CN115795989B - 流体运动模拟方法、仿真终端、电子设备及介质 - Google Patents
流体运动模拟方法、仿真终端、电子设备及介质 Download PDFInfo
- Publication number
- CN115795989B CN115795989B CN202310042974.5A CN202310042974A CN115795989B CN 115795989 B CN115795989 B CN 115795989B CN 202310042974 A CN202310042974 A CN 202310042974A CN 115795989 B CN115795989 B CN 115795989B
- Authority
- CN
- China
- Prior art keywords
- fluid
- sub
- parameters
- representing
- distribution
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种流体运动模拟方法、仿真终端、电子设备及介质,该方法包括:通过中央处理器将待模拟流体划分为N个子流体,并获取每一子流体当前周期的流体参数;通过并行处理器基于当前周期的流体参数预测每一子流体下一周期的流体参数;通过中央处理器根据当前周期的流体参数和下一周期的流体参数对待模拟流体进行流体运动模拟。本申请提供的方案,由于通过并行处理器与中央处理器配合,可以对待模拟流体的N个子流体当前周期的流体参数进行并行处理,同步获得每一子流体下一周期的流体参数,加速了流体参数的预测过程,提高了流体运动的模拟效率,实现了对流体运动的高效模拟。
Description
技术领域
本申请涉及电数字数据处理技术领域,尤其涉及一种流体运动模拟方法、仿真终端、电子设备及介质。
背景技术
流体运动模拟作为流体动力学仿真领域的一项重要技术,已逐步应用于油藏、生物医学等多个应用领域中,通过对流体运动过程进行模拟,可以为相关几何模型的流场分析提供数据依据。
相关技术中,由于流体运动模拟过程实现效率低下,难以快速完成流体运动模拟任务。
发明内容
为解决或部分解决相关技术中存在的问题,本申请提供一种流体运动模拟方法、仿真终端、电子设备及介质,能够实现对流体运动的高效模拟。
本申请第一方面提供一种流体运动模拟方法,应用于仿真终端,所述仿真终端包括中央处理器和并行处理器,所述中央处理器与所述并行处理器连接;
所述方法包括:
通过所述中央处理器将待模拟流体划分为N个子流体,并获取每一所述子流体当前周期的流体参数;
通过所述并行处理器基于所述当前周期的流体参数预测每一所述子流体下一周期的流体参数;
通过所述中央处理器根据所述当前周期的流体参数和所述下一周期的流体参数对所述待模拟流体进行流体运动模拟;
其中,所述流体参数用于表征所述子流体中粒子的运动状态。
根据本申请提供的流体运动模拟方法,所述基于所述当前周期的流体参数预测每一所述子流体下一周期的流体参数,包括:
将所述当前周期的流体参数输入流体预测模型,得到所述流体预测模型输出的所述子流体下一周期的流体参数;
其中,所述流体预测模型是基于平衡态分布函数、湍流描述函数、矩空间转换函数以及运动描述函数建立的;
所述平衡态分布函数用于表征所述子流体的平衡态分布结果与所述当前周期的流体参数的对应关系,所述湍流描述函数用于表征所述子流体的湍流参数与所述平衡态分布结果的对应关系,所述矩空间转换函数用于将所述平衡态分布结果转换至矩空间,所述运动描述函数用于在所述矩空间内确定所述子流体下一周期的流体参数。
根据本申请提供的流体运动模拟方法,所述流体预测模型具体用于:
依据所述当前周期的流体参数,通过所述平衡态分布函数确定所述子流体的平衡态分布结果,其中,所述当前周期的流体参数基于所述子流体当前周期的微观分布参数确定;
依据所述平衡态分布结果和所述当前周期的微观分布参数,通过所述湍流描述函数确定所述子流体的湍流参数;
依据所述平衡态分布结果以及所述当前周期的微观分布参数,通过所述矩空间转换函数分别确定第一矩阵和第二矩阵,其中,所述第一矩阵用于表征所述当前周期的微观分布参数在矩空间内对应的表达状态,所述第二矩阵用于表征所述平衡态分布结果在矩空间内对应的表达状态;
依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,通过所述运动描述函数确定所述子流体下一周期的流体参数。
根据本申请提供的流体运动模拟方法,所述依据所述平衡态分布结果和所述当前周期的微观分布参数,通过所述湍流描述函数确定所述子流体的湍流参数,包括:
依据所述平衡态分布结果和所述当前周期的微观分布参数,确定所述子流体的流体粘度;
依据所述流体粘度,确定所述子流体的湍流参数。
根据本申请提供的流体运动模拟方法,所述依据所述平衡态分布结果以及所述当前周期的微观分布参数,通过所述矩空间转换函数分别确定第一矩阵和第二矩阵,包括:
将所述当前周期的微观分布参数与预设转换矩阵相乘,得到所述当前周期的微观分布参数在矩空间下对应的第一矩阵;
将所述平衡态分布结果与预设转换矩阵相乘,得到所述平衡态分布结果在矩空间下对应的第二矩阵。
根据本申请提供的流体运动模拟方法,所述依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,通过所述运动描述函数确定所述子流体下一周期的流体参数,包括:
依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,确定所述子流体中处于内部的粒子下一周期的微观分布参数;
依据所述当前周期的微观分布参数以及预设边界条件,确定所述子流体中处于边界的粒子下一周期的微观分布参数;
依据所述处于内部的粒子下一周期的微观分布参数以及所述处于边界的粒子下一周期的微观分布参数,确定所述子流体下一周期的流体参数。
根据本申请提供的流体运动模拟方法,所述依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,确定所述子流体中处于内部的粒子下一周期的微观分布参数,包括:
依据所述湍流参数、所述第一矩阵以及所述第二矩阵,确定所述子流体中处于内部的粒子对应的运动变化量;
将所述当前周期的微观分布参数与所述运动变化量求和,得到所述子流体中处于内部的粒子下一周期的微观分布参数。
本申请第二方面提供一种仿真终端,包括:中央处理器和并行处理器,所述中央处理器与所述并行处理器连接;
所述中央处理器用于将待模拟流体划分为N个子流体,并获取每一所述子流体当前周期的流体参数;
所述并行处理器用于基于所述当前周期的流体参数预测每一所述子流体下一周期的流体参数;
所述中央处理器还用于根据所述当前周期的流体参数和所述下一周期的流体参数对所述待模拟流体进行流体运动模拟;
其中,所述流体参数用于表征所述子流体中粒子的运动状态。
本申请第三方面提供一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被处理器执行时,使所述处理器执行如上所述的方法。
本申请第四方面提供一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:
通过中央处理器将待模拟流体划分为N个子流体,并获取每一子流体当前周期的流体参数,通过并行处理器基于当前周期的流体参数预测每一子流体下一周期的流体参数,通过中央处理器根据当前周期的流体参数和下一周期的流体参数对待模拟流体进行流体运动模拟,由于通过并行处理器与中央处理器配合,可以对待模拟流体的N个子流体当前周期的流体参数进行并行处理,同步获得每一子流体下一周期的流体参数,加速了流体参数的预测过程,提高了流体运动的模拟效率,实现了对流体运动的高效模拟。
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
通过结合附图对本申请示例性实施方式进行更详细地描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的流体运动模拟方法的流程示意图;
图2是本申请实施例中某一格子区域中粒子分布状态示意图;
图3是本申请实施例中粒子在不同方向的离散速度分布示意图;
图4是本申请实施例示出的仿真终端的结构示意图;
图5是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
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。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本实施例涉及电数字数据处理领域,具体可以应用于流体仿真场景中,对血管、电池等几何模型的流体运动过程进行模拟,进而为几何模型的流场分析提供相关数据依据。
流体运动模拟过程中,需要对流体运动相关的流体参数进行求解,比如流体密度、流速等参数,相关技术中,由于模拟架构设置不够合理,流体参数处理效率过低,导致流体运动模拟过程效率低下。
针对上述问题,本申请实施例提供一种流体运动模拟方法,能够通过优化模拟架构,实现对流体运动的高效模拟。
以下结合图1至图5详细描述本申请实施例提供的流体运动模拟方法、仿真终端、电子设备及介质的技术方案。
