基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法及系统技术方案

基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法及系统

【技术实现步骤摘要】
基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法及系统


[0001]本专利技术涉及高精度算法高效率计算

。

技术介绍

[0002]随着计算机技术的发展，通过数值仿真方法对流体与结构力学领域的物理过程和现象进行模拟计算已经成为主流研究手段，有限元，有限体积等方法得到快速发展与应用
。
但是一些涉及强间断
、
强瞬态等更为复杂的物理现象，给数值模拟算法的精度提出了更高的要求，传统数值方法已不能满足，需要高精度算法的支撑
。
在网格方面，结构化网格虽生成速度快，数据结构简单从而并行计算效率高，但是适用范围比较窄，只适用于规则的边界形状，而非结构化网格可处理复杂图形，适应性好，但是并行计算效率低
。
[0003]间断伽辽金方法作为一种理论完备的高精度算法，受到了越来越多的关注，在传统有限元方法的基础上，去除了单元基函数在单元边界上连续的限制，通过选择合适的单元基函数即自适应
p
细化能够很容易实现高精度，因而得到了快速进步和发展
。
但是该数值方法高精度特点也带来了计算量的大规模增加，计算效率大大降低，一定程度上也限制了其应用领域的进一步拓展
。
[0004]在间断伽辽金方法中，每个单元只与相邻单元相关联，数值格式紧凑，且在高效并行计算模拟中有很大优势，同时具备非结构化网格的处理能力，因此高精度算法的高效计算领域成为研究热点
。
[0005]综上，如何提高间断伽辽金等高精度算法的计算效率变得意义重大
。

技术实现思路

[0006]本专利技术解决现有间断伽辽金方法虽然具备高精度的特点，但是计算量的大规模增加，造成计算效率大大降低的问题
。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]本专利技术采用
block
‑
based AMR
作为自适应策略，结合结构化和非结构化网格的优势提供基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法，其中网格自适应即自适应
h
细化，所述方法为：
[0009]S1、
根据流场特点选择指示变量，并根据所述指示变量制定自适应准则；
[0010]S2、
根据所述自适应准则寻找所关注流场特征细节的区域，并在所述区域的相应位置的
blocks
上标记指示变量，获得各区域的
blocks
细分等级；
[0011]S3、
将所述各区域的
blocks
细分等级与当前等级进行对比，获得细分或合并的判断条件和等级差条件；
[0012]S4、
根据所述细分或合并的判断条件和等级差条件，进行细分或合并操作，获得细分或合并后的新网格；
[0013]S5、
将原始
blocks
网格上的数值解向所述细分或合并后的新网格上进行
L2投影，
获得投影后的
blocks
网格；
[0014]S6、
采用
Hillbert
空间填充曲线对流场内所有区域的
blocks
网格进行排序，获得排序图；
[0015]S7、
根据所述排序图按照不同区域权重进行拆分，并将拆分结果分配给各个计算核心，各个计算核心分配之后，采用相邻
blocks
的数据对所述投影后的
blocks
网格的信息交互层网格进行处理，获得处理后的
blocks
网格；
[0016]S8、
采用间断伽辽金求解器对所述处理后的
blocks
网格进行数值计算；
[0017]S9、
将不同的
CPU
负载之间进行通信，并初始化线程内的变量，同时进入下一时间增量步，重复步骤
S2
至
S8
，直至计算终止
,
获得基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架
。
[0018]进一步，还有一种优选实施例，上述步骤
S2
中的标记指示变量为标记网格细分的指示变量
。
[0019]进一步，还有一种优选实施例，上述步骤
S2
中的标记指示变量还可以为网格合并的指示变量
。
[0020]进一步，还有一种优选实施例，上述步骤
S3
中的细分的判断条件为所述各区域的
blocks
细分等级大于当前等级
。
[0021]进一步，还有一种优选实施例，上述步骤
S3
中的合并的判断条件为所述各区域的
blocks
细分等级小于当前等级
。
[0022]进一步，还有一种优选实施例，上述步骤
S3
中的等级差条件为相邻
blocks
之间的等级差不大于
1。
[0023]进一步，还有一种优选实施例，上述步骤
S7
中的处理包括填充赋值或定义边界条件
。
[0024]本专利技术所述的基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法可以全部采用计算机软件实现，因此，对应的，本专利技术还提供基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建系统，所述系统包括：
[0025]用于根据流场特点选择指示变量，并根据所述指示变量制定自适应准则的存储装置；
[0026]用于根据所述自适应准则寻找所关注流场特征细节的区域，并在所述区域的相应位置的
blocks
上标记指示变量，获得各区域的
blocks
细分等级的存储装置；
[0027]用于将所述各区域的
blocks
细分等级与当前等级进行对比，获得细分或合并的判断条件和等级差条件的存储装置；
[0028]用于根据所述细分或合并的判断条件和等级差条件，进行细分或合并操作，获得细分或合并后的新网格的存储装置；
[0029]用于将原始
blocks
网格上的数值解向所述细分或合并后的新网格上进行
L2投影，获得投影后的
blocks
网格的存储装置；
[0030]用于采用
Hillbert
空间填充曲线对流场内所有区域的
blocks
网格进行排序，获得排序图的存储装置；
[0031]用于根据所述排序图按照不同区域权重进行拆分，并将拆分结果分配给各个计算核心，各个计算核心分配之后，采用相邻
blocks
的数据对所述投影后的
blocks
网格的信息
交互层网格进行处理，获得处理后的
bloc本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法，其特征在于，所述方法为：
S1、
根据流场特点选择指示变量，并根据所述指示变量制定自适应准则；
S2、
根据所述自适应准则寻找所关注流场特征细节的区域，并在所述区域的相应位置的
blocks
上标记指示变量，获得各区域的
blocks
细分等级；
S3、
将所述各区域的
blocks
细分等级与当前等级进行对比，获得细分或合并的判断条件和等级差条件；
S4、
根据所述细分或合并的判断条件和等级差条件，进行细分或合并操作，获得细分或合并后的新网格；
S5、
将原始
blocks
网格上的数值解向所述细分或合并后的新网格上进行
L2投影，获得投影后的
blocks
网格；
S6、
采用
Hillbert
空间填充曲线对流场内所有区域的
blocks
网格进行排序，获得排序图；
S7、
根据所述排序图按照不同区域权重进行拆分，并将拆分结果分配给各个计算核心，各个计算核心分配之后，采用相邻
blocks
的数据对所述投影后的
blocks
网格的信息交互层网格进行处理，获得处理后的
blocks
网格；
S8、
采用间断伽辽金求解器对所述处理后的
blocks
网格进行数值计算；
S9、
将不同的
CPU
负载之间进行通信，并初始化线程内的变量，同时进入下一时间增量步，重复步骤
S2
至
S8
，直至计算终止
,
获得基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架
。2.
根据权利要求1所述的基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法，其特征在于，所述步骤
S2
中的标记指示变量为标记网格细分的指示变量
。3.
根据权利要求1所述的基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法，其特征在于，所述步骤
S2
中的标记指示变量还可以为网格合并的指示变量
。4.
根据权利要求1所述的基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法，其特征在于，所述步骤
S3
中的细分的判断条件为所述各区域的
blocks
细分等级大于当前等级
。5.
根据权利要求1所述的基于间断伽辽金法的非结构网格自适应细分与高效并行高精度算法框架的构建方法，其特征在于，所述步骤
S3
中的...

【专利技术属性】
技术研发人员：刘云龙，孔琦，曹远，郝启航，陈乐文，熊骋望，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：