度。
密度和速度计算模块610还用于通过提高管道流输入端和输出端流体的粘度参数，在管道流输入端和输出端设置海绵层。
密度和速度计算模块610还用于在GPU的内存中，分配两份全局内存，全局内存用于保存计算得到的密度和速度；在GPU的内存中，分配一份共享内存，共享内存被分为多个8*8*8的区块，共享内存用于保存密度和速度的备份。
关于基于链接方向人工压缩的快速湍流数值模拟装置的具体限定可以参见上文中对于基于链接方向人工压缩的快速湍流数值模拟方法的限定，在此不再赘述。上述基于链接方向人工压缩的快速湍流数值模拟装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于链接方向人工压缩的快速湍流数值模拟方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于链接方向人工压缩的快速湍流数值模拟方法，其特征在于，所述方法包括：
构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数；
通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据所述尺寸信息、所述数量信息和所述位置信息得到管道输入端的波动速度；
根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项；
通过将所述外力项加入到所述链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数；
设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
2.根据权利要求1所述的方法，其特征在于，根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项，包括：
根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项为：
Figure 893124DEST_PATH_IMAGE001
其中，
Figure 544685DEST_PATH_IMAGE002
表示所述外力项，i表示所述外力项在管道流中形成的作用区域内的任一点，
Figure 121160DEST_PATH_IMAGE003
表示所述作用区域中i点与所述作用区域中心线的距离，
Figure 47528DEST_PATH_IMAGE004
表示积分长度规，
Figure 596321DEST_PATH_IMAGE005
表示所述波动速度。
3.根据权利要求1所述的方法，其特征在于，所述网格模型为D3Q19模型；
通过将所述外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数，包括：
通过将所述外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数为：
Figure 215521DEST_PATH_IMAGE006
其中，
Figure 216975DEST_PATH_IMAGE008
表示任意19个速度方向，
Figure 212613DEST_PATH_IMAGE009
表示
Figure 615912DEST_PATH_IMAGE010
时刻在
Figure 406014DEST_PATH_IMAGE012
位置处
Figure 894764DEST_PATH_IMAGE014
速度方向加入了湍流的管道流分布函数，
Figure 162934DEST_PATH_IMAGE015
表示
Figure 483057DEST_PATH_IMAGE016
时刻在
Figure 647322DEST_PATH_IMAGE018
位置处
Figure 685685DEST_PATH_IMAGE020
速度方向的链接方向人工压缩方程的分布函数，
Figure 491967DEST_PATH_IMAGE021
表示平衡函数的偶数项，
Figure 869859DEST_PATH_IMAGE023
表示
Figure 1763DEST_PATH_IMAGE024
时刻在位置
Figure DEST_PATH_IMAGE025
处流体的密度，
Figure 261843DEST_PATH_IMAGE026
表示一个迭代时间步，
Figure DEST_PATH_IMAGE027
表示积分时间规。
4.根据权利要求1所述的方法，其特征在于，设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度，包括：
设置所述管道流分布函数的输入端边界条件、输出端边界条件和墙边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
5.根据权利要求4所述的方法，其特征在于，所述输入端边界条件包括输入端速度和输入端密度；所述输出端边界条件包括输出端速度和输出端密度；
设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度，包括：
通过所述初始化输入信息中包含的平均速度和所述波动速度得到所述输入端速度；
通过二阶精度的外插值方法得到所述输入端密度；
设置所述输出端密度为1；
通过二阶精度的外插值方法得到所述输出端速度；
通过格子玻尔兹曼方法中的反弹格式墙边界条件得到所述墙边界条件；
根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
6.根据权利要求1所述的方法，其特征在于，在设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度之前，还包括：
通过提高管道流输入端和输出端流体的粘度参数，在管道流输入端和输出端设置海绵层。
7.根据权利要求1所述的方法，其特征在于，在设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度之前，还包括：
在所述GPU的内存中，分配两份全局内存，所述全局内存用于保存计算得到的所述密度和所述速度；
在所述GPU的内存中，分配一份共享内存，所述共享内存被分为多个8*8*8的区块，所述共享内存用于保存所述密度和所述速度的备份。
8.一种基于链接方向人工压缩的快速湍流数值模拟装置，其特征在于，所述装置包括：
管道流分布函数获取模块，用于构建流体模拟的网格模型，获取初始化输入信息，根据初始化输入信息中包含的网格模型的坐标信息，得到链接方向人工压缩方程的管道流分布函数；
波动速度获取模块，用于通过合成涡算法得到生成的涡的尺寸信息、数量信息和位置信息，根据所述尺寸信息、所述数量信息和所述位置信息得到管道输入端的波动速度；
外力项获取模块，用于根据所述波动速度，通过合成湍流输入生成算法得到形成湍流所需要的外力项；
分布函数获取模块，用于通过将所述外力项加入到链接方向人工压缩方程的管道流分布函数中，得到在管道流中加入湍流所需要增加的外力项函数；
密度和速度计算模块，用于设置所述管道流分布函数的边界条件，根据所述边界条件和所述外力项函数，在GPU中对分布函数进行迭代计算，得到所述网格模型中流体的密度和速度。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202011572497.6A 2020-12-28 2020-12-28 基于链接方向人工压缩的快速湍流数值模拟方法和装置 Active CN112287622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011572497.6A CN112287622B (zh) 2020-12-28 2020-12-28 基于链接方向人工压缩的快速湍流数值模拟方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011572497.6A CN112287622B (zh) 2020-12-28 2020-12-28 基于链接方向人工压缩的快速湍流数值模拟方法和装置

