CN113255194A - 一种基于参数曲面的自主智能直六面体剖分方法 - Google Patents
一种基于参数曲面的自主智能直六面体剖分方法 Download PDFInfo
- Publication number
- CN113255194A CN113255194A CN202110701561.4A CN202110701561A CN113255194A CN 113255194 A CN113255194 A CN 113255194A CN 202110701561 A CN202110701561 A CN 202110701561A CN 113255194 A CN113255194 A CN 113255194A
- Authority
- CN
- China
- Prior art keywords
- grid
- subdivision
- model
- hard
- point
- 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.)
- Withdrawn
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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于参数曲面的自主智能直六面体剖分方法,包括:1.参数化模型结构信息获取,2.生成直角坐标平行线,3.构建直六面体,4.提取硬点信息,5.调整邻近平行线位置,6.制定渐变规则,7.调整并生成栅格网络,8.判断栅格是否与参数化模型相交,9.栅格网络填充,10.栅格网络剖分。本发明有效提高剖分模型的剖分精度,在保证剖分效率和计算效率,提高时域有限差分的计算精度;本发明能够为未来此类模型的高精度电磁计算提供更准确的基础模型,以进一步提高仿真结果置信度。
Description
技术领域
本发明涉及一种基于参数曲面的自主智能直六面体剖分方法,属于电磁建模技术领域。
背景技术
不同的电磁建模算法需要不同的网格剖分输入,面积分矩量法(MoM)通常适用均匀三角网格,且对网格的质量要求很高;高频渐近算法(HFAM)适用各种三角网格,可以通过遮挡判断降低对网格质量的要求;有限元法通常适用四面体剖分,对网格质量要求也很高;时域有限积分法(TDFIT)或时域有限差分(FDTD)法适用直六面体剖分,网格边界不如四面体严格,但借助电磁共形技术可以弥补网格边界的缺陷。
剖分以实体造型作为输入。实体造型是剖分的标准输入,它能够为剖分提供结构信息或几何特征(如对称性、拐点、顶点等),确保剖分信息输入的充分性和准确性。剖分之后的模型称为离散模型,它采用三角面元、四面体、六面体以及各种高阶网格类型描述目标。对大多数人造目标而言,参数表征数据量小、表征精确,但数据结构复杂;网格表述数据量大、存在不同程度离散误差,但数据结构简单。参数化造型是剖分的标准输入,基于离散网格的剖分通常是不掌握实体造型数据结构的不得已之举,譬如基于三角网格模型的直六面体剖分,相当于两次剖分,每次都损失一定的精度,且很难确保二次剖分后模型的几何特征——从剖分信息获取几何特征是个逆向过程,目前尚无成熟的自动化技术。
发明内容
为了解决上述技术问题,本发明提供一种基于参数曲面的自主智能直六面体剖分方法,其具体技术方案如下:
一种基于参数曲面的自主智能直六面体剖分方法,包括以下步骤:
步骤1:参数化模型结构信息获取,获取参数模型各部件结构信息列表,如下所示
步骤5:调整邻近平行线位置,根据获取的硬点的信息,调整临近的平行线位置,使得临近栅格经过硬点;
步骤6:制定渐变规则,采用渐变过渡方法,制定渐变规则,选取硬点,则通过硬点的三轴平行线为,寻找与硬点在X方向的临近点和,硬点与临近点之间,其与X轴平行栅格面数为,硬点与临近点之间,其与X轴平行栅格面数为,以临近点和两点之间的中点为轴,并生成栅格,同理,在Y轴和Z轴方向生成栅格;
步骤8:判断栅格是否与参数化模型相交,引入基于KdTree的可见面自动筛选,对栅格是否与参数化模型相交进行判断,当完成快速相交判断后,重复步骤6和步骤7,直至模型所有部件硬点均与所划分栅格相交,使得划分的边界栅格与其临近栅格间满足渐变规则,并且最大栅格间距与最小栅格间距比小于规定值;
步骤9:栅格网络填充,判断所分割栅格网络与各部件相对位置关系,并根据部件材质对栅格网络材质属性进行填充;
步骤10:栅格网络剖分,当分割栅格网络内存在多个材质部件时,根据部件所在空间比例,对栅格网络空间进行进一步划分,对边缘部分进行共形剖分。
进一步的,所述步骤6中以10%-20%渐变间距生成栅格。
进一步的,所述步骤8中最大栅格间距与最小栅格间距比小于规定值3。
本发明的有益效果:
本发明有效提高剖分模型的剖分精度,在保证剖分效率和计算效率,提高时域有限差分的计算精度;本发明能够为未来此类模型的高精度电磁计算提供更准确的基础模型,以进一步提高仿真结果置信度。
附图说明
图1是本发明的流程示意图,
图2是本发明的KdTree建树过程示意图,
图3是本发明的35GHz微带天线单元和阵列示例图,
图4是本发明的微带阵列单元几何结构示例图,
图5是本发明的微带天线单元直六面体剖分示例图,
图6是本发明的喇叭天线几何模型示意图,
图7是本发明的喇叭天线传统直六面体剖分示意图,
图8是本发明的喇叭天线共形修正六面体剖分示意图,
图9是本发明的喇叭天线边缘梯形近似剖分示意图,