图1是本申请实施例示出的流体运动模拟方法的流程示意图。
参见图1,本申请实施例提供的流体运动模拟方法,应用于仿真终端,仿真终端包括中央处理器和并行处理器,中央处理器与并行处理器连接;
该方法具体包括:
步骤101:通过中央处理器将待模拟流体划分为N个子流体,并获取每一子流体当前周期的流体参数;
步骤102:通过并行处理器基于当前周期的流体参数预测每一子流体下一周期的流体参数;
步骤103:通过中央处理器根据当前周期的流体参数和下一周期的流体参数对待模拟流体进行流体运动模拟;
其中,流体参数用于表征子流体中粒子的运动状态。
本实施例中,待模拟流体可以是待进行流体运动仿真的模型对象,比如可以是包含血管壁和血液的血管模型,子流体可以是按照特定规则将待模拟流体划分出的部分结构区域,比如子流体可以是按照格子玻尔兹曼方法(LBM,Lattice Boltzmann Method)划分出的格子区域,本实施例中N为大于或等于2的正整数。
流体参数可以是能够表征子流体运动前后粒子的运动状态的参数,比如流体参数可以是子流体的流体密度和流速。
流体运动模拟,主要涉及对待模拟流体对应的粒子碰撞和迁移过程进行模拟。
本申请实施例提供的流体运动模拟方法,通过并行处理器与中央处理器配合,可以通过并行处理的方式对待模拟流体的每一子流体下一周期的流体参数进行预测,本实施例提供的模拟架构可以实现对流体运动相关的流体参数的高效预测,进而实现对流体运动的高效模拟。
在一些实施例中,基于当前周期的流体参数预测每一子流体下一周期的流体参数,具体包括:
将当前周期的流体参数输入流体预测模型,得到流体预测模型输出的子流体下一周期的流体参数;
其中,流体预测模型是基于平衡态分布函数、湍流描述函数、矩空间转换函数以及运动描述函数建立的;
平衡态分布函数用于表征子流体的平衡态分布结果与当前周期的流体参数的对应关系,湍流描述函数用于表征子流体的湍流参数与平衡态分布结果的对应关系,矩空间转换函数用于将平衡态分布结果转换至矩空间,运动描述函数用于在矩空间内确定子流体下一周期的流体参数。
本实施例中,通过流体预测模型可以依据当前周期的流体参数实现对下一周期的流体参数的预测,流体预测模型主要基于格子玻尔兹曼方法建立,同时该流体预测模型还引入了MRT(MultipleRelaxationTime,多松弛时间)模型和湍流模型,本实施例中流体预测模型具体是基于平衡态分布函数、湍流描述函数、矩空间转换函数以及运动描述函数建立的。
在示例性实施例中,流体预测模型具体用于:
依据当前周期的流体参数,通过平衡态分布函数确定子流体的平衡态分布结果;其中,当前周期的流体参数基于子流体当前周期的微观分布参数确定;
依据平衡态分布结果和当前周期的微观分布参数,通过湍流描述函数确定子流体的湍流参数;依据平衡态分布结果以及当前周期的微观分布参数,通过矩空间转换函数分别确定第一矩阵和第二矩阵,其中,第一矩阵用于表征当前周期的微观分布参数在矩空间内对应的表达状态,第二矩阵用于表征平衡态分布结果在矩空间内对应的表达状态;
依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,通过运动描述函数确定子流体下一周期的流体参数。
本实施例中,平衡态分布结果可以通过平衡态分布函数进行表征,平衡态分布函数主要用于表征平衡态的粒子分布状况,具体可以表示如下:
在示例性实施例中,依据平衡态分布结果和当前周期的微观分布参数,通过湍流描述函数确定子流体的湍流参数,具体包括:
依据平衡态分布结果和当前周期的微观分布参数,确定子流体的流体粘度;
依据流体粘度,确定子流体的湍流参数。
本实施例中,湍流描述函数的引入,使得流体预测模型可以捕捉高速流体的流场信息,本实施例中湍流参数可以是湍流松弛时间,湍流描述函数具体可以表示如下:
在示例性实施例中,依据平衡态分布结果以及当前周期的微观分布参数,通过矩空间转换函数分别确定第一矩阵和第二矩阵,具体包括:
将当前周期的微观分布参数与预设转换矩阵相乘,得到当前周期的微观分布参数在矩空间下对应的第一矩阵;
将平衡态分布结果与预设转换矩阵相乘,得到平衡态分布结果在矩空间下对应的第二矩阵。
矩空间转换函数主要将子流体在速度空间的平衡态分布结果以及微观分布参数转换至矩空间,具体可以将分布函数和平衡态分布函数均转换至矩空间,将分布函数和平衡态分布函数通过矩向量的形式进行表达,也就是将分布函数和平衡态分布函数转换为相应的矩阵,即第一矩阵和第二矩阵,该过程涉及MRT模型的引入,MRT模型可以用于实现流体运动过程中不同阶段的不同松弛速率。
将分布函数和平衡态分布函数转换为相应的矩阵的过程中,分布函数对应的转换表达式如下:
平衡态分布函数的转换表达式如下:
