CN114492251B - 超算环境的低速流场发散处理方法、装置、设备及介质 - Google Patents

超算环境的低速流场发散处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN114492251B
CN114492251B CN202210401153.1A CN202210401153A CN114492251B CN 114492251 B CN114492251 B CN 114492251B CN 202210401153 A CN202210401153 A CN 202210401153A CN 114492251 B CN114492251 B CN 114492251B
Authority
CN
China
Prior art keywords
residual
determining
iteration step
grid
flow field
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
CN202210401153.1A
Other languages
English (en)
Other versions
CN114492251A (zh
Inventor
李健增
杨灿群
郑伟龙
冯景华
夏梓峻
曹绪祥
段莉莉
杨林
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 Supercomputer Center In Tianjin
National University of Defense Technology
Original Assignee
National Supercomputer Center In Tianjin
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 Supercomputer Center In Tianjin filed Critical National Supercomputer Center In Tianjin
Priority to CN202210401153.1A priority Critical patent/CN114492251B/zh
Publication of CN114492251A publication Critical patent/CN114492251A/zh
Application granted granted Critical
Publication of CN114492251B publication Critical patent/CN114492251B/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
    • 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)
  • 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

本公开实施例涉及一种超算环境的低速流场发散处理方法、装置、设备及介质，其中该方法包括：在低速流场模型的仿真计算开始之后，获取残差数据；确定残差数据的斜率；当根据斜率确定残差数据满足上升条件，则根据接口参数确定畸变网格；根据预设体网格关联关系确定畸变网格所在目标计算节点；在目标计算节点上对畸变网格处理之后继续计算，直到低速流场模型的仿真计算完成。本公开实施例大幅度提高了模型发散处理的效率和精度，适应计算规模较大的情况，相较于相关技术，降低了对硬件的需求；并且通过在计算节点上处理畸变网格，避免了在计算过程中频繁停止进程以及调度资源，缩短了发散处理的时间，进一步提升了计算效率。

