CN113034694B - 自适应于流场特征的度量正交网格自动生成方法及装置 - Google Patents
自适应于流场特征的度量正交网格自动生成方法及装置 Download PDFInfo
- Publication number
- CN113034694B CN113034694B CN202110326791.7A CN202110326791A CN113034694B CN 113034694 B CN113034694 B CN 113034694B CN 202110326791 A CN202110326791 A CN 202110326791A CN 113034694 B CN113034694 B CN 113034694B
- Authority
- CN
- China
- Prior art keywords
- grid
- grids
- shock wave
- measurement
- sub
- 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
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 22
- 230000035939 shock Effects 0.000 claims abstract description 105
- 238000009499 grossing Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Fluid Mechanics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种自适应于流场特征的度量正交网格自动生成方法及装置,包括:对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格。
Description
技术领域
本发明涉及计算空气动力学非结构网格生成领域,尤其涉及一种自适应于流场特征的度量正交网格自动生成方法及装置。
背景技术
随着计算空气动力学的发展,基于非结构网格的数值计算技术得到了广泛的研究与发展,利用非结构网格表征的飞行器外流场,发动机进气道内流场,螺旋桨叶片外流场,返回舱外流场等,作为相关空气动力学数值计算求解器软件的输入,已经能够得模拟得到接近于物理实验的结果了。基于非结构网格的流场网格生成方法已经作为国家数值风洞项目的重要研究方向。
非结构网格在空气动力学的工程与科学计算中具有重要的应用,可以适应各种复杂的流场区域,但是对于流场的激波特征区域只有用度量正交的网格进行离散才能和现有的面向流体的数值计算求解器算法配合。如果网格单元的尺寸大小,数目,形状,方向,分布范围不适应于流场特征,那么即便数值求解器的相关算法多么鲁棒可靠,即使将网格细分到多么密集,计算结果都无法收敛到真实结果,甚至整个数值求解过程就是发散的,数值残差是剧烈振荡的,那样得到的数值计算结果是毫无物理意义,且对实际的工程应用没有指导意义。所以如何得到数目,形状,方向,分布范围适应于流场特征,在流场激波特征区域度量正交的网格是当前计算空气动力学非结构网格生成领域的技术难点。
目前常用的技术方案如下:
(1)将致密的初始网格利用特定流场求解器进行数值求解;
(2)根据求解结果中流场密度或其他物理场的云图,依据人工经验,判断激波的特征结构,设置阈值,提取等值线或面,作为激波特征。这里提取的等值线或面往往是存在噪声的,所以往往还需要人工对提取处的等值线或面进行过滤降噪;
(3)根据人工经验,利用CAD数字模型对等值面进行拟合,得到激波线或面的数模表征。这里由于激波可能存在反射和相交等情况,所以需要人工先对所述等值线面进行分割,再对每个分割的子集分别进行所述拟合;
(4)利用初始网格的边界和所述拟合得到激波数模表征,进行附面层网格重新生成,得到在流场激波特征区域度量正交的网格。
综上,现有的方法存在如下缺点:
(1)需要大量的人工交互,激波特征结构的判断,等值线或面的提取,等值线线或面的分割,利用CAD数字模型进行拟合,都需要依赖人工经验和人工操作,自动化程度低。
(2)需要对激波特征进行CAD数字模型拟合,对于复杂的激波结构,很难利用CAD数字模型进行表征,且涉及的具体操作步骤会非常复杂,因此往往无法处理复杂的激波特征。
(3)对初始网格的网格单元疏密分布情况有特殊需求,需要非常致密的初始网格,否则提取处的等值线或面会不符合后续步骤的要求,但是非常致密的初始网格,意味着更大的数值求解的计算资源要求,会造成计算资源的浪费。
发明内容
本申请实施例的目的是提供一种自适应于流场特征的度量正交网格自动生成方法及装置,以解决上述相关技术中存在的不足。
根据本申请实施例的第一方面,提供一种自适应于流场特征的度量正交网格自动生成方法,包括:
对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;
根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;
从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;
对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;
将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格。
根据本申请实施例的第二方面,提供一种自适应于流场特征的度量正交网格自动生成装置,包括:
构建模块,用于对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;