在示例性实施例中,依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,通过运动描述函数确定子流体下一周期的流体参数,具体包括:
依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,确定子流体中处于内部的粒子下一周期的微观分布参数;
依据当前周期的微观分布参数以及预设边界条件,确定子流体中处于边界的粒子下一周期的微观分布参数;
依据处于内部的粒子下一周期的微观分布参数以及处于边界的粒子下一周期的微观分布参数,确定子流体下一周期的流体参数。
本实施例中,将待模拟流体按照格子玻尔兹曼方法划分出多个格子区域(即子流体)之后,其中一个格子区域的粒子分布状态可以参见图2,图2示出了某一格子区域中不同类型的粒子,具体涉及固体粒子、流体粒子以及边界粒子,图2中黑色正方形所示粒子为固体粒子,比如可以是血管壁粒子,空心圆形所示粒子为流体粒子,比如血液粒子,黑色圆形所示粒子为边界粒子,边界粒子处于固体粒子与流体粒子之间,用于分隔固体粒子和流体粒子。每一粒子在运动过程中会涉及多个运动方向,这样的话,粒子的离散速度会涉及多个,图3示出了粒子在多个方向上的离散速度,比如对于流体粒子,具体可以涉及八个方向上的离散速度,即离散速度/>、/>、/>、/>、/>、/>、/>及/>,根据粒子不同方向的离散速度,可以进一步判定粒子的运动情况,比如粒子之间的迁移和碰撞情况,图3示出了具有离散速度/>的流体粒子/>、具有离散速度/>的流体粒子/>以及具有离散速度/>的流体粒子与边界粒子/>可能发生碰撞的情形。
本实施例中,运动描述函数主要涉及两部分,一部分是对子流体中粒子下一周期的微观分布参数的求解,即对下一周期的分布函数的求解;另一部分是对下一周期的流体参数的求解。
在示例性实施例中,依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,确定子流体中处于内部的粒子下一周期的微观分布参数,具体可以包括:
依据湍流参数、第一矩阵以及第二矩阵,确定子流体中处于内部的粒子对应的运动变化量;
将当前周期的微观分布参数与运动变化量求和,得到子流体中处于内部的粒子下一周期的微观分布参数。
本实施例中,子流体中处于内部的粒子对应的运动变化量可以是处于内部的粒子与其他粒子发生碰撞后的微观变化量,该微观变化量可以通过碰撞项进行表征。
子流体中处于内部的粒子下一周期的微观分布参数具体可以通过求解下一周期的分布函数实现,下一周期的分布函数具体可以表示如下:
确定碰撞项之后,可以进一步求解下一周期的分布函数,即下一周期的微观分布参数,进而得到下一周期的流体参数。
本实施例中下一周期的流体参数具体包括流体密度以及流速,流体密度具体可以表示如下:
进一步地,根据流体密度与宏观速度的乘积,可以确定流速,流速具体可以表示如下:
对于处于边界的粒子,需要根据预设的边界条件,确定处于边界的粒子对应的分布函数,具体分析粒子撞击边界后对应的分布函数,即下一周期的分布函数,进而根据下一周期的分布函数确定处于边界的粒子下一周期的流体参数。
在获得各个子流体下一周期的流体参数之后,可以通过下一周期的流体参数对当前周期的流体参数进行更新,进而做下一次预测,通过不断迭代求解的方式预测各子流体中粒子的运动状况,不断更新粒子的位置和离散速度,从而对各子流体的流体密度和流速进行调整,实现对粒子迁移和碰撞过程的模拟。
本实施例中并行处理器可以是图形处理器),部署于显卡端,并行处理器具有多个内核,每个内核代表一个线程,每个内核可以对一个子流体的流体参数进行处理,也就是一个内核处理一个格子区域的数据,通过多线程并行处理的方式,可以实现对待模拟流体中各子流体的流体参数的并行处理,待模拟流体下一周期的流体参数的预测效率有效提高,从而实现对待模拟流体迁移和碰撞过程的高效模拟。
与前述应用功能实现方法实施例相对应,本申请还提供了一种仿真终端、电子设备及相应的实施例。
图4是本申请实施例示出的仿真终端的结构示意图。
参见图4,本申请实施例提供的仿真终端具体包括:中央处理器401和并行处理器402,中央处理器401与并行处理器402连接;
中央处理器401用于将待模拟流体划分为N个子流体,并获取每一子流体当前周期的流体参数;
并行处理器402用于基于当前周期的流体参数预测每一子流体下一周期的流体参数;
中央处理器401还用于根据当前周期的流体参数和下一周期的流体参数对待模拟流体进行流体运动模拟;
其中,流体参数用于表征子流体中粒子的运动状态。
本实施例中,并行处理器402可以是GPU,GPU可以通过多个线程对每一子流体下一周期的流体参数进行预测,每一线程对应处理一个子流体的数据,从而可以实现数据的并行处理。
