[發(fā)明專利]一種三維動態(tài)流體仿真算法智能匹配方法

無效

• 申請?zhí)枺?/td>: 201310167664.2
• 申請日: 2013-04-27
• 公開（公告）號: CN103294850A
• 公開（公告）日: 2013-09-11
• 發(fā)明（設計）人: 徐青;張冰;朱彩英;曹丹丹;劉曉春;周揚;葉穎
• 申請（專利權）人: 蘇州市數(shù)字城市工程研究中心有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06T17/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明涉及三維流體動態(tài)仿真模擬技術領域，是一種用于智能匹配三維動態(tài)流體仿真算法的方法。

背景技術

三維動態(tài)流體仿真是目前計算機圖形學領域的研究重要方向之一，是計算機再現(xiàn)真實自然現(xiàn)象的發(fā)展熱點和難點，目前已被廣泛的應用于海洋仿真、沙漠演進、氣象預報、環(huán)境分析、數(shù)字電影、游戲等領域。流體是液體和氣體的總稱，通常不以固定的形狀和穩(wěn)定的流動狀態(tài)存在于自然界中，由于其分子的結構特殊性和作用外力的不穩(wěn)定性特點，使其運動規(guī)律與整體形態(tài)出現(xiàn)不確定、無規(guī)則的變化。利用三維流體動態(tài)仿真模擬將流體的形態(tài)變化與運動趨勢真實展現(xiàn)，精確形象地描述流體對象的四維空間運動。

近年隨著流體仿真算法研究的不斷深入，以及計算機圖形學的日益發(fā)展，基于虛擬現(xiàn)實技術的三維流體動態(tài)仿真的需求逐漸增加，越來越多的研究者進行著流體仿真與模擬方法的深入研究。隨著GPU技術的迅速提升，使三維流體仿真模擬無論從運算速度還是復雜細節(jié)表現(xiàn)等方面都得到了支持，從而為真實模擬仿真三維流體的實時繪制、人機交互奠定了基礎。然而當流體仿真模擬視覺效果更加真實、各式流體算法層出不窮時，卻沒有一個平臺可以將這些技術與算術很好的結合起來，實現(xiàn)流體的智能匹配學習與算法重構，其缺陷綜合表現(xiàn)為：

一、仿真模型的復雜繁多。流體仿真算法繁多復雜，各個方法都有其自身的優(yōu)缺點以及不同的應用領域。針對不同用戶的要求，如何構建結構化文檔來分類整理已有的流體仿真算法模型并指導用戶選擇合適的仿真模型來滿足需求是一個關鍵問題。

二、專業(yè)領域強，流體仿真研究的片面化。當前對三維動態(tài)流體的仿真研究專業(yè)性比較強，流體仿真算法和三維渲染分屬于兩個專業(yè)領域，大多情況下主要針對其中一個方向進行研究，很少做到兩個方向相結合的研究，也很難做到實時驗證。

三、仿真方法不統(tǒng)一，未能實現(xiàn)共享。不同應用領域，仿真算法選取不同，并且針對某一特定領域使用單一的仿真算法模擬，未能實現(xiàn)仿真方法的統(tǒng)一，讓不同的流體應用領域對其共享。

四、仿真方法的選擇缺乏智能化。在不同的流體應用專業(yè)領域中，針對不同類型的流體仿真模型，例如基于幾何模型、基于統(tǒng)計模型、基于物理模型以及混合模型等，可以采用不同的繪制方法來得到不錯的模擬效果。然而，如何對多種流體仿真模型和模擬方法進行智能匹配和選擇，是一個新的研究思路。

發(fā)明內容

本發(fā)明就是為了解決現(xiàn)有流體仿真技術的不足而提出的一種智能匹配流體仿真算法從而實現(xiàn)流體的實時重構與智能匹配，準確、高效的模擬出在各時空下動態(tài)流體的狀態(tài)，以輔助做好應急、報警等各項預案措施。

為了達到上述發(fā)明目的，本發(fā)明采用的技術方案為：一種三維流體動態(tài)仿真算法的智能匹配的方法，該方法包括：

a)收集整理分析自然界常見的流體材料以及仿真算法，建立流體仿真算法庫，所述的流體仿真算法庫包括算法方程庫、流體材料庫、流場環(huán)境模型庫以及目標流體描述語言。

b)仿真算法智能化匹配，所述的仿真算法智能化匹配指系統(tǒng)以讀入用戶自定義的目標流體特征為條件，確定目標流體描述語言，依據(jù)數(shù)據(jù)庫的存儲邏輯關系，繼而匹配出滿足用戶需求的流體仿真算法方程；

c)實時三維動態(tài)流體模型的重建，所述的三維動態(tài)流體模型重建指對流體仿真的驗證確定，該步驟包括改變流體仿真條件、重復構建三維動態(tài)流體網(wǎng)格腳本、模型輸出結果論證，比較取得最合適的效果，其特征在于，系統(tǒng)包括一個演示窗口，用于實時觀察重新構建后的流體對象；

d)控制參數(shù)重構與算法重構，所述參數(shù)重構包括對算法中涉及用到的參數(shù)信息的進行重組定義，例如對在煙霧的仿真算法中，重新設定它的影響參數(shù)，包括濃度、位置、擴散方向、擴散速度、擴散范圍、風力大小等參數(shù)，并進行參數(shù)賦值，模擬符合用戶個性化需求的煙霧效果；所述的算法重構指為鍵入的目標流體描述語言附上個性參數(shù)信息，例如初始邊界條件、邊界劃分、流體材料特征、流場環(huán)境模型等，建立與之相應的目標流體描述語言和模擬驗證后，確定存入算法方程庫的算法重建過程；

e)構建流體仿真算法智能化學習機制；

上述(c)、(d)、(e)沒有時間上的先后順序，可自由組合重復操作；

在步驟a中，所述的算法方程庫是指通過對如煙霧、火焰、水面、海面等常見的流體種類的仿真算法方程進行收集處理，并對其進行分類標識，按類存儲入庫，并對其中每一算法方程定義簡單能夠唯一標識的目標流體描述語言說明其運用條件和執(zhí)行參數(shù)，算法包括基于物理模型的算法、基于粒子系統(tǒng)的算法、基于統(tǒng)計模型的算法、基于幾何模型的算法、基于分形幾何的算法、基于過程紋理的算法、基于混合模型的算法；