第一处理模块,用于根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;
提取模块,用于从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;
生成模块,用于对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;
第二处理模块,用于将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格。
根据本申请实施例的第三方面,提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的方法。
本申请的实施例提供的技术方案可以包括以下有益效果:
(1)本发明所述方案不涉及大量的人工交互环节,只需要将所述任意流场求解器求解得到的初始网格和求解结果作为输入,后续所述环节均可以自动完成,可以克服现有技术方案中在激波特征区域提取和激波特征进行CAD数模拟合对人工的依赖,可以减少网格生成的周期中的人工时间,克服对人工的过度依赖,可以调高网格生成的效率。
(2)本发明所述方案中对度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,可以摆脱现有技术方案中对初始网格的疏密程度需求,常规疏密的初始网格也能进行激波特征区域的识别提取,可以合理利用计算资源,具有广泛的实用性。
(3)本发明所述方案是完全在网格层次进行激波特征区域提取挖洞,激波特征区域网格重构,网格合并优化的,不需要涉及现有技术方案中对激波特征进行CAD数字模形的构建环节,能够克服现有技术方案中只能针对简单激波结构进行处理的缺陷,能够处理更加复杂的流场激波特征结构,能够具有更高的鲁棒性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种自适应于流场特征的度量正交网格自动生成方法的流程图。
图2是根据一示例性实施例示出的步骤S101的流程图。
图3为本发明所涉及的对初步计算的网格进行预处理并构建流场物理量相关的度量张量场的示意图。
图4是根据一示例性实施例示出的步骤S102的流程图。
图5为本发明所涉及的基于流场度量张量进行自适应网格细分的示意图。
图6是根据一示例性实施例示出的步骤S103的流程图。
图7为本发明所涉及的从细分调整的网格中挖洞提取出激波特征区域子网格并保留剩余网格的示意图。
图8是根据一示例性实施例示出的步骤S104的流程图。
图9为本发明所涉及的对挖洞提取的激波特征区域子网格采用前沿推进局部重连方法重构网格的示意图。
图10为本发明所涉及的激波度量正交网格生成中前沿点的构造方法示意图。
图11是根据一示例性实施例示出的步骤S105的流程图。
图12为本发明所涉及的将激波梯度度量正交的子网格和保留的剩余网格进行网格合并及光滑的示意图。
图13为本发明所应用于的三维钝头体脱体激波数值模拟网格生成的示意图。
图14为本发明所涉及的一种自适应于流场特征的度量正交网格自动生成装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
图1是根据一示例性实施例示出的一种自适应于流场特征的度量正交网格自动生成方法的流程图,参考图1,本发明实施例提供的一种自适应于流场特征的度量正交网格自动生成方法可以包括以下步骤:
步骤S101,对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;
步骤S102,根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;
步骤S103,从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;
步骤S104,对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;
步骤S105,将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格。
由上述实施例可知,本发明实施例的各步骤不涉及大量的人工交互环节,所有中间环节均可以自动完成,可以克服现有技术方案中在激波特征区域提取和激波特征进行CAD数模拟合对人工的依赖,可以减少网格生成的周期中的人工时间,克服对人工的过度依赖,可以调高网格生成的效率。本发明实施例的方法对度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,可以摆脱现有技术方案中对初始网格的疏密程度需求,常规疏密的初始网格也能进行激波特征区域的识别提取,可以合理利用计算资源,具有广泛的实用性。本发明实施例的方法完全在网格层次进行激波特征区域提取挖洞,激波特征区域网格重构,网格合并优化的,不需要涉及现有技术方案中对激波特征进行CAD数字模形的构建环节,能够克服现有技术方案中只能针对简单激波结构进行处理的缺陷,能够处理更加复杂的流场激波特征结构,能够具有更高的鲁棒性。
通过上述的方法,最后得到能够适用于进一步流场计算的可靠网格。这里的流场特征是指激波,具备一定复杂几何形状,并且物理量梯度变化比较剧烈的气体动力学结构。由于本发明实施例可以自动化地直接基于输入网格中识别流场激波特征区域并进行度量正交网格生成,不用进行几何特征拟合,可以极大地减少人工干预,生成符合数值求解器进一步计算需求的网格,可以避免出现数值计算出现发散和数值振荡。
在步骤S101的具体实施中,对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场,参考图2,该步骤可以包括以下子步骤:
步骤S201,将求解结果中基于格心的流场求解结果投影到初始网格节点之上;
具体地,初始网格第i个节点上的物理量值可以根据如下公式得到:
这里pi表示第i个节点的坐标,pij表示第i个节点的第j个邻接单元体心的坐标,||·||L2表示L2范数。
所述步骤S201可以将非基于格点计算的求解结果转换到基于网格节点表示的形式,使后续步骤中中基于网格节点相关操作流程可以顺利进行展开。
步骤S202,计算每个所述初始网格节点上各个流场求解结果的度量张量,其中所述流场求解结果包括密度和马赫数;
具体地,所述流场求解结果包括密度ρ和马赫数Ma,下均以来表示,先计算其格林高斯梯度(Green-Gauss Gradient)再分别计算的分量的格林高斯梯度,可以得到其Hessian矩阵(二维是2x2矩阵,三维是3x3矩阵),但是还需要对其进行修正:
进一步,构造度量张量矩阵M
步骤S203,对所有的所述度量张量进行融合得到与求解结果相关的度量张量场。
所述度量张量场是综合了计算结果中的密度和马赫数的哈森矩阵进行构造的。
具体地,设任一网格节点密度的度量张量为Mρ,马赫数的度量张量为MMa,融合得到度量张量M∪的方法如下:
M∪=(PT)-1Diag(max(λi,μi))P-1 (5)
最终融合得到的度量张量场MT为定义在所述定义在初始网格节点上的度量张量M∪进行离散表征。
下面结合实例来说明,如图3所示,图3左侧为经过初步计算的圆柱高超声速扰流的密度物理量云图,马赫数物理云图,以及初始网格T0,网格的三角形单元数目2072,圆柱的尺寸是76.2mm,来流马赫数为9,计算采用等温壁,采用层流模型,空间离散精度为二阶精度,对流通量离散采用Roe格式,粘性项离散采用中心格式。图3右侧为经过预处理,融合得到的度量张量场MT的可视化图,图中的椭圆为网格节点处的度量张量单位椭圆。
后续步骤中关于度量张量场相关的操作步骤都需要依赖所述步骤S101中构造的度量张量场。
在步骤S102的具体实施中,根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格,参考图4,该步骤可以包括以下子步骤:
步骤S301,计算初始网格每条网格边在所述的度量张量场中的长度;
具体地,设网格边为e=[Xi,Xj],这里Xi和Xj为边的两个节点,节点上的度量张量分别为Mi和Mj,那么网格边e在度量张量场中的长度为
这里eT表示e的转置。
步骤S302,基于度量张量场的误差判断准则,先对在所述度量张量场中的长度小于阈值的网格边进行收缩,再对在所述度量张量场中的长度超过阈值的网格边进行分裂;
具体地,首先遍历所有的网格边,若存在e=[Xi,Xj],lM(e)小于0.7,则进行边收缩,收缩方式为,使其中一个节点移动到另外一个节点并合并,并且更新网格的拓扑关系。
接下来,继续遍历所有网格边,若存在e=[Xi,Xj],lM(e)大于1.4,则进行边分裂,边分裂的方式,在边的中点插入一个新的节点,并依次剖分共享此边的所有网格单元,并且更新网格的拓扑关系,不断迭代,直到没有不存在lM(e)大于1.4的情况。
此步骤可以控制网格边在度量张量场中的长度,从而可以控制网格边进行线性插值的误差上限。
步骤S303,对所述分裂后的网格进行基于Delaunay准则的边/面翻转(flip)得到细分调整的网格。
下面结合具体实例进行说明,如图5所示,图5为经过步骤S102得到的度量张量场MT,和初始网格T0,三角形单元数目为2072,网格节点数目为1119。度量张量场的计算过程参照上一实例。经过上述细分调整后,得到如图5右侧的网格T1,其三角形单元数目为6122,网格节点数目为3180。
所述步骤S102可以利用度量张量误差判断准则,对初始网格进行自适应的加密,尤其在激波特征区域附近进行加密,调整网格疏密分布,其能够控制细分调整之后网格的插值误差范围。
在步骤S103的具体实施中,从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格,参考图6,该步骤可以包括以下子步骤:
步骤S401,从所述细分调整的网格中筛选符合流场激波特征判别准则的网格单元节点;
具体地,从所述细分调整的网格中筛选符合流场激波特征判别准则的网格单元节点,对于任意一个网格节点需要计算一阶特征量δ1ρ
进一步计算二阶特征量δ2ρ,
在得到δ1ρ和δ2ρ两个量之后,根据如下激波特征标准筛选网格节点
δ1ρ≥ε1 (10)
|δ2ρ|≤ε2
这里ε1和ε2均为大于0的小量。
本实施例采用的流场激波特征的判断准则是参考D.Lovely,R.Haimes,Shockdetection from computational fluid dynamics results,AIAA Paper 99–3285,in:Proceedings of 14th AIAA Computational Fluid Dynamics Conference,1999,https://doi.org/10.2514/6.1999-3285,可以比较精准的描述出激波的特征区域。
步骤S402,提取拓扑上和所述网格单元节点相连的网格单元,得到激波特征区域子网格;
步骤S403,从所述细分调整的网格中额外提取一部分网格单元,以保证所述激波特征区域子网格在拓扑上没有空腔;
步骤S404,对所述细分调整的网格进行网格挖洞,并保留剩余网格。
下面结合具体实例进行说明,如图7所示,图7左侧为经过步骤S1,S2得到经过自适应细分后的流场网格T1,其三角形单元数目为6122,网格节点数目为3180。ε1取值为0.005,ε2的取值为0.01,经过挖洞提取流场内部激波特征网格后,得到图7右侧,流场激波特征区域网格为T2_feature,其中包含三角形单元数目为3849,网格节点2002,保留的剩余网格为T2_nonefeature,其中三角形单元数目为2273,网格节点数为1295。