在一些实施例中,并行处理器402具体可以用于:
将当前周期的流体参数输入流体预测模型,得到流体预测模型输出的子流体下一周期的流体参数;
其中,流体预测模型是基于平衡态分布函数、湍流描述函数、矩空间转换函数以及运动描述函数建立的;
平衡态分布函数用于表征子流体的平衡态分布结果与当前周期的流体参数的对应关系,湍流描述函数用于表征子流体的湍流参数与平衡态分布结果的对应关系,矩空间转换函数用于将平衡态分布结果转换至矩空间,运动描述函数用于在矩空间内确定子流体下一周期的流体参数。
在示例性实施例中,并行处理器402内的流体预测模型具体可以用于:
依据当前周期的流体参数,通过平衡态分布函数确定子流体的平衡态分布结果;其中,当前周期的流体参数基于子流体当前周期的微观分布参数确定;
依据平衡态分布结果和当前周期的微观分布参数,通过湍流描述函数确定子流体的湍流参数;依据平衡态分布结果以及当前周期的微观分布参数,通过矩空间转换函数分别确定第一矩阵和第二矩阵,其中,第一矩阵用于表征当前周期的微观分布参数在矩空间内对应的表达状态,第二矩阵用于表征平衡态分布结果在矩空间内对应的表达状态;
依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,通过运动描述函数确定子流体下一周期的流体参数。
在示例性实施例中,并行处理器402内,依据平衡态分布结果和当前周期的微观分布参数,通过湍流描述函数确定子流体的湍流参数,具体包括:
依据平衡态分布结果和当前周期的微观分布参数,确定子流体的流体粘度;
依据流体粘度,确定子流体的湍流参数。
在示例性实施例中,并行处理器402内,依据平衡态分布结果以及当前周期的微观分布参数,通过矩空间转换函数分别确定第一矩阵和第二矩阵,具体包括:
将当前周期的微观分布参数与预设转换矩阵相乘,得到当前周期的微观分布参数在矩空间下对应的第一矩阵;
将平衡态分布结果与预设转换矩阵相乘,得到平衡态分布结果在矩空间下对应的第二矩阵。
在示例性实施例中,并行处理器402内,依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,通过运动描述函数确定子流体下一周期的流体参数,具体包括:
依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,确定子流体中处于内部的粒子下一周期的微观分布参数;
依据当前周期的微观分布参数以及预设边界条件,确定子流体中处于边界的粒子下一周期的微观分布参数;
依据处于内部的粒子下一周期的微观分布参数以及处于边界的粒子下一周期的微观分布参数,确定子流体下一周期的流体参数。
在示例性实施例中,并行处理器402内,依据湍流参数、第一矩阵、第二矩阵以及当前周期的微观分布参数,确定子流体中处于内部的粒子下一周期的微观分布参数,具体包括:
依据湍流参数、第一矩阵以及第二矩阵,确定子流体中处于内部的粒子对应的运动变化量;
将当前周期的微观分布参数与运动变化量求和,得到子流体中处于内部的粒子下一周期的微观分布参数。
参见图4,中央处理器401具体可以包括前处理单元4011以及后处理单元4012,前处理单元4011主要用于对待模拟流体相关的数据进行初始化,比如初始化待模拟流体对应的几何模型的几何信息,初始化待模拟流体的流体参数;将待模拟流体划分为多个子流体,比如可以将待模拟的几何模型划分为多个格子区域,确定各个格子区域以及格子区域的数量;确定各个子流体当前周期的流体参数,并将当前周期的流体参数发送至并行处理器402。
此外,前处理单元4011还可以调用并行处理器402的线程,确定并行处理器402中各个线程对应处理的格子区域(即子流体),从而可以通过并行处理器402中不同的线程对相应的子流体下一周期的流体参数进行预测,以并行运算的方式实现对各子流体相关数据的同步处理。
后处理单元4012主要用于接收并行处理器402输出的各子流体下一周期的流体参数,本实施例中流体参数包括流体密度和流速,从而可以获得待模拟流体对应的密度和速度场,通过接收到的流体参数可以对待模拟流体进行运动仿真模拟,并可以将模拟结果输出,从而以可视化的形式将模拟结果展现给用户。
综上所述,本申请实施例提供的仿真终端,通过并行处理器与中央处理器配合,可以实现对待模拟流体对应的各子流体的流体参数的同步处理,进而通过并行处理器与中央处理器配合,可以实现对流体运动过程的高效模拟。
图5是本申请实施例示出的电子设备的结构示意图。
参见图5,电子设备500包括存储器501和处理器502。