图10是本发明的喇叭天线边缘共形修正示意图,
图11是本发明的喇叭天线仿真结果示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,本发明的一种基于参数曲面的自主智能直六面体剖分方法。首先,参数化模型结构信息获取。获取参数模型各部件结构信息列表,如下所示
其中表示第j个部件的中心点,依次表示第j个部件第i个部分的长,宽,高,因为对于复杂体而言,单个部件无法用单一的长宽高进行表示,j=1,2,3...,i=1,2,3...,P表示包围盒顶点。其次,生成直角坐标平行线。通过待计算频点F进行时域积分法,计算宽带为kF,k的取值范围为(0.2,0.8),得到剖分频点为(1+k/2)F,波长为。紧接着,构建直六面体。按照1/10波长(剖分密度一般取值小于之间)间距生成三组互不相关的直角坐标平行网络,并通过此三组直角坐标平行网络在空间构成直六面体。然后,提取硬点信息。硬点的设定通常位于结构的突变点、中心点及目标的包围盒边界上,因此,从参数模型信息中获取O,P的信息作为硬点信息,对结构各部件硬点信息进行提取,i=1,2,3...,num。接下来,调整邻近平行线位置。根据获取的硬点的信息,调整临近的平行线位置,使得临近栅格经过硬点。考虑到不同密度栅格区连接边界的突变不符合电磁场的变化特性,容易对计算结果的精度和收敛造成不良影响,因此,制定渐变规则。采用渐变过渡方法,制定渐变规则,选取硬点,则通过硬点的三轴平行线为,寻找与硬点在X方向的临近点和,判断得出,硬点与临近点之间,其与X轴平行栅格面数为,硬点与临近点之间,其与X轴平行栅格面数为,以临近点和两点之间的中点为轴,以10%-20%渐变间距生成栅格。同理,在Y轴和Z轴方向生成栅格。对已经生成的栅格进行调整,遍历所有硬点,对非均匀栅格进行调整并生成初步栅格网络。接下来需要判断栅格是否与参数化模型相交。两个面元是否严格可见的依据如下:1.从源面片的质心为起点,场面片的质心为终点构建一条射线,若射线与场面片的法线和矢线的夹角为钝角且该射线没有被其他面片遮挡,则两个面片是严格可见的,否则是不可见的;2.源、场面片的可见性是互易的。与此同时,考虑到参数模型表达的“整体”比网格模型的“整体”大得多,因此如果直接判断相交性,效率过低。因此,采用逆向思维的方式,引入基于KdTree的可见面自动筛选。如图2所示,设有一个由N块面元组成的场景S,则S的轴对齐包围盒对应于KdTree的根节点。选择合理的分割平面对根节点进行分割,位于分割平面左侧的轴对齐包围盒对应于根节点的左孩子,位于分割平面右侧的轴对齐包围盒对应于根节点的右孩子。按照相同的规则,对左孩子和右孩子所包围空间内的面元重复根节点的过程就可以得到下一级子节点,同时将空间S和面元集N进一步细分,如此往复直到满足空间划分的终止条件。当完成快速相交判断后,按序重复进行渐变规则操作、调整并生成栅格网络操作。此时,判断所分割网格与各部件相对位置关系,并根据部件材质对网格材质属性进行填充。最后,当分割网格内存在多个材质部件时,根据部件所在空间比例,对网格空间进行进一步划分,对边缘部分进行共形剖分,直至完成剖分。
实施例1
以微带阵列为例,进行剖分效果展示。根据本发明的剖分方法步骤进行操作,通过35GHz微带天线单元和阵列进行展示。如图3所示,其为微带阵列单元的几何结构;如图4所示,其为微带天线单元直六面体剖分;如图5所示,其为基于微带单元构成的10X10的阵列直六面体剖分,通过栅格显示。
实施例2
如图6所示,其为基于的弹簧座;如图7所示,其为传统直六面体剖分;如图8所示,其为共形修正六面体剖分。传统剖分方式在圆形边缘处由于剖分进度的关系,存在大范围梯形近似剖分,如图9所示,使得剖分模型和原模型在结构上存在较大差异,而经过智能直六面体剖分,对于边缘进行了共形修正,从而最大程度保留了模型几何特征,如图10所示。如图11所示,由对比仿真结果可见,基于共形修正的模型的时域有限差分法计算结果与矩量法结果吻合度远高于传统直六面体剖分模型的时域有限差分法计算结果。
直六面体剖分(HexaHesh)是时域有限差分(FDTD)方法的直接输入,其鲁棒性、准确性和通用性决定了FDTD算法的实用性。早期的直六面体剖分,包括早期实现的以及西安电子科技大学等长期研究FDTD方法的单位实现的HexaMesh剖分都基于已经离散的三角面元剖分模型,剖分输入本身已经是一种面元剖分,不仅损失了精度,而且在剖分过程中无法有效利用局部和整体之间的拓扑关系。
材料是实现电磁调控的必要和主要手段之一,本发明在取得超材料理论和应用领域国际领先地位的同时,针对材料特别是结构性材料的表征、提取和共形涂装建模难题,提出并实现了面向参数曲面的智能直六面体体网格离散技术,该技术与基于时域有限积分的共形时域有限差分技术,以及与其它算法的混合并行加速技术相配合,能够快速准确提取蜂窝、泡沫和超材料等结构型隐身材料的电磁散射特性,评估雷达阵面结构、频率选择表面等精细部件的辐射和散射特性,支撑天线-天线罩一体化设计、射频隐身评估、超材料快速设计、暗室吸波材料建模与布局,以及平台的电磁兼容分析。
几何模型的信息分为元素和拓扑信息两类,拓扑信息用于描述各个元素,包括同类和不同类元素之间的关系,这种关系展示了结构整体的信息;参数化模型和剖分模型都是几何描述方法。参数化描述的“整体”比片元模型描述的“整体”要大得多,前者通常是一个部件,后者只是一个三角形,该三角形自身不知道同一部件或目标中其它三角形的信息,而部件则知道各子元素之间的关系,譬如直线的拐角、球心和顶点等,这些关系将在直六面体剖分所需的栅格划分中获得应用。从而提高模型精度。
