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]	贺怀清, 翟羽佳, 刘浩翰, 惠康华. 基于特征增强的3D目标检测模型ICasA[J]. 吉林大学学报(理学版), 2026, 64(4): 823-0834.
[2]	胡亨伍, 李松涛. 基于小波相位滤波的X光图像多层次模糊增强方法[J]. 吉林大学学报(理学版), 2026, 64(4): 835-0841.
[3]	熊哲源, 汪灿华, 郑炳城, 沈志伟. 基于改进注意力W-Net的超声图像分割算法[J]. 吉林大学学报(理学版), 2026, 64(4): 842-0848.
[4]	唐菁敏, 罗浩天, 虞贵财. 人工噪声辅助的无人机通感一体化安全波束成形[J]. 吉林大学学报(理学版), 2026, 64(4): 879-0886.
[5]	王红斌, 张煊赫, 侯明辉. 基于层级知识增强和义原知识的中文隐式情感分析[J]. 吉林大学学报(理学版), 2026, 64(3): 568-0580.
[6]	陈海鹏, 孔鸣, 张洪语, 孙宝胜. 基于边界感知与特征融合的病理图像分割网络[J]. 吉林大学学报(理学版), 2026, 64(3): 581-0590.
[7]	高凯, 王晟宇, 付强, 才华, 张晨洁, 王伟刚. 基于多层级交互式特征融合的三维目标检测算法[J]. 吉林大学学报(理学版), 2026, 64(3): 591-0602.
[8]	张弄, 徐哲文, 刘长征. 基于领域先验知识的时空神经网络模型在MJO预报中的应用[J]. 吉林大学学报(理学版), 2026, 64(3): 617-0626.
[9]	张书达, 李慧盈. 融合欧氏与双曲几何的深度度量学习方法[J]. 吉林大学学报(理学版), 2026, 64(2): 284-0290.
[10]	吴建, 王兴旺, 孙亚峰, 于美铭. 基于多压缩机制协同的轻量化模型在课堂行为检测中的应用[J]. 吉林大学学报(理学版), 2026, 64(2): 301-0310.
[11]	姜昀奇, 韩晓同, 田原. 基于大语言模型与适配器驱动的知识图谱补全算法[J]. 吉林大学学报(理学版), 2026, 64(2): 291-0300.
[12]	路扬, 张学沛, 马小蕾, 王一博, 白金峰. 基于多模态自适应融合的呼吸频率预测方法[J]. 吉林大学学报(理学版), 2026, 64(2): 319-0328.
[13]	金先进, 张晋恒, 杨建平, 孙晓海, 周兵. 基于改进YOLOv9的玉米幼苗轻量级杂草检测模型Weed-YOLO[J]. 吉林大学学报(理学版), 2026, 64(2): 329-0343.
[14]	刘爽, 吕俊良, 秦宇航, 秦丹丹, 孙佳慧. 基于YOLOv8的PCB缺陷检测改进算法[J]. 吉林大学学报(理学版), 2026, 64(2): 344-0350.
[15]	廉雄杰, 董振. 基于XLM-RoBERTa-Large-Finetuned-Conll03-English模型结合CRF的中文命名实体识别微调优化方法[J]. 吉林大学学报(理学版), 2026, 64(2): 370-0376.