处理器502可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-ProgrammableGate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器501可以包括各种类型的存储单元,例如系统内存、只读存储器(ROM)和永久存储装置。其中,ROM可以存储处理器502或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。
此外,存储器501可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(例如DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器501可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如,双层/>)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、minSD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器501上存储有可执行代码,当可执行代码被处理器502处理时,可以使处理器502执行上文述及的方法中的部分或全部。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质),其上存储有可执行代码(或计算机程序或计算机指令代码),当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (9)
1.一种流体运动模拟方法,其特征在于,应用于仿真终端,所述仿真终端包括中央处理器和并行处理器,所述中央处理器与所述并行处理器连接;
所述方法包括:
通过所述中央处理器将待模拟流体划分为N个子流体,并获取每一所述子流体当前周期的流体参数;
通过所述并行处理器将所述当前周期的流体参数输入流体预测模型,得到所述流体预测模型输出的所述子流体下一周期的流体参数;
其中,所述流体预测模型是基于平衡态分布函数、湍流描述函数、矩空间转换函数以及运动描述函数建立的;
所述平衡态分布函数用于表征所述子流体的平衡态分布结果与所述当前周期的流体参数的对应关系,所述平衡态分布函数为:
所述湍流描述函数用于表征所述子流体的湍流参数与所述平衡态分布结果的对应关系,所述湍流描述函数为:
所述矩空间转换函数用于将所述平衡态分布结果转换至矩空间,具体将分布函数和平衡态分布函数转换至矩空间,分布函数的转换表达式为:
平衡态分布函数的转换表达式为:
所述运动描述函数用于在矩空间内确定所述子流体下一周期的流体参数,具体用于求解下一周期的分布函数以及下一周期的流体参数;
所述下一周期的分布函数为:
所述下一周期的流体参数包括流体密度以及流速;
通过所述中央处理器根据所述当前周期的流体参数和所述下一周期的流体参数对所述待模拟流体进行流体运动模拟;
其中,所述流体参数用于表征所述子流体中粒子的运动状态。
2.根据权利要求1所述的流体运动模拟方法,其特征在于,所述流体预测模型具体用于:
依据所述当前周期的流体参数,通过所述平衡态分布函数确定所述子流体的平衡态分布结果,其中,所述当前周期的流体参数基于所述子流体当前周期的微观分布参数确定;
依据所述平衡态分布结果和所述当前周期的微观分布参数,通过所述湍流描述函数确定所述子流体的湍流参数;
依据所述平衡态分布结果以及所述当前周期的微观分布参数,通过所述矩空间转换函数分别确定第一矩阵和第二矩阵,其中,所述第一矩阵用于表征所述当前周期的微观分布参数在矩空间内对应的表达状态,所述第二矩阵用于表征所述平衡态分布结果在矩空间内对应的表达状态;
依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,通过所述运动描述函数确定所述子流体下一周期的流体参数。
3.根据权利要求2所述的流体运动模拟方法,其特征在于,所述依据所述平衡态分布结果和所述当前周期的微观分布参数,通过所述湍流描述函数确定所述子流体的湍流参数,包括:
依据所述平衡态分布结果和所述当前周期的微观分布参数,确定所述子流体的流体粘度;
依据所述流体粘度,确定所述子流体的湍流参数。
4.根据权利要求2所述的流体运动模拟方法,其特征在于,所述依据所述平衡态分布结果以及所述当前周期的微观分布参数,通过所述矩空间转换函数分别确定第一矩阵和第二矩阵,包括:
将所述当前周期的微观分布参数与预设转换矩阵相乘,得到所述当前周期的微观分布参数在矩空间下对应的第一矩阵;
将所述平衡态分布结果与预设转换矩阵相乘,得到所述平衡态分布结果在矩空间下对应的第二矩阵。
