云彩店邀请码|半壳|优胜
鉴于物理的流体模仿本领重要运用纳维-斯托克斯方程模仿天然界中的流体。暂时流体模仿本领重要囊括鉴于网格的欧拉本领和鉴于粒子的拉格朗日本领。润滑流体能源学(SPH,Smoothed Particle Hydrodynamics)是一种无网格的拉格朗日本领,该本领制止了鉴于网格本领中生存的网格纠葛和歪曲题目。正文运用猜测矫正不行收缩的润滑流体能源学(PCISPH,Predictive-Corrective Incompressible SPH)本领来模仿流体不行收缩及多相流分散局面。正文在GPU上对猜测矫正不行收缩的本领举行并行加快,实行了一个可交互的不行收缩多相流仿真模仿体例。舆论的重要处事囊括: 安排并实行不行收缩的流体模仿本领。鉴于物理的流体模仿中最要害的题目之一是保证流体的不行收缩性。SPH本领不妨经过强加一个stiff方程来实行流体不行收缩的功效,然而该本领对功夫步长和stiff系数的庄重诉求控制了这种本领的实用性。沿用PCISPH本领,经过对流体密度举行猜测和矫正操纵,在轮回计划流体密度时实行流体不行收缩性的功效。安排宁静的多相流分散。在SPH方程市直接运用热力学分散方程模仿分散功效生存数值耗散和模仿功效不宁静的局面,经过窜改计划密度的SPH方程不妨处置多相流分散中的流体密度估量不及、流体界面力形成的不如实性以及高密度比较时爆发的界面不宁静等上面的题目。安排并实行鉴于GPU的不行收缩的流体并行算法。领会串行PCISPH步调中各办法间的数据依附联系和步调实行的论理联系,贯串CUDA并行编制程序模子,安排出鉴于GPU的PCISPH并行化步调。对准流体模仿中街坊粒子探求占用洪量运转功夫和保存空间的题目,安排鉴于CUDA的街坊粒子并行探求本领。在之上处事的普通上,安排并实行了一个鉴于GPU的可交互的不行收缩多相流仿真体例,体例实行了流体不行收缩、多相流分散、并行加快的功效,展现了可交互式的流体仿真计划的运用远景。
来源:半壳优胜鲸鱼幸运星转载请保留出处和链接!
本文链接:http://87cpy.com/262587.html
本站部分内容来源网络如有侵权请联系删除