相比国内同类算法和软件,本发明直接面向设计模型,能够智能抽取目标结构特征,保证离散网格抽取准确的共形材质信息,进而提高时域有限差分类算法的建模精度。采用本发明的剖分方法,时域有限差分算法可以在保持最高效全波数值算法地位的同时媲美有限元算法的建模精度和应用广度。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (4)
1.一种基于参数曲面的自主智能直六面体剖分方法,其特征在于:包括以下步骤:
步骤1:参数化模型结构信息获取,获取参数模型各部件结构信息列表,如下所示
步骤5:调整邻近平行线位置,根据获取的硬点的信息,调整临近的平行线位置,使得临近栅格经过硬点;
步骤6:制定渐变规则,采用渐变过渡方法,制定渐变规则,选取硬点,则通过硬点的三轴平行线为,寻找与硬点在X方向的临近点和,硬点与临近点之间,其与X轴平行栅格面数为,硬点与临近点之间,其与X轴平行栅格面数为,以临近点和两点之间的中点为轴,并生成栅格,同理,在Y轴和Z轴方向生成栅格;
步骤8:判断栅格是否与参数化模型相交,引入基于KdTree的可见面自动筛选,对栅格是否与参数化模型相交进行判断,当完成快速相交判断后,重复步骤6和步骤7,直至模型所有部件硬点均与所划分栅格相交,使得划分的边界栅格与其临近栅格间满足渐变规则,并且最大栅格间距与最小栅格间距比小于规定值;
步骤9:栅格网络填充,判断所分割栅格网络与各部件相对位置关系,并根据部件材质对栅格网络材质属性进行填充;
步骤10:栅格网络剖分,当分割栅格网络内存在多个材质部件时,根据部件所在空间比例,对栅格网络空间进行进一步划分,对边缘部分进行共形剖分。
3.根据权利要求1所述的基于参数曲面的自主智能直六面体剖分方法,其特征在于:所述步骤6中以10%-20%渐变间距生成栅格。
4.根据权利要求1所述的基于参数曲面的自主智能直六面体剖分方法,其特征在于:所述步骤8中最大栅格间距与最小栅格间距比小于规定值3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110701561.4A CN113255194A (zh) | 2021-06-24 | 2021-06-24 | 一种基于参数曲面的自主智能直六面体剖分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110701561.4A CN113255194A (zh) | 2021-06-24 | 2021-06-24 | 一种基于参数曲面的自主智能直六面体剖分方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113255194A true CN113255194A (zh) | 2021-08-13 |
Family
ID=77189398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110701561.4A Withdrawn CN113255194A (zh) | 2021-06-24 | 2021-06-24 | 一种基于参数曲面的自主智能直六面体剖分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255194A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199245A (zh) * | 2021-10-28 | 2022-03-18 | 北京汽车研究总院有限公司 | 自动驾驶车辆的定位方法、装置、车辆及存储介质 |
CN115984511A (zh) * | 2023-03-17 | 2023-04-18 | 山东大学 | 一种基于cad的平行六面体体积平均共形网格剖分方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110569564A (zh) * | 2019-08-19 | 2019-12-13 | 西安空间无线电技术研究所 | 一种穿舱法兰介质窗微放电阈值预测方法 |
CN112082993A (zh) * | 2020-08-04 | 2020-12-15 | 上海交通大学 | 一种接触网硬点在线检测系统及检测方法 |
CN112198388A (zh) * | 2020-10-12 | 2021-01-08 | 东南大学 | 一种人工表面等离激元传输线抗干扰灵敏度的测试方法 |
-
2021
- 2021-06-24 CN CN202110701561.4A patent/CN113255194A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110569564A (zh) * | 2019-08-19 | 2019-12-13 | 西安空间无线电技术研究所 | 一种穿舱法兰介质窗微放电阈值预测方法 |
CN112082993A (zh) * | 2020-08-04 | 2020-12-15 | 上海交通大学 | 一种接触网硬点在线检测系统及检测方法 |
CN112198388A (zh) * | 2020-10-12 | 2021-01-08 | 东南大学 | 一种人工表面等离激元传输线抗干扰灵敏度的测试方法 |
