微液滴动力学特性的耗散粒子动力学模拟

对传统的耗散粒子动力学方法进行了改进.改进的耗散粒子动力学方法采用了包含远程吸引力和近距排斥力的保守力势函数,从而使得用耗散粒子动力学方法模拟多相流动成为可能.应用改进的耗散粒子动力学方法,对微尺度下液滴的形成及液滴在微重力下的大幅度振荡变形进行了数值模拟.计算结果表明,改进的耗散粒子动力学(DPD)方法能够有效地描述微尺度下液滴的动力学特性,对研究复杂流体多相流动有着重要的意义. 关键词： 多相流 微液滴 耗散粒子动力学(DPD)方法 保守力势函数     

介观尺度通道内多相流动的耗散粒子动力学模拟

采用四次方光滑函数构造了包含远程吸引近距排斥的保守力势函数, 应用该势函数, 采用耗散粒子动力学方法, 对十字型微通道内的多相流动进行了计算. 计算结果表明, 该势函数能有效模拟十字型微通道内的流动过程及模式. 关键词： 多相流 耗散粒子动力学 保守力势函数     

耗散粒子动力学对颗粒沉降问题的研究

给出了一种耗散粒子动力学方法模拟流体流动的理论及数值模型,包括控制方程组、边界条件、数值计算方法.使用耗散粒子动力学方法编程计算了颗粒在重力作用下的沉降运动,观察到颗粒的质量和所受重力对颗粒运动轨迹的影响,且颗粒质量越小,所受重力越小,颗粒运动所表现出的随机性越强烈.从而验证了所采用的数学模型、计算方法在流动数值模拟中的可行性及潜在优势.     

气体动力学直接模拟Monte Carlo的高效GPU并行计算

实现了基于计算统一设备架构(CUDA)的直接模拟Monte Carlo(DSMC)并行算法,改进了原有多图形处理器(GPU)数据之间传输并行算法,数值模拟计算二维Couette流和二维顶盖驱动方腔流,定量比较了CPU、单GPU和多GPU并行计算的结果和计算时间.结果表明单GPU并行计算相对CPU计算的加速效果可以达到10~30倍,双GPU并行计算加速效果可以达到40~60倍,多GPU并行计算的加速效率接近100%,且计算精度能够得到良好保证.     

带凹槽的微通道中液滴运动数值模拟

运用改进的耗散粒子动力学方法模拟了液滴在由凹槽所构成的粗糙表面微通道内的运动行为.改进的耗散粒子动力学方法采用新近提出的一种短程排斥、长程吸引相互作用势能函数,从而可以模拟带有自由面的流体,如液滴等.模拟了新势能函数下液滴与固体壁面的静态接触角,并用2次多项式拟合了"接触角-a_wf/a_f"变化曲线.研究了液滴在带凹槽的微通道中运动时,微通道壁面浸润性、外场力、液滴温度对液滴流动特性的影响.研究表明壁面浸润性和外场力对液滴流动特性的影响较大,液滴温度对液滴流动特性的影响较小.研究结果对运用耗散粒子动力学方法模拟并分析微流体在复杂微通道的流动有一定的参考价值.     

大规模声学边界元法的GPU并行计算

提出一种大规模声学边界元法的高效率、高精度GPU并行计算方法.基于Burton-Miller边界积分方程,推导适于GPU的并行计算格式并实现了传统边界元法的GPU加速算法.为提高原型算法的效率,研究GPU数据缓存优化方法.由于GPU的双精度浮点运算能力较低,为了降低数值误差,研究基于单精度浮点运算实现的doublesingle精度算法.数值算例表明,改进的算法实现了最高89.8%的GPU使用效率,且数值精度与直接使用双精度数相当,而计算时间仅为其1/28,显存消耗也仅为其一半.该方法可在普通PC机(8GB内存,NVIDIA Ge Force 660 Ti显卡)上快速完成自由度超过300万的大规模声学边界元分析,计算速度和内存消耗均优于快速边界元法.     

基于GPU的内流高精度湍流模拟

计算流体力学中,速度和精度是衡量求解器性能的重要因素,对于高精度湍流问题,求解时间普遍较长,本文致力于开发基于GPU的并行计算求解器,以加快求解速度。本文首先介绍了课题组已有的流动方程求解器,然后根据CUDA编程结构的特点进行优化对组内求解器进行GPU实现及优化。最后本文将优化后的并行计算求解器应用于压气机叶片的三维计算,对其转捩过程及机理进行分析,并获得了53的加速比。     