5.根据权利要求2所述的流体运动模拟方法,其特征在于,所述依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,通过所述运动描述函数确定所述子流体下一周期的流体参数,包括:
依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,确定所述子流体中处于内部的粒子下一周期的微观分布参数;
依据所述当前周期的微观分布参数以及预设边界条件,确定所述子流体中处于边界的粒子下一周期的微观分布参数;
依据所述处于内部的粒子下一周期的微观分布参数以及所述处于边界的粒子下一周期的微观分布参数,确定所述子流体下一周期的流体参数。
6.根据权利要求5所述的流体运动模拟方法,其特征在于,所述依据所述湍流参数、所述第一矩阵、所述第二矩阵以及所述当前周期的微观分布参数,确定所述子流体中处于内部的粒子下一周期的微观分布参数,包括:
依据所述湍流参数、所述第一矩阵以及所述第二矩阵,确定所述子流体中处于内部的粒子对应的运动变化量;
将所述当前周期的微观分布参数与所述运动变化量求和,得到所述子流体中处于内部的粒子下一周期的微观分布参数。
7.一种仿真终端,其特征在于,包括:中央处理器和并行处理器,所述中央处理器与所述并行处理器连接;
所述中央处理器用于将待模拟流体划分为N个子流体,并获取每一所述子流体当前周期的流体参数;
所述并行处理器用于将所述当前周期的流体参数输入流体预测模型,得到所述流体预测模型输出的所述子流体下一周期的流体参数;
其中,所述流体预测模型是基于平衡态分布函数、湍流描述函数、矩空间转换函数以及运动描述函数建立的;
所述平衡态分布函数用于表征所述子流体的平衡态分布结果与所述当前周期的流体参数的对应关系,所述平衡态分布函数为:
所述湍流描述函数用于表征所述子流体的湍流参数与所述平衡态分布结果的对应关系,所述湍流描述函数为:
所述矩空间转换函数用于将所述平衡态分布结果转换至矩空间,具体将分布函数和平衡态分布函数转换至矩空间,分布函数的转换表达式为:
平衡态分布函数的转换表达式为:
所述运动描述函数用于在矩空间内确定所述子流体下一周期的流体参数,具体用于求解下一周期的分布函数以及下一周期的流体参数;
所述下一周期的分布函数为:
所述下一周期的流体参数包括流体密度以及流速;
所述中央处理器还用于根据所述当前周期的流体参数和所述下一周期的流体参数对所述待模拟流体进行流体运动模拟;
其中,所述流体参数用于表征所述子流体中粒子的运动状态。
8.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310042974.5A CN115795989B (zh) | 2023-01-28 | 2023-01-28 | 流体运动模拟方法、仿真终端、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310042974.5A CN115795989B (zh) | 2023-01-28 | 2023-01-28 | 流体运动模拟方法、仿真终端、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115795989A CN115795989A (zh) | 2023-03-14 |
CN115795989B true CN115795989B (zh) | 2023-06-16 |
Family
ID=85428951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310042974.5A Active CN115795989B (zh) | 2023-01-28 | 2023-01-28 | 流体运动模拟方法、仿真终端、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115795989B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10360324B2 (en) * | 2011-12-09 | 2019-07-23 | Dassault Systemes Simulia Corp. | Computer simulation of physical processes |
CN106021828B (zh) * | 2016-07-15 | 2017-09-08 | 华中科技大学 | 一种基于格子‑玻尔兹曼模型的油层流体模拟方法 |
CN113255197B (zh) * | 2021-07-13 | 2021-09-17 | 西南交通大学 | 基于离散元方法的物理泥流冲淤距离模拟方法 |
-