所述步骤S103可以单独提取出激波特征区域的子网格,进行后续的度量正交网格的生成,此外保存的剩余网格可以在后续环节中进行利用,避免了在非激波特征区域进行网格重新生成。
在步骤S104的具体实施中,对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格,参考图8,该步骤可以包括:
步骤S501,针对所述激波特征区域的子网格,生成只有边界节点相连的粗网格;
具体地,针对所述激波特征区域的子网格,生成只有边界节点相连的粗网格,这里实际上采用Constrained Delaunay网格生成方法。这样得到的粗网格,可以便于后续步骤中进行插点剖分。
步骤S502,从所述粗网格中,迭代寻找前沿边或面,生成前沿推进点;
具体地,根据边或面的法向向量、边或面上节点上的密度梯度向量以及节点的流场度量张量特征向量,构建生成前沿推进点。
步骤S503,将所述前沿推进点迭代插入到所述粗网格中,并进行细分,基于Delaunay准则的边或面翻转交换,得到激波梯度度量正交的网格。
具体地,需要先对所述前沿推进点进行处理,剔除距离过近的前沿推进点,避免生成过小的网格单元;对于来自同一个网格节点的多个前沿推进点,对其坐标取平均。
再将处理之后前沿推进点逐个插入到粗网格中,进行网格单元的剖分,对网格进行基于Delaunay准则的边/面翻转交换以提高网格质量。
返回S502直至无法插入前沿推进点或者无法扎到前沿推进面。
最终可以得到激波梯度度量正交的网格。
生成前沿推进点,包括:
根据边或面的法向向量、边或面上节点上的密度梯度向量以及节点的流场度量张量特征向量,构建生成前沿推进点。
前沿方向及前沿点的构造方法如下:
S421,如图9中的(a)所示,计算得到节点xi处的前沿边的法向为einorm,通过线性插值得到,该点处的密度梯度单位向量为ei_grad,对该点的度量张量M进行特征分解,得到和ei_norm向量点积值最大的特征向量ei_eigen。
S422,如图9中的(b)所示,计算梯度向量和度量特征向量的综合方向向量ei_target0,并使其归一化为单位向量
ei_target0=normalize(pei_eigen+(1-p)ei_grad) (11)
这里p为[0,1]之间的参数,推荐取0.3。
延长ei_target0,使其和xi处的度量张量的椭圆相交于点xi_adv。
S423,如图9中的(c)所示,计算xi_adv的密度梯度向量ei_adv_grad,对xi_adv的度量张量Mi_adv进行特征分解,得到和ei_norm向量点积值最大的特征向量ei_adv_eigen,并计算单位向量ei_target1
ei_target1=normalize(pei_adv_eigen+(1-p)ei_adv_grad) (12)
S424,如图9中的(d)所示,对ei_target0和ei_target1,并且归一化,得到方向向量
ei_target=normalize(ei_target0+ei_target1) (13)
计算度量张量Mi的各向异性率
计算得到归一化的前沿推进方向向量
ei_opt=normalize(β(r)ei_norm+(1-β(r))ei_target) (15)
这里
其中rmin和rmax为在数值模拟之前可以给定最小和最大各向异性率
从xi沿ei_opt延长向量,直到与取度量张量Mi所描述的单位椭圆相交处的点xi_opt,xi_opt即为前沿推进点的位置。
这里前沿推进点的构造综合考虑了前沿边或面的法向向量、边或面上节点上的密度梯度向量以及节点的流场度量张量特征向量,可以适应于不同的前沿边或面,使前沿插入的前沿推进点进行单元剖分后的网格使度量正交的。
下面结合具体实例进行说明,如图10所示,左侧为经过激波特征提取的子网格T2_feature,三角形单元数目为3849,网格节点2002,中间为经过S41生成的基于边界的粗网格T3init,三角形单元数目为443,网格节点数为300,右侧为最终得到激波梯度度量正交的网格T3,三角形单元数目为4530,网格节点数目2337。
所述步骤S104可以生成激波特征区域的度量正交网格,直接在网格层面进行实现,可以适应于复杂的网格边界,进而可以针对提取的包含复杂的激波结构的网格。
在步骤S105的具体实施中,将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格,参考图11,该步骤可以包括:
步骤S601,将所述激波梯度度量正交的子网格和所述剩余网格,进行网格之间的节点合并;
具体地,构建所述剩余网格的节点KD-Tree,针对激波梯度度量正交的子网格边界节点,逐个在KD-Tree中搜索位置最近的节点,将两个节点进行合并。这里采用KD-Tree进行空间加速,可以快速判断空间中与给定节点距离最近的点,即所需要进行合并的点。
步骤S602,对节点合并后的网格,进行网格单元之间的拓扑更新,更新更新网格单元共享的节点信息,共享的边或面信息。
步骤S603,在合并节点附近,进行网格拉普拉斯光滑化,得到度量正交网格。可以避免在合并节点附近网格单元的质量过差且网格单元分布过渡不均匀。
具体地,于其中任意节点xi,其位移为
Δxi=∑j≠iwij(xj-xi) (17)
这里xj为xi在拓扑相连的网格节点,节点xi更新为
xi=xi+λΔxi
λ为光滑系数。
下面结合具体实例进行说明,如图12所示,左侧为挖洞提取后剩余的网格T2_nonefeature以及生成激波梯度度量正交的网T3,经过网格合并及光滑,λ为光滑系数取值为0.05,得到目标输出网格T4。