Non-Patent Citations (3)
Title |
---|
TIANSHUO QIU等: "Deep Learning: A Rapid and Efficient Route to Automatic Metasurface Design", 《ADVANCED SCIENCE》 * |
周小阳: "复杂目标自适应免剖分弹跳射线技术及其应用研究", 《万方学位论文全文数据库》 * |
郭旸等: "共形FDTD网格剖分方法及其在舰船电磁环境效应仿真中的应用", 《中 国 舰 船 研 究》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199245A (zh) * | 2021-10-28 | 2022-03-18 | 北京汽车研究总院有限公司 | 自动驾驶车辆的定位方法、装置、车辆及存储介质 |
CN115984511A (zh) * | 2023-03-17 | 2023-04-18 | 山东大学 | 一种基于cad的平行六面体体积平均共形网格剖分方法 |
CN115984511B (zh) * | 2023-03-17 | 2023-06-02 | 山东大学 | 一种基于cad的平行六面体体积平均共形网格剖分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113096234B (zh) | 利用多张彩色图片生成三维网格模型的方法及装置 | |
CN109377561A (zh) | 一种基于共形几何的数模表面网格生成方法 | |
CN113255194A (zh) | 一种基于参数曲面的自主智能直六面体剖分方法 | |
CN101257149B (zh) | 基于结构电磁耦合的天线反射面网格划分方法 | |
US20030020710A1 (en) | Method and apparatus for providing sharp features on multiresolution subdivision surfaces | |
CN106934826B (zh) | 一种岩质边坡结构精细化建模及块体识别方法 | |
CN108171793B (zh) | 一种探查层叠区域三角网格的方法 | |
JPH0652270A (ja) | 三角形グリッドの生成方法 | |
CN110208769B (zh) | 基于nurbs曲面的射线追踪方法及系统 | |
JP4185698B2 (ja) | メッシュ生成方法 | |
Zhu et al. | Background Overlay Grid Size Functions. | |
JPH0652271A (ja) | 3次元lsi形状シミュレーション方法 | |
CN115758938A (zh) | 面向粘性边界流场数值模拟的附面层网格生成方法 | |
Berens et al. | Structured mesh generation: Open-source automatic nonuniform mesh generation for FDTD simulation | |
CN111914364B (zh) | 基于高阶矩量法与投影的频选天线罩建模方法 | |
US7333104B2 (en) | Method and program of converting three-dimensional shape data into cell internal data | |
CN113221370B (zh) | 基于锥面投影的fss天线罩建模方法 | |
CN111276822A (zh) | 一种天线方向图主瓣可控的天线阵列设计方法 | |
CN110689620A (zh) | 一种多层次优化的网格曲面离散样条曲线设计方法 | |
Cao et al. | Spherical DCB-spline surfaces with hierarchical and adaptive knot insertion | |
KR100414058B1 (ko) | 3차원 다각형 표면의 리메슁 최적화 방법 및 장치 | |
CN110796735B (zh) | Nurbs曲面有限元板壳网格划分方法及计算机实现系统 | |
Santos et al. | Integration of CAD Models into Game Engines. | |
Shang et al. | Effective re-parameterization and GA based knot structure optimization for high quality T-spline surface fitting | |
Navangul | Stereolithography (STL) file modification by vertex translation algorithm (VTA) for precision layered manufacturing |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210813 |
|
WW01 | Invention patent application withdrawn after publication |