2023
- 2023-01-28 CN CN202310042974.5A patent/CN115795989B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115795989A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10417555B2 (en) | Data-optimized neural network traversal | |
US7468730B2 (en) | Volumetric hair simulation | |
US20190197761A1 (en) | Texture processor based ray tracing acceleration method and system | |
Balsara | Three dimensional HLL Riemann solver for conservation laws on structured meshes; application to Euler and magnetohydrodynamic flows | |
CN109522828A (zh) | 一种异常事件检测方法及系统、存储介质及终端 | |
KR20120137828A (ko) | 멀티 레벨 소용돌이를 위한 sph 유체 시뮬레이션 방법, 시스템 및 이를 위한 기록 매체 | |
CN110036375B (zh) | 无序高速缓存返回 | |
CN103064819A (zh) | 一种利用MIC快速实现格子Boltzmann并行加速的方法 | |
Semelin et al. | New multi-zoom method for N-body simulations: application to galaxy growth by accretion | |
CN115795989B (zh) | 流体运动模拟方法、仿真终端、电子设备及介质 | |
Joselli et al. | Automatic dynamic task distribution between cpu and gpu for real-time systems | |
CN115130353A (zh) | 一种服务器散热风扇噪声性能匹配方法、装置及介质 | |
EP3179390A1 (en) | Method and apparatus for modeling movement of air bubble based on fluid particles | |
TW201822039A (zh) | 加速閘層級模擬的方法與設備 | |
Co et al. | Iso-splatting: A point-based alternative to isosurface visualization | |
CN111105341B (zh) | 一种低功耗高运算性能求解计算流体动力学的框架方法 | |
Jeon et al. | Target capacity filter pruning method for optimized inference time based on YOLOv5 in embedded systems | |
CN105205851B (zh) | 一种基于gpu超算的特种电影渲染方法及系统 | |
CN107301459A (zh) | 一种基于fpga异构运行遗传算法的方法及系统 | |
Garanin | Pulse-noise approach for classical spin systems | |
CN110796115A (zh) | 图像检测方法、装置、电子设备及可读存储介质 | |
He et al. | An efficient adaptive vortex particle method for real-time smoke simulation | |
US20220230414A1 (en) | Method and device for detecting out-of-distribution using noise filter | |
CN113496228B (zh) | 一种基于Res2Net、TransUNet和协同注意力的人体语义分割方法 | |
Movania et al. | A Novel GPU‐Based Deformation Pipeline |
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 |