面向全空间有限元数值模拟的四面体网格并行生成算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11801037
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0501.算法基础理论与构造方法
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

With the development of high performance computers, the models that can be processed by finite element numerical simulation are becoming more and more complex, and the scale of the required meshes can reach a number of billions. However, most large-scale finite element simulations still depend on a squential meshing procedure nowadays, although the solvers may be able to run in a massiavely parallel computer efficiently. Not surprisingly, it remains a main performance bottleneck in the aspect of memory and efficiency when generating large-scale meshes. The finite element numerical simulation of the whole space not only need to generate the mesh of the model, but also need to generate the mesh of the outer computational space of the model. The scale of the whole model is large. So, further requirements for mesh generation are put forward. Therefore, a key approach to overcome this bottleneck is developing efficent parallel mesh generators.. This project aims to solve the problem of parallel tetrahedral mesh generation for finite element numerical simulation in whole computational space . We try to design and implement a geometric adaptive mesh size control technology, and combine the advanced front method with Delaunay triangulation method to solve the two key problems in this project, including the domain decomposition method for the whole model and the mesh generation for interfaces between sub-regions. We are going to develop a convergent and robust parallel tetrahedral mesh generation method for the numerical simulation in whole computational space. The method is applicatable to tens of thousands of processors and provides high-quality large scale meshes for high performance numerical simulations.
随着并行计算机的发展,有限元数值模拟可处理的模型越来越复杂,需要的网格数可达数十亿规模。目前,数值模拟大都采用“串行网格生成+并行求解”的“准并行”计算模式,在生成大规模网格单元时存在严重的内存和时间性能瓶颈。而全空间的有限元数值模拟不仅要生成模型的网格,还要生成模型外部计算空间的网格,整体模型尺度跨度大,对复杂问题的网格生成提出了进一步的要求。因此,发展有效的并行网格生成方法,实现全过程并行计算模式,是提高全空间数值模拟计算能力的关键所在。. 本项目面向全空间有限元数值模拟的四面体网格并行生成问题,拟建立几何特征自适应的网格尺寸控制技术,结合前沿推进思想和Delaunay算法,重点突破复杂几何模型的全空间区域分解和子区域交界面网格生成两个关键问题,实现具有良好收敛性和鲁棒性的、适应数万处理器核的全空间四面体网格并行生成算法,为全空间的高性能有限元数值模拟提供高质量、大规模的四面体网格。

结项摘要

本项目致力于研究四面体网格并行生成方法,并研制相关程序,为电磁辐射和散射以及计算流体力学中三维全空间/半空间的数值模拟提供大规模计算网格。本项目发展了一种全空间/半空间自动构建方法,避免了几何模型的布尔运算;进而发展了一种分布式和共享内存耦合的全自动四面体网格多级并行生成方法,该方法可以更好的适应目前超级计算机的体系结构,且适用于复杂精细CAD模型的大规模网格生成。为了生成用于粘性流体模拟问题的网格,本项目还发展了边界层网格生成算法,与四面体网格生成组合形成混合网格生成算法。本项目发展的方法已成功应用于舰船、电路板、天线系统等大型工程模型的电磁仿真和燃烧室等复杂工程模型的流体仿真中,验证了本项目发展的网格生成方法的有效性。

项目成果

期刊论文数量(3)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(0)
面向复杂几何模型的多级并行四面体网格生成算法
  • DOI:
    10.11887/j.cn.202102005
  • 发表时间:
    2021
  • 期刊:
    国防科技大学学报
  • 影响因子:
    --
  • 作者:
    徐权;刘田田;冷珏琳;杨洋;郑澎
  • 通讯作者:
    郑澎
基于几何矩的CAD模型形状匹配算法及应用
  • DOI:
    10.11996/jg.j.2095-302x.2021040608
  • 发表时间:
    2021
  • 期刊:
    图学学报
  • 影响因子:
    --
  • 作者:
    冷珏琳;张哲;刘田田;郑澎
  • 通讯作者:
    郑澎
面向自适应计算的局部四面体网格重划分
  • DOI:
    10.13413/j.cnki.jdxblxb.2020276
  • 发表时间:
    2021
  • 期刊:
    吉林大学学报(理学版)
  • 影响因子:
    --
  • 作者:
    刘田田;郑澎;冷珏琳;刘伟杰;徐权;杨洋
  • 通讯作者:
    杨洋

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

澄合矿区5煤综采面不同倾长下底板破坏深度规律研究
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    煤炭技术
  • 影响因子:
    --
  • 作者:
    李昂;李睿妮;王盼;刘田田;余杰;李昕育
  • 通讯作者:
    李昕育
喜极而泣——积极情绪的二态表达
  • DOI:
    10.16719/j.cnki.1671-6981.20170309
  • 发表时间:
    2017
  • 期刊:
    心理科学
  • 影响因子:
    --
  • 作者:
    张明明;刘田田;任杰;余益兵;何华敏;贺伟婕;罗文波
  • 通讯作者:
    罗文波
农民创业企商模式调适的动因与策略:基于70个农民创业故事的内容分析
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    燕山大学学报(哲社版)
  • 影响因子:
    --
  • 作者:
    张敬伟;刘田田
  • 通讯作者:
    刘田田
创业学习互动导向对新创企业绩效的作用机制研究
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    科技进步与对策
  • 影响因子:
    --
  • 作者:
    刘田田;张敬伟;裴雪婷
  • 通讯作者:
    裴雪婷
海马微量注射酪氨酸激酶受体结合蛋白B3激动剂对癫痫模型大鼠自发性痫性发作的影响及其机制
  • DOI:
    10.3760/cma.j.cn371468-20210319-00147
  • 发表时间:
    2021
  • 期刊:
    中华行为医学与脑科学杂志
  • 影响因子:
    --
  • 作者:
    刘田田;肖波;张敏;王欣格;刘恒方;滕军放
  • 通讯作者:
    滕军放

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码