所述步骤S105将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并,可以得到一个完整自适应流场激波特征的度量正交网格,通过拉普拉斯光滑化,可以使网格过渡光滑。
将本发明应用于三维钝头体脱体激波数值模拟中的结果如图13所示,其中图13中的(a)为初始网格及其计算结果,可以看出在计算结果上对流场特征的捕捉并不精确,在实际计算过程中也存在不收敛,数值误差振荡幅值大的问题,图13中的(b)为基于本发明重构之后的网格,图13中的(c)为利用图13中的(b)中的网格再次利用同一个数值模拟求解器计算得到的求解结果,可以看出在激波区域的结果云图明显锐利,再实际计算过程中,结果能够快速收敛。
与前述的一种自适应于流场特征的度量正交网格自动生成方法的实施例相对应,本申请还提供了一种自适应于流场特征的度量正交网格自动生成装置的实施例。
图14是根据一示例性实施例示出的一种自适应于流场特征的度量正交网格自动生成装置框图。参照图14,该装置可以包括:
构建模块21,用于对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;
第一处理模块22,用于根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;
提取模块23,用于从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;
生成模块24,用于对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;
第二处理模块25,用于将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
相应的,本申请还提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述的一种自适应于流场特征的度量正交网格自动生成方法。
相应的,本申请还提供一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如上述的一种自适应于流场特征的度量正交网格自动生成方法。
本领域技术人员在考虑说明书及实践这里公开的内容后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种自适应于流场特征的度量正交网格自动生成方法,其特征在于,包括:
对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;
根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;
从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;
对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;
将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格;
其中对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场,包括:
将求解结果中基于格心的流场求解结果投影到初始网格节点之上;
计算每个所述初始网格节点上各个流场求解结果的度量张量,其中所述流场求解结果包括密度和马赫数;
对所有的所述度量张量进行融合得到与求解结果相关的度量张量场。
2.根据权利要求1所述的方法,其特征在于,所述度量张量场是综合了计算结果中的密度和马赫数的哈森矩阵进行构造的。
3.根据权利要求1所述的方法,其特征在于,根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格包括:
计算初始网格每条网格边在所述的度量张量场中的长度;
基于度量张量场的误差判断准则,先对在所述度量张量场中的长度小于阈值的网格边进行收缩,再对在所述度量张量场中的长度超过阈值的网格边进行分裂;
对所述分裂后的网格进行基于Delaunay准则的边/面翻转得到细分调整的网格。
4.根据权利要求1所述的方法,其特征在于,从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格,包括:
从所述细分调整的网格中筛选符合流场激波特征判别准则的网格单元节点;
提取拓扑上和所述网格单元节点相连的网格单元,得到激波特征区域子网格;
从所述细分调整的网格中额外提取一部分网格单元,以保证所述激波特征区域子网格在拓扑上没有空腔;
对所述细分调整的网格进行网格挖洞,并保留剩余网格。
5.根据权利要求1所述的方法,其特征在于,对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格,包括:
针对所述激波特征区域的子网格,生成只有边界节点相连的粗网格;
从所述粗网格中,迭代寻找前沿边或面,生成前沿推进点;
将所述前沿推进点迭代插入到所述粗网格中,并进行细分,基于Delaunay准则的边或面翻转交换,得到激波梯度度量正交的网格。
6.根据权利要求5所述的方法,其特征在于,生成前沿推进点,包括:
根据边或面的法向向量、边或面上节点上的密度梯度向量以及节点的流场度量张量特征向量,构建生成前沿推进点。
7.根据权利要求1所述的方法,其特征在于,将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格,包括:
将所述激波梯度度量正交的子网格和所述剩余网格,进行网格之间的节点合并;
对节点合并后的网格,进行网格单元之间的拓扑更新;
在合并节点附近,进行网格拉普拉斯光滑化,得到度量正交网格。