Description

超算环境的低速流场发散处理方法、装置、设备及介质
技术领域
本公开涉及仿真计算技术领域，尤其涉及一种超算环境的低速流场发散处理方法、装置、设备及介质。
背景技术
在低速的计算流体动力学（ComputationalFluidDynamics，CFD）的相关模型仿真计算过程中，由于模型几何结构复杂，导致体网格中经常出现质量较差的网格，从而引起计算发散，在大规模并行计算环境下，例如超级计算环境下，模型体量更加庞大，加之引入分块求解的思想，上述问题尤为突出。
相关技术中，常规的手段是在模型计算的初期通过设定体网格质量标准的方法筛选质量差的单元或通过残差检测方式，但是由于不同模型所计算的问题和设定的边界条件不同，固定的体网格质量标准无法解决所有的发散问题，而残差检测的方式通常是凭借人工经验判断，具有准确性低、效率较低、硬件需求高等问题，并且当计算规模较大时，计算发散需要频繁停止进程以及调度资源，使得效率极大降低。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种超算环境的低速流场发散处理方法、装置、设备及介质。
本公开实施例提供了一种超算环境的低速流场发散处理方法，所述方法包括：
在低速流场模型的仿真计算开始之后，获取残差数据；
确定所述残差数据的斜率；
当根据所述斜率确定所述残差数据满足上升条件，则根据接口参数确定畸变网格；
根据预设体网格关联关系确定所述畸变网格所在目标计算节点；
在所述目标计算节点上对所述畸变网格处理之后继续计算，直到所述低速流场模型的仿真计算完成。
本公开实施例还提供了一种超算环境的低速流场发散处理装置，所述装置包括：
获取模块，用于在低速流场模型的仿真计算开始之后，获取残差数据；
第一确定模块，用于确定所述残差数据的斜率；
第二确定模块，用于当根据所述斜率确定所述残差数据满足上升条件，则根据接口参数确定畸变网格；
第三确定模块，用于根据预设体网格关联关系确定所述畸变网格所在目标计算节点；
计算模块，用于在所述目标计算节点上对所述畸变网格处理之后继续计算，直到所述低速流场模型的仿真计算完成。
本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的超算环境的低速流场发散处理方法。
本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的超算环境的低速流场发散处理方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的超算环境的低速流场发散处理方案，在低速流场模型的仿真计算开始之后，获取残差数据；确定残差数据的斜率；当根据斜率确定残差数据满足上升条件，则根据接口参数确定畸变网格；根据预设体网格关联关系确定畸变网格所在目标计算节点；在目标计算节点上对畸变网格处理之后继续计算，直到低速流场模型的仿真计算完成。采用上述技术方案，在低速流场模型的仿真计算的过程中，通过残差数据的斜率能够识别模型的发散趋势，并且根据接口参数确定质量较差的畸变网格并处理，整个过程均在模型的计算过程中自动完成，大幅度提高了模型发散处理的效率和精度，适应计算规模较大的情况，相较于相关技术，降低了对硬件的需求；并且通过在计算节点上处理畸变网格，避免了在计算过程中频繁停止进程以及调度资源，从而缩短了发散处理的时间，进一步提升了计算效率。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种超算环境的低速流场发散处理方法的流程示意图；
图2为本公开实施例提供的另一种超算环境的低速流场发散处理方法的流程示意图；
图3为本公开实施例提供的又一种超算环境的低速流场发散处理方法的流程示意图；
图4为本公开实施例提供的一种超算环境的低速流场发散处理系统的示意图；
图5为本公开实施例提供的一种超算环境的低速流场发散处理装置的结构示意图；
图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
在低速的计算流体动力学（ComputationalFluidDynamics，CFD）的相关模型仿真计算过程中，由于模型几何结构复杂，导致体网格中经常出现质量较差的网格，从而引起计算发散。尤其在使用超级计算机进行仿真计算的情况下，由于模型的体量较为庞大，并且引入了分块求解，从而进一步增加了质量较差的网格出现的概率。
相关技术中，常规的手段是在模型计算的初期通过设定体网格质量标准的方法筛选质量差的单元。但由于不同模型所计算的问题和设定的边界条件不同，固定的体网格质量标准无法解决所有的发散问题，模型的发散过程一般首先在少量的体网格上出现相关参数异常的情况，随着迭代步数的增多，存在异常的体网格会对周边网格逐渐造成影响，使其周边网格也出现该相关参数异常的情况，直至模型发散超出预设极限值。
或通过残差检测方式，具体地，仿真工程师通过调用软件图形显示的功能，打开残差视图，凭借个人经验进行判断，该种方法的精准性不足，容易因仿真工程师的经验不足容易造成误判；并且，需要在计算过程中必须通过软件开启仿真案例，时间成本高、效率较低；并且，打开软件开启仿真案例的过程中，对设备的中央处理器、内存等硬件要求较高；并且自动化程度低，无法实现快速高效的并行计算。
综上，上述相关技术中，由于不同模型所计算的问题和设定的边界条件不同，固定的体网格质量标准无法解决所有的发散问题，而残差检测的方式通常是凭借人工经验判断，具有准确性低、效率较低、硬件需求高等问题，
为了解决上述问题，本公开实施例提供了一种超算环境的低速流场发散处理方法，下面结合具体的实施例对该方法进行介绍。
图1为本公开实施例提供的一种超算环境的低速流场发散处理方法的流程示意图，该方法可以由超算环境的低速流场发散处理装置执行，其中该装置可以采用软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：
步骤101，在低速流场模型的仿真计算开始之后，获取残差数据。
本公开实施例可以由用于进行仿真计算的计算系统执行，该计算系统可以是超级计算机系统等。其中，低速流场模型为低速流下的CFD计算分析几何模型。残差数据能够反映仿真计算中的模拟流场与真实流场的差别，残差越小说明仿真计算与真实情况越贴近，由于存在数值精度问题，残差数据为0的可能性较小。在该残差数据中可以包括一个或多个残差变量，本实施例对残差数据包括的残差变量不做限制，例如，该残差数据可以包括质量残差变量、动量残差变量、能量残差变量、湍动能残差变量等。