Publications (2)

Publication Number Publication Date
CN112287622A CN112287622A (zh) 2021-01-29
CN112287622B true CN112287622B (zh) 2021-03-09

Family

ID=74426338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011572497.6A Active CN112287622B (zh) 2020-12-28 2020-12-28 基于链接方向人工压缩的快速湍流数值模拟方法和装置

Country Status (1)

Country Link
CN (1) CN112287622B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110532727A (zh) * 2019-09-09 2019-12-03 扬州大学 可用于常见非牛顿流体的数值模拟方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130290919A1 (en) * 2012-04-27 2013-10-31 Synopsys, Inc. Selective execution for partitioned parallel simulations
CN102708247B (zh) * 2012-05-09 2014-07-30 西安瑞特快速制造工程研究有限公司 基于流固耦合数值计算的压力补偿灌水器设计方法
US10515159B2 (en) * 2013-03-06 2019-12-24 Dassault Systemes Simulia Corp. Flow-induced noise source identification
CN106503396B (zh) * 2016-11-14 2019-04-12 中国电建集团昆明勘测设计研究院有限公司 基于有限差分法与有限体积法耦合的多维水力系统瞬变模拟方法
CN107590336B (zh) * 2017-09-13 2021-01-26 哈尔滨理工大学 燃气管道泄漏对内部流场影响的数值模拟方法
CN110762068A (zh) * 2019-10-25 2020-02-07 长江大学 一种具有可变流道管径、宽工况的旋转型压力能回收设备
CN111368487B (zh) * 2020-03-17 2023-07-18 广西师范大学 一种基于晶格Boltzmann模型模拟颗粒周期性运动的流场处理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110532727A (zh) * 2019-09-09 2019-12-03 扬州大学 可用于常见非牛顿流体的数值模拟方法

Also Published As

Publication number Publication date
CN112287622A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
Lacasta et al. An optimized GPU implementation of a 2D free surface simulation model on unstructured meshes
JP5371221B2 (ja) 粒子法シミュレーションのためのスライスデータ構造、およびスライスデータ構造を利用した粒子法シミュレーションのｇｐｕへの実装方法
Elguedj et al. Isogeometric analysis of nearly incompressible large strain plasticity
Achtziger et al. A smoothing-regularization approach to mathematical programs with vanishing constraints
CN110795869B (zh) 流场数据的数值计算方法和装置
Wirasaet et al. Discontinuous Galerkin methods with nodal and hybrid modal/nodal triangular, quadrilateral, and polygonal elements for nonlinear shallow water flow
CN113821878B (zh) 一种改善高超声速气动热热流分布异常的计算方法和装置
US20140257769A1 (en) Parallel algorithm for molecular dynamics simulation
CN113987691A (zh) 激波失稳的高精度混合计算方法、装置、设备和存储介质
CN111930491B (zh) 一种全局通信优化加速方法、装置和计算机设备
CN114492252A (zh) 一种面向重叠网格贡献单元搜索的坐标树空间映射方法
CN112287622B (zh) 基于链接方向人工压缩的快速湍流数值模拟方法和装置
Ji et al. A robust and efficient hybrid cut-cell/ghost-cell method with adaptive mesh refinement for moving boundaries on irregular domains
Khimich et al. Numerical study of the stability of composite materials on computers of hybrid architecture
Gisbert et al. Efficient implementation of flux reconstruction schemes for the simulation of compressible viscous flows on graphics processing unigs
Hou Various remeshing arrangements for two-dimensional finite element crack closure analysis
CN112989683A (zh) 一种sph的向量化并行计算方法及装置
Ma et al. GPU parallelization of unstructured/hybrid grid ALE multigrid unsteady solver for moving body problems
Marshall et al. Performance evaluation and enhancements of a flood simulator application for heterogeneous hpc environments
CN114612609A (zh) 曲表面反射线计算方法、装置、计算机设备和存储介质
Zakirov et al. Compact update algorithm for numerical schemes with cross stencil for data access locality
CN110865882B (zh) 数据处理方法、装置、计算机设备和存储介质
Zapata et al. A GPU parallel finite volume method for a 3D Poisson equation on arbitrary geometries
JPWO2020174536A1 (ja) 数値計算方法および数値計算プログラム
Hoffmann et al. A robust high-order discontinuous galerkin solver for fluid flow with cavitation

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