8.一种自适应于流场特征的度量正交网格自动生成装置,其特征在于,包括:
构建模块,用于对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场;
第一处理模块,用于根据所述的度量张量场,基于误差判断准则,对初始网格进行自适应的细分及调整处理,得到细分调整的网格;
提取模块,用于从所述细分调整的网格中挖洞提取出激波特征区域子网格,并保留剩余网格;
生成模块,用于对所述激波特征区域子网格采用前沿推进局部重连方法,进行度量正交网格重构生成,得到激波梯度度量正交的子网格;
第二处理模块,用于将所述激波梯度度量正交的子网格和所述剩余网格进行网格合并及光滑处理,得到度量正交网格;
其中对经过任意流场求解器求解得到的初始网格和求解结果进行预处理,构建与求解结果相关的度量张量场,包括:
将求解结果中基于格心的流场求解结果投影到初始网格节点之上;
计算每个所述初始网格节点上各个流场求解结果的度量张量,其中所述流场求解结果包括密度和马赫数;
对所有的所述度量张量进行融合得到与求解结果相关的度量张量场。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110326791.7A CN113034694B (zh) | 2021-03-26 | 2021-03-26 | 自适应于流场特征的度量正交网格自动生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110326791.7A CN113034694B (zh) | 2021-03-26 | 2021-03-26 | 自适应于流场特征的度量正交网格自动生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113034694A CN113034694A (zh) | 2021-06-25 |
CN113034694B true CN113034694B (zh) | 2022-01-11 |
Family
ID=76474223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110326791.7A Active CN113034694B (zh) | 2021-03-26 | 2021-03-26 | 自适应于流场特征的度量正交网格自动生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113034694B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114357906B (zh) * | 2021-12-31 | 2022-07-12 | 浙江大学 | 激波特征曲面网格重建方法及装置、电子设备、存储介质 |
CN114169267B (zh) * | 2022-02-11 | 2022-04-19 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种熵层特征值的快速查找方法 |
CN115270378B (zh) * | 2022-09-28 | 2022-12-30 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种弓形激波外场网格的生成方法 |
CN115794447B (zh) * | 2023-02-07 | 2023-04-28 | 青岛哈尔滨工程大学创新发展中心 | 一种用于多物理场耦合的网格数据传递方法 |
CN117933144B (zh) * | 2024-03-22 | 2024-05-28 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种求解复杂拓扑结构网格流场的多重网格方法 |
CN118171398B (zh) * | 2024-05-16 | 2024-07-12 | 中国空气动力研究与发展中心计算空气动力研究所 | 凹腔流场计算方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783343A (zh) * | 2020-07-08 | 2020-10-16 | 中国人民解放军国防科技大学 | 非结构网格方向模板选择方法与流场求解方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8259104B2 (en) * | 2008-08-28 | 2012-09-04 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Domain decomposition by the advancing-partition method for parallel unstructured grid generation |
US10157245B2 (en) * | 2012-10-31 | 2018-12-18 | Schneider Electric It Corporation | System and method for fluid dynamics prediction with an enhanced potential flow model |
CN110188424B (zh) * | 2019-05-16 | 2021-01-15 | 浙江大学 | 一种面向动边界流场数值模拟的局部区域网格重构并行方法 |
CN110688791B (zh) * | 2019-08-30 | 2023-08-11 | 中国航天空气动力技术研究院 | 一种钝头体流场激波自适应结构网格生成方法 |