具体地，将低速流场模型导入计算系统中，从而实现对该低速流场模型的仿真计算，并在仿真计算的过程中，超算环境的低速流场发散处理装置可以从计算系统的求解器中获取输出数据，从该输出数据中提取出残差数据。
步骤102，确定残差数据的斜率。
残差数据的斜率能够表征残差数据的变化趋势，该斜率的数量可以为一个或多个，本实施例不作限制。其中，若斜率都较小，例如小于零，说明残差数据呈下降趋势，当前仿真计算具备收敛的必要条件；若斜率都较大，例如大于零，说明残差数据呈上升趋势，当前仿真计算可能发散。
示例性的，图2为本公开实施例提供的另一种超算环境的低速流场发散处理方法的流程示意图，如图2所示，在一些实施例中，确定残差数据的斜率，可以包括如下步骤：
步骤201，根据残差数据确定目标残差变量的内迭代步和外迭代步，每个外迭代步包括一个或多个内迭代步。
其中，目标残差变量可以根据具体工况和/或应用场景等设定，本实施例不做限制，例如，若残差数据中的残差变量包括速度残差数据、压力残差数据、动量残差数据，且当前应用场景下动量对于仿真计算的影响较大，则可以确定动量残差数据为目标残差变量。内迭代步可以理解为一次迭代计算，外迭代步可以包括一次或多次迭代计算，可以理解的，该外迭代步中包括一个或多个内迭代步，一个外迭代步包括的内迭代步的数量可以根据内迭代步数量和/或用户需求等进行设置，本实施例不作限制。
具体地，超算环境的低速流场发散处理装置可以根据目标残差变量对残差数据进行筛选，从而确定残差数据中与该目标残差变量相关的多次迭代计算步数，将其中的每次迭代计算步数确定为内迭代步，并将多个内迭代步打包为外迭代步，从而确定包括多个内迭代步的外迭代步。举例而言，若当前时刻已经完成的迭代步数为2000步，则可以将每个迭代步数设置为内迭代步，按照迭代计算顺序由先到后，将相邻的每5个内迭代步打包为1个外迭代步。
步骤202，根据外迭代步中内迭代步的残差数值确定对应的残差计算值。
其中，内迭代步的残差数值为每次迭代中，关于目标残差变量的观测值与预测值（拟合值）之间的差，外迭代步的残差计算值由该外迭代步包括的内迭代步的残差数值计算获得，该残差计算值用于计算残差数据对应的斜率。
示例性，在本公开实施例中，根据外迭代步中内迭代步的残差数值确定对应的残差计算值，可以包括如下步骤：
步骤2021，确定外迭代步中的第一外迭代步、第二外迭代步和第三外迭代步。
其中，第一外迭代步、第二外迭代步、第三外迭代步为不同类型的外迭代步，该第一外迭代步、第二外迭代步、第三外迭代步可以根据应用场景进行设置，本实施例不做限制。
在一些实施例中，确定外迭代步中的第一外迭代步、第二外迭代步和第三外迭代步，可以包括：
当一个外迭代步满足所有相邻两个内迭代步的残差数值的差均小于零，则该外迭代步确定为第一外迭代步；当一个外迭代步满足存在至少一个相邻两个内迭代步的残差数值的差大于或等于零并且最后一个内迭代步的残差数值小于第一个内迭代步的残差数值，则该外迭代步确定为第二外迭代步；当一个外迭代步满足存在至少一个相邻两个内迭代步的残差数值的差大于或等于零并且最后一个内迭代步的残差数值大于或等于第一个内迭代步的残差数值，则该外迭代步确定为第三外迭代步。
其中，相邻两个内迭代步的残差数值的差，为相邻两个内迭代步中，后产生的内迭代步的残差数值与先产生的内迭代步的残差数值的差。可以理解的，若该差小于零，说明残差数值减小；若该差等于零，说明残差数值不变；若该差大于零，说明该残差数值增大。
具体地，在确定第一外迭代步时，按照时序获取该外迭代步中包括的内迭代步，计算外迭代步中相邻两个内迭代步的残差数值的差，若所有的相邻两个内迭代步的残差数值的差均小于零，则该外迭代步为第一外迭代步。举例而言，假设外迭代步中包括内迭代步一，内迭代步二以及内迭代步三，且内迭代步一先于内迭代步二进行，内迭代步二先于内迭代步三进行，若内迭代步二与内迭代步一之间的第一残差差值小于零，且内迭代步三与内迭代步二之间的第二残差差值小于零，则该外迭代步属于第一外迭代步。
具体地，在确定第二外迭代步时。按照时序获取该外迭代步中包括的内迭代步，计算外迭代步中相邻两个内迭代步的残差数值的差，若存在相邻两个内迭代步的残差数值的差大于或等于零，判断该外迭代步中最后一个内迭代步的残差数值是否小于第一个内迭代步的残差数值，若小于，则该外迭代步为第二外迭代步。继续以上述外迭代步中包括内迭代步一，内迭代步二以及内迭代步三为例，若确定第一残差差值或者第二残差差值大于或等于零，且内迭代步三的残差数值小于内迭代步一的残差数值，则该外迭代步属于第二外迭代步。
具体地，在确定第三外迭代步时。按照时序获取该外迭代步中包括的内迭代步，计算外迭代步中相邻两个内迭代步的残差数值的差，若存在相邻两个内迭代步的残差数值的差大于或等于零，判断该外迭代步中最后一个内迭代步的残差数值是否小于第一个内迭代步的残差数值，若不小于，则该外迭代步为第三外迭代步。继续以上述外迭代步包括内迭代步一，内迭代步二以及内迭代步三为例，若确定第一残差差值或者第二残差差值大于或等于零，且内迭代步三的残差数值大于或等于内迭代步一的残差数值，则该外迭代步属于第三外迭代步。
步骤2022，将第一外迭代步、第二外迭代步中各内迭代步的残差数值的均值确定为残差计算值，以及将第三外迭代步中第一个内迭代步和最后一个内迭代步的残差数值的均值确定为残差计算值。
在本实施方式中，第一外迭代步以及第二外迭代步对应的残差计算值可以确定为该第一外迭代步或第二外迭代步包括的各内迭代步的残差数值的均值；第三外迭代步对应的残差计算值可以确定为该第三外迭代步中第一个内迭代步和最后一个内迭代步的残差数值的平均值。
继续以上述外迭代步包括内迭代步一，内迭代步二以及内迭代步三为例，若该外迭代步属于第一外迭代步或第二外迭代步，则该外迭代步的残差计算值为内迭代步一、内迭代步二、内迭代步三的残差数值的均值；若该外迭代步属于第三外迭代步，则该外迭代步对应的残差计算值为内迭代步一和内迭代步三的残差数值的平均值。
步骤203，根据外迭代步的残差计算值进行线性拟合，确定多个斜率。
在获得外迭代步的残差计算值之后，可以对该残差计算值进行线性拟合，从而确定多个斜率，其中，根据残差计算值确定斜率的方法有多种，本实施例不做限制，示例说明如下：
在本实施例中，根据外迭代步的残差计算值进行线性拟合，确定多个斜率，基于该外迭代步块确定斜率，可以包括：
