面向自适应计算的局部四面体网格重划分

吉林大学学报(理学版) ›› 2021, Vol. 59 ›› Issue (6): 1461-1468.

面向自适应计算的局部四面体网格重划分

刘田田^1,2, 郑澎^1,3, 冷珏琳^1,2, 刘伟杰^1,2, 徐权^1,2, 杨洋^1,2

1. 中物院高性能数值模拟软件中心, 北京 100088; 2. 北京应用物理与计算数学研究所, 北京 100094;
3. 中国工程物理研究院计算机应用研究所, 四川绵阳 621900

收稿日期:2020-09-14 出版日期:2021-11-26 发布日期:2021-11-26
通讯作者: 刘田田 E-mail:liutt@lsec.cc.ac.cn

Local Tetrahedra Mesh Remeshing for Adaptive Computation

LIU Tiantian^1,2, ZHENG Peng^1,3, LENG Juelin^1,2, LIU Weijie^1,2, XU Quan^1,2, YANG Yang^1,2

1. CAEP Software Center for High Performance Numerical Simulation, Beijing 100088, China;
2. Institute of Applied Physics and Computational Mathematics, Beijing 100094, China;
3. Institute of Computer Application, China Academy of Engineering Physics, Mianyang 621900, Sichuan Province, China

Received:2020-09-14 Online:2021-11-26 Published:2021-11-26

摘要/Abstract

摘要： 为有效满足h自适应的网格重划分要求, 提出通过前沿推进法和Delaunay算法对四面体网格进行局部重划分. 首先, 在重划分过程中，采用由线到面、由面到体的顺序保证整体网格的协调性; 其次, 通过局部尺寸函数保证网格尺寸平滑过渡; 最后, 用投影法使网格满足几何保形. 仿真实验结果表明, 该算法适用于包含多部件的复杂计算机辅助设计(CAD)模型, 在h自适应加密过程中网格更贴近真实几何形态, 且重划分后可保证网格单元的质量.

关键词: 网格自适应技术, 局部重划分, 四面体网格, 复杂CAD模型

Abstract: In order to effectively meet the requirements of h-adaptive mesh remeshing, we proposed a local tetrahedral mesh remeshing by advancing front method and Delaunay algorithm. Firstly, the order from line to surface and from surface to body was adopted to ensure the coordination of the overall network in the process of remeshing. Secondly, the local size function was used to ensure the smooth transition of mesh size. Finally, the projection method was used to make the mesh be shape-preserving. The simulation results show that the algorithm is suitable for the complex computer aided design (CAD) model with multiple parts, the mesh is closer to the real geometry in the process of h-adaptive encryption, and the mesh quality can be guaranteed after remeshing.

Key words: adaptive mesh technique, local remeshing, tetrahedra mesh, complex CAD model

中图分类号:

TP391

刘田田, 郑澎, 冷珏琳, 刘伟杰, 徐权, 杨洋. 面向自适应计算的局部四面体网格重划分[J]. 吉林大学学报(理学版), 2021, 59(6): 1461-1468.

LIU Tiantian, ZHENG Peng, LENG Juelin, LIU Weijie, XU Quan, YANG Yang. Local Tetrahedra Mesh Remeshing for Adaptive Computation[J]. Journal of Jilin University Science Edition, 2021, 59(6): 1461-1468.

[1]	姜博, 左万利, 王英. 基于BERT的因果关系抽取[J]. 吉林大学学报(理学版), 2021, 59(6): 1439-1444.
[2]	刘军, 杨军, 宋姗姗. 基于用户购买意愿力的协同过滤推荐算法[J]. 吉林大学学报(理学版), 2021, 59(6): 1432-1438.
[3]	李长明, 张红臣, 王超, 李晓光, 陆洋, 钱超越. 一种高效的阴阳k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(6): 1455-1460.
[4]	朱海琦, 李宏, 李定文, 李富. 基于生成对抗网络的单图像超分辨率重建[J]. 吉林大学学报(理学版), 2021, 59(6): 1491-1498.
[5]	张颖, 马承泽, 杨平, 王新民. 基于小波变换和改进PCA的人脸特征提取算法[J]. 吉林大学学报(理学版), 2021, 59(6): 1499-1503.
[6]	燕杨, 郭皓钰, 魏宇航, 尤紫如, 肖志强, 黄文博. 基于改进SEIR算法的疫情传播趋势检测方法[J]. 吉林大学学报(理学版), 2021, 59(6): 1511-1516.
[7]	薛英杰, 韩威, 周松斌, 刘忆森. 基于生成对抗单分类网络的异常声音检测[J]. 吉林大学学报(理学版), 2021, 59(6): 1517-1524.
[8]	朱新丽, 才华, 寇婷婷, 杜冬晖, 孙俊喜. 行人多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1161-1170.
[9]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[10]	刘高天, 段锦, 范祺, 吴杰, 赵言. 基于改进RFBNet算法的遥感图像目标检测[J]. 吉林大学学报(理学版), 2021, 59(5): 1188-1198.
[11]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[12]	孙启隆, 于萍, 司振惠, 郭鑫, 王岩. 基于暗通道的沙尘图像增强算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1179-1187.
[13]	聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
[14]	胡雅婷, 陈营华, 宝音巴特, 曲福恒, 李卓识. 一种增量式MinMax k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1205-1211.
[15]	蒲晓川, 黄俊丽, 祁宁, 宋长松. 基于密度信息熵的K-means算法在客户细分中的应用[J]. 吉林大学学报(理学版), 2021, 59(5): 1245-1251.