-
2021
- 2021-03-26 CN CN202110326791.7A patent/CN113034694B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783343A (zh) * | 2020-07-08 | 2020-10-16 | 中国人民解放军国防科技大学 | 非结构网格方向模板选择方法与流场求解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113034694A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034694B (zh) | 自适应于流场特征的度量正交网格自动生成方法及装置 | |
CN112927357B (zh) | 一种基于动态图网络的3d物体重建方法 | |
CN110555285B (zh) | 一种复杂飞行器表面结构网格全自动生成方法 | |
CN103617603B (zh) | 一种三维数字几何网格模型结构的自动修复方法 | |
Lozes et al. | Partial difference operators on weighted graphs for image processing on surfaces and point clouds | |
Whitaker | Algorithms for implicit deformable models | |
WO2021203711A1 (zh) | 一种基于几何重建模型的等几何分析方法 | |
CN105243688A (zh) | 基于重心Voronoi图的非钝角的重新网格化方法 | |
George et al. | An efficient algorithm for 3D adaptive meshing | |
Duh et al. | Fast variable density node generation on parametric surfaces with application to mesh-free methods | |
Roca-Pardinas et al. | From laser point clouds to surfaces: Statistical nonparametric methods for three-dimensional reconstruction | |
Guan et al. | A new method for parametric design of hull surface based on energy optimization | |
Zhang et al. | Adaptive generation of hexahedral element mesh using an improved grid-based method | |
CN105931297A (zh) | 三维地质表面模型中的数据处理方法 | |
Duan et al. | Ship hull surface reconstruction from scattered points cloud using an RBF neural network mapping technology | |
Wang et al. | Kirchhoff–Love shell representation and analysis using triangle configuration b-splines | |
CN111047687B (zh) | 一种基于三维t样条的异质材料实体建模方法 | |
Du et al. | A Fully Automated Adaptive Sampling Strategy for Reduced-Order Modeling of Flow Fields | |
CN105869209A (zh) | 三维地质表面模型中的畸形三角形数据处理方法 | |
Nie et al. | Bas-relief generation from point clouds based on normal space compression with real-time adjustment on CPU | |
Zhang et al. | Fast Mesh Reconstruction from Single View Based on GCN and Topology Modification. | |
Pang et al. | An effective quad-dominant meshing method for unorganized point clouds | |
Rom et al. | Volume mesh generation for numerical flow simulations using Catmull-Clark and surface approximation methods | |
Kozubskaya et al. | Anisotropic adaptation of moving unstructured mesh to bodies of complex shapes described by an interpolation octree | |
Whyman et al. | Morphing a CAD Model to Match a Level Set Optimised Shape |
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 |