步骤2031，按照预设步数对外迭代步进行分块，得到多个外迭代步块，每个外迭代步块的目标残差计算值等于包括的多个外迭代步的残差计算值的均值。
其中，预设步数可以根据外迭代步的具体数量等进行设置，本实施例不做限制，例如，可以将预设步数设置为3步，在一些应用场景中，若外迭代步的数量较少，可以将该预设步数设置为1。外迭代步块中可以包括一个或多个外迭代步。目标残差计算值可以理解为用于对残差数据的斜率进行计算的具体数值，每个外迭代步块均具有对应的一个目标残差计算值，本公开实施例中可以通过多种方式来确定目标残差计算值。
具体地，根据产生外迭代步的时序关系对外迭代步进行排序，将数量为预设步数的相邻外迭代步打包为一个外迭代步块，获取该外迭代步块包括的各外迭代步的残差计算值，将该残差计算值的均值作为该外迭代步块的目标残差计算值。通过将外迭代步分块为外迭代步块，能够更准确的确定残差数据的趋势。
举例而言，若存在400个外迭代步，预设步数为4，则按照迭代计算由先到后的顺序，将相邻的每4个外迭代步打包为一个外迭代步块，假设其中一个外迭代步块包括外迭代步一、外迭代步二、外迭代步三以及外迭代步四，则该外迭代步块的目标残差计算值为外迭代步一的残差计算值、外迭代步二的残差计算值、外迭代步三的残差计算值以及外迭代步四的残差计算值的均值。
步骤2032，针对每两个外迭代步块，根据两个目标残差计算值以及块标识进行线性拟合得到对应的斜率，确定多个斜率。
其中，块标识用于标识外迭代步块，该块标识与外迭代步块一一对应，该块标识可以为在对外迭代步进行分块处理获得外迭代步块时，根据块标识生成函数确定的。
具体地，针对每两个外迭代步块，可以确定各外迭代步块对应的目标残差计算值以及各外迭代步块对应的块标识，从而根据该目标残差计算值和块标识进行线性拟合，从而确定对应的斜率。
举例而言，若相邻的两个外迭代步块中前一个外迭代步块的块标识为
Figure 24960DEST_PATH_IMAGE001
，目标残差计算值为
Figure 676521DEST_PATH_IMAGE002
，后一个外迭代步块的块标识为
Figure 174367DEST_PATH_IMAGE003
，目标残差计算值为
Figure 303997DEST_PATH_IMAGE004
，则该两个外迭代步块之间的斜率
Figure 852790DEST_PATH_IMAGE005
为：
Figure 675253DEST_PATH_IMAGE006
，其中，i、j为非零自然数。
步骤103，当根据斜率确定残差数据满足上升条件，则根据接口参数确定畸变网格。
上升条件可以与上述上升趋势相对应，用于判断当前仿真计算是否可能出现发散的情况。接口参数为与网格质量或网格特性等相关的参数，基于该接口参数可以从一个或多个维度对网格进行筛选，该接口参数可以根据应用场景等进行设置，本实施例不做限制。畸变网格可以是多个网格中存在质量问题或者存在发散问题的网格，例如，在低速流场的边界层，网格形状较为狭长，该种狭长网格的质量较差，并且若该狭长网格的接口参数对应的数值存在异常，根据接口参数能够确定该狭长网格为畸变网格。
示例性地，该斜率的数量为多个，根据斜率确定残差数据满足上升条件，可以包括：当多个斜率均大于预设阈值，则确定残差数据满足上升条件。
其中，预设阈值可以根据应用场景进行设置，本实施例不作限制，例如，可以将该预设阈值设置为零。当多个斜率均大于预设阈值，说明该残差数值一直处于上升趋势，因而确定该残差数据满足上升条件。
在确定残差数据满足上升条件之后，根据接口参数确定畸变网格，其中，根据接口参数确定畸变网格的方法有多种，本实施例不做限制，例如：预设各接口参数对应的接口阈值，当该网格对应的接口参数中至少一项不符合接口阈值，则确定该网格为畸变网格，或者，当该网格对应的接口参数中各项均不符合接口阈值，则确定该网格为畸变网格。
步骤104，根据预设体网格关联关系确定畸变网格所在目标计算节点。
其中，预设体网格关联关系中记录了体网格单元和计算节点的对应关系。体网格单元为对低速流场模型进行网格划分之后的最小单位。计算节点为计算系统中提供计算能力的节点，例如，若使用超级计算机系统进行仿真计算，则该计算节点可以为超级计算机系统中的一个或多个计算核。目标计算节点为计算系统包括的多个计算节点中畸变网格所在的节点。
具体地，根据畸变网格在该预设体网格关联关系进行查询，从而确定该畸变网格所在的目标计算节点。
步骤105，在目标计算节点上对畸变网格处理之后继续计算，直到低速流场模型的仿真计算完成。
在本公开实施例中，在目标计算节点上对畸变网格处理，包括：在目标计算节点上对畸变网格进行重构或删除处理。
其中，重构处理为重新构建畸变网格，并进行仿真计算；删除处理为从低速流场模型中删除该畸变网格。
在目标计算节点上，对畸变网格进行重构或删除处理之后，能够解决因该畸变网格造成的仿真发散问题，从而可以继续进行计算，直到该低速流场模型的仿真计算完成。
本公开实施例提供的超算环境的低速流场发散处理方案，在低速流场模型的仿真计算开始之后，获取残差数据；确定残差数据的斜率；当根据斜率确定残差数据满足上升条件，则根据接口参数确定畸变网格；根据预设体网格关联关系确定畸变网格所在目标计算节点；在目标计算节点上对畸变网格处理之后继续计算，直到低速流场模型的仿真计算完成。采用上述技术方案，在低速流场模型的仿真计算的过程中，通过残差数据的斜率能够识别模型的发散趋势，并且根据接口参数确定质量较差的畸变网格并处理，整个过程均在模型的计算过程中自动完成，大幅度提高了模型发散处理的效率和精度，适应计算规模较大的情况，相较于相关技术，降低了对硬件的需求；并且通过在计算节点上处理畸变网格，避免了在计算过程中频繁停止进程以及调度资源，从而缩短了发散处理的时间，进一步提升了计算效率。
在一些实施例中，根据接口参数确定畸变网格，可以包括：
将至少一个接口参数大于对应的参数阈值的体网格单元确定为畸变网格，接口参数包括速度、压力和温度中的至少一种。
其中，接口参数包括速度、压力和温度中的至少一种，接口参数存在对应的参数阈值。参数阈值可以根据用户需求或工况等进行设置，本实施例不作限制，例如，用户可以通过参数传递接口等方式输入参数阈值，从而使得本方法的适用场景更加广泛。
具体地，根据接口参数对应的参数阈值对体网格单元进行筛选，若体网格单元相关的至少一项接口参数大于参数阈值，则确定该体网格单元为畸变网格。例如，若接口参数包括速度参数和压力参数，速度参数存在对应的速度阈值，压力参数存在对应的压力阈值，根据该速度阈值以及压力阈值对体网格单元进行筛选，若体网格单元的速度参数大于速度阈值，和/或体网格单元的压力参数大于压力阈值，则确定该体网格单元为畸变网格。
在一些实施例中，在确定多个斜率之后，该超算环境的低速流场发散处理方法还可以包括：当多个斜率中包括大于预设阈值的斜率以及小于预设阈值的斜率，则可以扩大预设步数，并返回执行按照预设步数对外迭代步进行分块，得到多个外迭代步块，直到多个斜率均大于预设阈值或均小于预设阈值为止。
其中，针对预设步数进行扩大的扩大步数可以根据应用场景进行设置，本实施例不作限制，例如可以将该预设步数扩大2或4等。扩大预设步数表征将斜率计算的范围进一步扩大。
具体地，若多个斜率均大于预设阈值，则确认仿真计算中包括导致计算发散的畸变网格；若多个斜率均小于预设阈值，则确认该仿真计算能够收敛；若多个斜率中即包括大于预设阈值的斜率，又包括小于预设阈值的斜率，为了确定当前仿真计算的状况，可以扩大预设步数，根据扩大后的预设步数对外迭代步进行分块，获得多个外迭代步块，重新计算外迭代步块的斜率，直至多个斜率均大于零或小于零。举例而言，若在预设步数为3的情况下，该多个斜率中既包括大于预设阈值的斜率又包括小于预设阈值的斜率，则可以将预设步数更新为5或7等，获取根据更新后的预设步数划分的外迭代步块，计算重新划分的外迭代步块的斜率，若更新后的斜率中依然既包括大于预设阈值的斜率又包括小于预设阈值的斜率，则继续扩大该更新后的斜率，直至多个斜率均大于零或均小于零为止。
本公开实施例提供的超算环境的低速流场发散处理方法，避免了无法确定低速流场仿真计算是否发散的情况，从而提高了本方法能够适用的场景。
可选的，基于上述实施例，在低速流场模型的仿真计算开始之前，该方法还可以包括：
分割体网格，得到多个体网格单元，并确定各体网格单元的网格标识；分配各体网格单元的计算节点，建立体网格单元的网格标识与计算节点的节点标识之间的关联关系，将该关联关系确定为预设体网格关联关系，其中，每个计算节点对应多个体网格单元。
其中，体网格为在仿真计算中对低速流场模型进行网格划分获得的多个网格的集合。体网格单元为划分之后的最小单位。网格标识为与体网格单元一一对应的标识；节点标识为与计算节点一一对应的标识，其中，网格标识以及节点标识可以根据应用场景进行设置，本实施例不作限制。关联关系中记录了网格标识与节点标识之间的关联关系，可以理解的，基于该关联关系能够确定网格标识与计算节点之间的对应的关系，在本实施例中，该关联关系为预设体网格关联关系。
具体地，对低速流场模型中的体网格进行分割，能够获得多个体网格单元，并且使用网格标识对获得的各体网格单元通过进行标记，建立该网格标识和计算节点的节点标识之间的关联关系，从而实现对仿真计算过程中并行区域的划分。需要说明的是，在该关联关系中，每个计算节点对应多个体网格单元。在本实施例中，确定畸变网格的网格标识之后，可以根据该网格标识对预设体网格关联关系进行检索，从而确定该畸变网格的网络标识对应的节点标识，该节点标识对应的计算节点为对畸变网格进行处理的目标节点。
本公开实施例提供的超算环境的低速流场发散处理方法，确定了各体网格单元与计算节点之间的关联关系，从而能够在对应的节点上对畸变网格进行处理，从而避免了计算过程中频繁停止进程以及进行资源调度从而能够缩短仿真计算的耗时，同时可以调整参数阈值，该超算环境的低速流场发散处理方法所适用的应用场景更加广泛。
接下来通过一个具体的示例对本公开实施例中的超算环境的低速流场发散处理方法，进行进一步说明。示例性的，图3为本公开实施例提供的又一种超算环境的低速流场发散处理方法的流程示意图，如图3所示，该方法包括：
步骤301，导入低速流场模型。
步骤302，分割体网格。
确定各体网格单元对应的网格标识，确定并行计算所需的计算核数量N，即计算节点数量N，以及各计算节点的节点标识。
步骤303，预设节点标识与体网格标识之间的预设体网格关联关系。
步骤304，获取残差数据。
当针对低速流场模型的仿真计算开始时，从求解器中获取残差数据，根据目标残差变量对残差数据进行筛选。
步骤305，计算相邻内迭代步的残差数值的差。
获取外迭代步中各内迭代步的残差数值，计算相邻的内迭代步的残差数值的差。
步骤306，针对每个外迭代步，判断该外迭代步中相邻的内迭代步的残差数值的差是否均小于零。若是，则执行步骤307；否则，执行步骤308。
步骤307，将该外迭代步中内迭代步的残差数据的平均值，作为该外迭代步对应的残差计算值。
步骤308，判断该外迭代步中的最后一个内迭代步的残差数值是否小于第一个内迭代步的残差数值。若是，则执行步骤309；否则，执行步骤310。
步骤309，将该外迭代步中内迭代步的残差数据的平均值，作为该外迭代步对应的残差计算值。
步骤310，将该外迭代步中的最后一个内迭代步的残差数值和第一个内迭代步的残差数值的均值，作为该外迭代步对应的残差计算值。
步骤311，确定各外迭代步对应的残差计算值。
步骤312，获得外迭代步块对应的斜率。根据预设步数对外迭代步进行分块，获得多个外迭代步块，外迭代步块的目标残差计算值为包括的多个外迭代步的残差计算值的均值，基于外迭代步块的目标残差计算值，获得斜率。
步骤313，针对每个斜率进行判断，若每个斜率均小于零，则执行步骤314；若存在斜率均大于零也存在斜率小于零，则执行步骤315；若每个斜率均大于零，则执行步骤316。
步骤314，若各外迭代步块斜率均小于零，即残差呈下降趋势，满足收敛必要条件。
步骤315，若存在外迭代步块斜率大于零，也存在外迭代步斜率小于零，则扩大预设步数，执行步骤312。
步骤316，若各外迭代步块斜率均大于零，根据接口参数，以及各接口参数对应的参数阈值，筛选获得引起模型发散的畸变网格。
步骤317，处理畸变网格，继续进行仿真计算。根据预设体网格关联关系，确定畸变网格所在的目标计算节点，在目标计算节点上对畸变网格进行重构或删除处理，继续计算，直到低速流场模型的仿真计算完成。
示例性的，图4为本公开实施例提供的一种超算环境的低速流场发散处理系统的示意图，如图4所示，该超算环境的低速流场发散处理系统400包括：残差识别模块401、畸变网格筛选处理模块402、参数传递模块403、循环处理模块404。
残差识别模块401，能够实现上述实施例中的确定残差数据的斜率，并筛选出满足上升条件的残差数据，根据该满足上升条件的残差数据调用畸变网格筛选处理模块402。畸变网格筛选处理模块402，能够根据接口参数确定畸变网格，并对畸变网格进行处理。参数传递模块403，用户可以基于该模块向残差识别模块401以及畸变网格筛选处理模块402传递参数，从而使得该超算环境的低速流场发散处理系统能够适应不同的低速流场算法以及不同的工况。循环处理模块404，能够调用残差识别模块401以及畸变网格筛选处理模块402，并完成低速流场模型的仿真计算。
本公开实施例提供的超算环境的低速流场发散处理方法，能够自动化的识别仿真计算的发散趋势，实现了对仿真计算发散的先验判断，并且自动化的确定畸变网格并对畸变网格进行处理，从而提高了计算系统的使用率，提高了仿真效率。残差数据的变化往往是周期性震荡或不存在规律的，本方法能够高效的对残差的发展趋势进行判断，为是否需要进行畸变网格筛选提高了依据。并且根据预设体网格关联关系检索到畸变网格对应的目标计算节点，从而避免了在计算过程中频繁停止进程以及调度资源，以缩短计算耗时，提高了仿真计算的效率。此外工程人员还可以根据工程经验接口参数对应的参数阈值，使该发散处理方法的适应更强，能应用于更广泛的应用场景。尤其适用于批量化的发散处理以及加载模型时资源占用较大的工况。
图5为本公开实施例提供的一种超算环境的低速流场发散处理装置的结构示意图，该装置500可由软件和/或硬件实现，一般可集成在电子设备中。如图5所示，该装置包括：
获取模块501，用于在低速流场模型的仿真计算开始之后，获取残差数据；
第一确定模块502，用于确定所述残差数据的斜率；
第二确定模块503，用于当根据所述斜率确定所述残差数据满足上升条件，则根据接口参数确定畸变网格；
第三确定模块504，用于根据预设体网格关联关系确定所述畸变网格所在目标计算节点；
计算模块505，用于在所述目标计算节点上对所述畸变网格处理之后继续计算，直到所述低速流场模型的仿真计算完成。
一种可选的实施方式中，所述装置还包括：
第四确定模块，用于分割体网格，得到多个体网格单元，并确定各所述体网格单元的网格标识；
关系建立模块，用于分配各所述体网格单元的计算节点，建立所述体网格单元的网格标识与所述计算节点的节点标识之间的关联关系，将该关联关系确定为所述预设体网格关联关系，其中，每个所述计算节点对应多个所述体网格单元。
一种可选的实施方式中，所述第一确定模块502，包括：
第一确定单元，用于根据所述残差数据确定目标残差变量的内迭代步和外迭代步，每个所述外迭代步包括一个或多个所述内迭代步；
第二确定单元，用于根据所述外迭代步中内迭代步的残差数值确定对应的残差计算值；
拟合单元，用于根据所述外迭代步的残差计算值进行线性拟合，确定多个斜率。
一种可选的实施方式中，所述第二确定单元，包括：
第一确定子单元，用于确定所述外迭代步中的第一外迭代步、第二外迭代步和第三外迭代步；
第二确定子单元，用于将所述第一外迭代步、所述第二外迭代步中各内迭代步的残差数值的均值确定为残差计算值，以及将所述第三外迭代步中第一个内迭代步和最后一个内迭代步的残差数值的均值确定为残差计算值。
一种可选的实施方式中，所述第一确定子单元，用于：
当一个外迭代步满足所有相邻两个内迭代步的残差数值的差均小于零，则该外迭代步确定为所述第一外迭代步；
当一个外迭代步满足存在至少一个相邻两个内迭代步的残差数值的差大于或等于零并且最后一个内迭代步的残差数值小于第一个内迭代步的残差数值，则该外迭代步确定为所述第二外迭代步；
当一个外迭代步满足存在至少一个相邻两个内迭代步的残差数值的差大于或等于零并且最后一个内迭代步的残差数值大于或等于第一个内迭代步的残差数值，则该外迭代步确定为所述第三外迭代步。
一种可选的实施方式中所述，所述拟合单元，用于：
按照预设步数对所述外迭代步进行分块，得到多个外迭代步块，每个所述外迭代步块的目标残差计算值等于包括的多个外迭代步的残差计算值的均值；
针对每两个所述外迭代步块，根据两个目标残差计算值以及块标识进行线性拟合得到对应的斜率，确定多个斜率。
一种可选的实施方式中，所述斜率的数量为多个，所述第二确定模块503，用于；
当多个斜率均大于零，则确定所述残差数据满足上升条件。
一种可选的实施方式中，所述第二确定模块503，用于：
将至少一个接口参数大于对应的参数阈值的体网格单元确定为所述畸变网格，所述接口参数包括速度、压力和温度中的至少一种。
一种可选的实施方式中，所述计算模块505，用于：
在所述目标计算节点上对所述畸变网格进行重构或删除处理。
一种可选的实施方式中，所述装置还包括：
处理模块，用于当所述多个斜率中包括大于零的斜率以及小于零的斜率，则可以扩大所述预设步数，并返回执行所述按照预设步数对所述外迭代步进行分块，得到多个外迭代步块，直到所述多个斜率均大于零或均小于零为止。
本公开实施例所提供的超算环境的低速流场发散处理装置可执行本公开任意实施例所提供的超算环境的低速流场发散处理方法，具备执行方法相应的功能模块和有益效果。
图6为本公开实施例提供的一种电子设备的结构示意图。如图6所示，电子设备600包括一个或多个处理器601和存储器602。
处理器601可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备600中的其他组件以执行期望的功能。
存储器602可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器601可以运行所述程序指令，以实现上文所述的本公开的实施例的超算环境的低速流场发散处理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备600还可以包括：输入装置603和输出装置604，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。
此外，该输入装置603还可以包括例如键盘、鼠标等等。
该输出装置604可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置604可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图6中仅示出了该电子设备600中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备600还可以包括任何其他适当的组件。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本公开实施例所提供的超算环境的低速流场发散处理方法。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本公开实施例所提供的超算环境的低速流场发散处理方法。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种超算环境的低速流场发散处理方法，其特征在于，包括：
在低速流场模型的仿真计算开始之后，获取残差数据；其中，所述残差数据为表征仿真计算中模拟流场与真实流场差别的参数；
确定所述残差数据的斜率；
当根据所述斜率确定所述残差数据满足上升条件，则根据接口参数确定畸变网格；其中，所述接口参数为表征网格质量或网格特性的参数；
根据预设体网格关联关系确定所述畸变网格所在目标计算节点；其中，所述预设体网格关联关系记录了体网格单元和计算节点的对应关系；
在所述目标计算节点上对所述畸变网格处理之后继续计算，直到所述低速流场模型的仿真计算完成。
2.根据权利要求1所述的方法，其特征在于，在低速流场模型的仿真计算开始之前，所述方法还包括：
分割体网格，得到多个体网格单元，并确定各所述体网格单元的网格标识；
分配各所述体网格单元的计算节点，建立所述体网格单元的网格标识与所述计算节点的节点标识之间的关联关系，将该关联关系确定为所述预设体网格关联关系，其中，每个所述计算节点对应多个所述体网格单元。
3.根据权利要求1所述的方法，其特征在于，确定所述残差数据的斜率，包括：
根据所述残差数据确定目标残差变量的内迭代步和外迭代步，每个所述外迭代步包括一个或多个所述内迭代步；
根据所述外迭代步中内迭代步的残差数值确定对应的残差计算值；
根据所述外迭代步的残差计算值进行线性拟合，确定多个斜率。
4.根据权利要求3所述的方法，其特征在于，根据所述外迭代步中内迭代步的残差数值确定对应的残差计算值，包括：
确定所述外迭代步中的第一外迭代步、第二外迭代步和第三外迭代步；
将所述第一外迭代步、所述第二外迭代步中各内迭代步的残差数值的均值确定为残差计算值，以及将所述第三外迭代步中第一个内迭代步和最后一个内迭代步的残差数值的均值确定为残差计算值。
5.根据权利要求4所述的方法，其特征在于，确定所述外迭代步中的第一外迭代步、第二外迭代步和第三外迭代步，包括：
当一个外迭代步满足所有相邻两个内迭代步的残差数值的差均小于零，则该外迭代步确定为所述第一外迭代步；
当一个外迭代步满足存在至少一个相邻两个内迭代步的残差数值的差大于或等于零并且最后一个内迭代步的残差数值小于第一个内迭代步的残差数值，则该外迭代步确定为所述第二外迭代步；
当一个外迭代步满足存在至少一个相邻两个内迭代步的残差数值的差大于或等于零并且最后一个内迭代步的残差数值大于或等于第一个内迭代步的残差数值，则该外迭代步确定为所述第三外迭代步。
6.根据权利要求3所述的方法，其特征在于，根据所述外迭代步的残差计算值进行线性拟合，确定多个斜率，包括：
按照预设步数对所述外迭代步进行分块，得到多个外迭代步块，每个所述外迭代步块的目标残差计算值等于包括的多个外迭代步的残差计算值的均值；
针对每两个所述外迭代步块，根据两个目标残差计算值以及块标识进行线性拟合得到对应的斜率，确定多个斜率。
7.根据权利要求1所述的方法，其特征在于，所述斜率的数量为多个，根据所述斜率确定所述残差数据满足上升条件，包括：
当多个斜率均大于预设阈值，则确定所述残差数据满足上升条件。
8.根据权利要求2所述的方法，其特征在于，根据接口参数确定畸变网格，包括：
将至少一个接口参数大于对应的参数阈值的体网格单元确定为所述畸变网格，所述接口参数包括速度、压力和温度中的至少一种。
9.根据权利要求1所述的方法，其特征在于，在所述目标计算节点上对所述畸变网格处理，包括：
在所述目标计算节点上对所述畸变网格进行重构或删除处理。
10.根据权利要求6所述的方法，其特征在于，在确定多个斜率之后，所述方法还包括：
当所述多个斜率中包括大于预设阈值的斜率以及小于所述预设阈值的斜率，则可以扩大所述预设步数，并返回执行所述按照预设步数对所述外迭代步进行分块，得到多个外迭代步块，直到所述多个斜率均大于所述预设阈值或均小于所述预设阈值为止。
11.一种超算环境的低速流场发散处理装置，其特征在于，包括：
获取模块，用于在低速流场模型的仿真计算开始之后，获取残差数据；其中，所述残差数据为表征仿真计算中模拟流场与真实流场差别的参数；
第一确定模块，用于确定所述残差数据的斜率；
第二确定模块，用于当根据所述斜率确定所述残差数据满足上升条件，则根据接口参数确定畸变网格；其中，所述接口参数为表征网格质量或网格特性的参数；
第三确定模块，用于根据预设体网格关联关系确定所述畸变网格所在目标计算节点；其中，所述预设体网格关联关系记录了体网格单元和计算节点的对应关系；
计算模块，用于在所述目标计算节点上对所述畸变网格处理之后继续计算，直到所述低速流场模型的仿真计算完成。
12.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-10中任一所述的超算环境的低速流场发散处理方法。
13.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-10中任一所述的超算环境的低速流场发散处理方法。
CN202210401153.1A 2022-04-18 2022-04-18 超算环境的低速流场发散处理方法、装置、设备及介质 Active CN114492251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210401153.1A CN114492251B (zh) 2022-04-18 2022-04-18 超算环境的低速流场发散处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210401153.1A CN114492251B (zh) 2022-04-18 2022-04-18 超算环境的低速流场发散处理方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN114492251A CN114492251A (zh) 2022-05-13
CN114492251B true CN114492251B (zh) 2022-07-15

Family

ID=81489332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210401153.1A Active CN114492251B (zh) 2022-04-18 2022-04-18 超算环境的低速流场发散处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114492251B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115344902B (zh) * 2022-10-18 2023-03-10 中国空气动力研究与发展中心计算空气动力研究所 自由面重构方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246515A (zh) * 2008-03-03 2008-08-20 哈尔滨工程大学 基于cfd软件的数字船模平面运动机构实验方法
CN102542086A (zh) * 2010-12-23 2012-07-04 浙江大学 自适应步长的顺序耦合分析方法
CN109558694A (zh) * 2018-12-26 2019-04-02 哈尔滨工程大学 一种水下机器人和机械手系统抓取运动过程的水动力分析方法
CN112347708A (zh) * 2020-09-28 2021-02-09 西安电子科技大学 一种基于物理过程的实时光学烟幕的渲染方法
CN112883667A (zh) * 2021-03-29 2021-06-01 辽宁工程技术大学 一种基于大涡模拟在竖向脉动风荷载作用下的膜结构抗风优化方法
CN113748682A (zh) * 2019-02-22 2021-12-03 阿瓦龙全息照相技术股份公司 分层场景分解编解码系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005121712A2 (en) * 2003-12-02 2005-12-22 The Regents Of The University Of California Method and apparatus for automatically generating airfoil performance tables
US20040194051A1 (en) * 2004-05-13 2004-09-30 Croft Bryan L. Finite element modeling system and method for modeling large-deformations using self-adaptive rezoning indicators derived from eigenvalue testing
CN113158492B (zh) * 2021-05-14 2021-08-20 中国空气动力研究与发展中心计算空气动力研究所 一种时变电磁场的全隐式双时间步计算方法
CN113792464A (zh) * 2021-09-17 2021-12-14 中国恩菲工程技术有限公司 耦合接口交互方法、系统、仿真系统、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246515A (zh) * 2008-03-03 2008-08-20 哈尔滨工程大学 基于cfd软件的数字船模平面运动机构实验方法
CN102542086A (zh) * 2010-12-23 2012-07-04 浙江大学 自适应步长的顺序耦合分析方法
CN109558694A (zh) * 2018-12-26 2019-04-02 哈尔滨工程大学 一种水下机器人和机械手系统抓取运动过程的水动力分析方法
CN113748682A (zh) * 2019-02-22 2021-12-03 阿瓦龙全息照相技术股份公司 分层场景分解编解码系统及方法
CN112347708A (zh) * 2020-09-28 2021-02-09 西安电子科技大学 一种基于物理过程的实时光学烟幕的渲染方法
CN112883667A (zh) * 2021-03-29 2021-06-01 辽宁工程技术大学 一种基于大涡模拟在竖向脉动风荷载作用下的膜结构抗风优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Numerical study of Tallinn storm-water system flooding conditions using CFD simulations of multi-phase flow in a large-scale inverted siphon";K Kaur et al.;《IMST 2017》;20171231;1-9页 *
"天河超级计算机上超大规模高精度计算流体力学并行计算研究进展";徐传福 等;《计算机工程与科学》;20201031;第42卷(第10期);1815-1826页 *
"结构网格高精度CFD高效隐式求解及众核并行计算";李大力;《中国优秀博硕士学位论文全文数据库（博士） 基础科学辑》;20190215(第02期);论文全文 *
"面向众核处理器的水动力学CFD并行计算探索";张亚英 等;《船舶》;20210825(第4期);15-23页 *

Also Published As

Publication number Publication date
CN114492251A (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
JP6227195B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20130116987A1 (en) Bidomain simulator
EP4055512A1 (en) Methods and systems for the estimation of the computational cost of simulation
CN111382906A (zh) 一种电力负荷预测方法、系统、设备和计算机可读存储介质
US10896270B2 (en) Method for solving multi-fidelity optimization problems
CN114492251B (zh) 超算环境的低速流场发散处理方法、装置、设备及介质
US20220405440A1 (en) Systems and methods for generating reduced order models
CN114936085A (zh) 基于深度学习算法的etl调度方法及装置
JP2021064049A (ja) 計算機システム及び数理モデルの生成支援方法
CN114547917A (zh) 仿真预测方法、装置、设备及存储介质
CN114168318A (zh) 存储释放模型的训练方法、存储释放方法及设备
CN116302080B (zh) 一种仿真软件的零件单元的开发方法、装置及电子设备
CN113408070A (zh) 发动机参数的确定方法、装置、设备及存储介质
CN116070353B (zh) 翼柱形固体火箭发动机装药可靠性分析方法、设备及介质
US20180181691A1 (en) Analytical consistent sensitivities for external intervening between two sequential equilibriums
CN116560968A (zh) 一种基于机器学习的仿真计算时间预测方法、系统及设备
CN115345600B (zh) 一种rpa流程的生成方法和装置
CN112668223B (zh) 基于数字孪生轻量化模型的机电装备仿真方法及系统
CN112783747B (zh) 一种应用程序的执行时间预测方法及装置
US20210279575A1 (en) Information processing apparatus, information processing method, and storage medium
Nehmeh et al. Integer word-length optimization for fixed-point systems
CN110378037B (zh) 基于Ceph的CFD仿真数据存储方法、装置及服务器
WO2022106863A1 (en) Method and system for accelerating the convergence of an iterative computation code of physical parameters of a multi-parameter system
CN117852315B (zh) 用于确定计算机辅助工程的初始条件的方法及相关设备
CN111523685A (zh) 基于主动学习的降低性能建模开销的方法

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
TR01 Transfer of patent right

Effective date of registration: 20230116

Address after: 300457 5102, building 5, No. 19, Xinhuan West Road, economic and Technological Development Zone, Binhai New Area, Tianjin

Patentee after: NATIONAL SUPERCOMPUTER CENTER IN TIANJIN

Patentee after: National University of Defense Technology

Address before: 300457 5102, building 5, No. 19, Xinhuan West Road, economic and Technological Development Zone, Binhai New Area, Tianjin

Patentee before: NATIONAL SUPERCOMPUTER CENTER IN TIANJIN

TR01 Transfer of patent right