介观尺度流体绕流球体的耗散粒子动力学模拟

采用耗散粒子动力学(dissipative particle dynamics, DPD)方法, 对两平行平板间流体绕流三维球体进行了计算. 球体和平行平板由达到平衡状态的冻结DPD粒子组成, 流体在不同无量纲外力驱动下流动, 球体受力由组成球体的所有冻结DPD粒子求和得到. 流动达到充分发展后, 输出球体在流动方向的受力, 并计算球体的阻力系数, 与文献中的关联式进行了对比. 结果表明, 在Re≤qslant 100的范围内, DPD方法能较准确地计算出阻力系数, 在较大雷诺数时, 由于流     

介观尺度流体绕流球体的耗散粒子动力学模拟

采用耗散粒子动力学(dissipative particle dynamics, DPD)方法, 对两平行平板间流体绕流三维球体进行了计算. 球体和平行平板由达到平衡状态的冻结DPD粒子组成, 流体在不同无量纲外力驱动下流动, 球体受力由组成球体的所有冻结DPD粒子求和得到. 流动达到充分发展后, 输出球体在流动方向的受力, 并计算球体的阻力系数, 与文献中的关联式进行了对比. 结果表明, 在Re≤qslant 100的范围内, DPD方法能较准确地计算出阻力系数, 在较大雷诺数时, 由于流体的压缩性导致计算结果出现差异.     

耗散粒子动力学处理复杂固体壁面的一种有效方法

耗散粒子动力学(dissipative particle dynamics,DPD)作为一种介观尺度拉格朗日型粒子方法,已经成功地应用于微纳米流动和生化科技的研究中.复杂固体壁面的处理和壁面边界条件的实施一直是DPD方法发展及应用的一个障碍.提出了处理复杂固体壁面的一种新的方法.复杂固体区域通过冻结随机分布并且达到平衡状态的DPD粒子代表;所冻结的DPD粒子位于临近流动区域的一个截距内;在靠近固体壁面的流动区域中设置流动反弹层,当流动DPD粒子进入此流动层后反弹回流动区域.应用这种固体壁面处理方法对简单流动区域的Poiseuille流动和复杂多孔介质内的流动进行了分析.研究表明,这种新的固体壁面处理方法能够有效模拟复杂固体区域,准确实施壁面边界条件.     

数字散斑识别算法中的GPU高性能运算应用研究

数字散斑相关方法有着测量环境简单、全场非接触等优点,但算法效率一直是限制其发展的瓶颈之一。GPU有着天然的并行性,GPU高性能运算可以为计算机图形处理带来极大的效率提升。利用CUDA平台编程对传统的数字散斑逐点搜索算法、十字搜索算法及遗传算法进行GPU高性能并行处理,并与传统方法比较分析。实验结果表明,对于尺寸为150150像素的散斑图像,3种方法效率分别提升了20倍、8倍、31倍;对于尺寸为500500像素的散斑图像,3种方法效率分别提升了183倍、33倍、44倍;对于尺寸为1 0001 000像素的散斑图像,3种方法效率分别提升了424倍、116倍、44倍。     

层析法计算三维物体全息图的并行加速研究

随着计算空间光调制器的分辨率的尺寸逐渐变大，全息图三维动态显示的计算量也越来越大，使得对全息计算速度提出了新的要求。利用GPU并行计算处理的方式实现全息图的快速层析法计算，该方法利用GPU并行多线程和层析法中的图像二维傅里叶变换的优势对菲涅尔衍射变换算法加速计算；同时通过对GPU底层资源的调用和对CUDA中程序的流处理过程，有效减少中间的延时等待。通过对计算速度对比分析表明:与在CPU上运算相比，计算速度大幅提升，基于GPU并行计算的方法比基于CPU计算的方法速度快10倍左右。     

GPU accelerated Monte Carlo simulation of the 2D and 3D Ising model

The compute unified device architecture (CUDA) is a programming approach for performing scientific calculations on a graphics processing unit (GPU) as a data-parallel computing device. The programming interface allows to implement algorithms using extensions to standard C language. With continuously increased number of cores in combination with a high memory bandwidth, a recent GPU offers incredible resources for general purpose computing. First, we apply this new technology to Monte Carlo simulations of the two dimensional ferromagnetic square lattice Ising model. By implementing a variant of the checkerboard algorithm, results are obtained up to 60 times faster on the GPU than on a current CPU core. An implementation of the three dimensional ferromagnetic cubic lattice Ising model on a GPU is able to generate results up to 35 times faster than on a current CPU core. As proof of concept we calculate the critical temperature of the 2D and 3D Ising model using finite size scaling techniques. Theoretical results for the 2D Ising model and previous simulation results for the 3D Ising model can be reproduced.     

High accuracy digital image correlation powered by GPU-based parallel computing

A sub-pixel digital image correlation (DIC) method with a path-independent displacement tracking strategy has been implemented on NVIDIA compute unified device architecture (CUDA) for graphics processing unit (GPU) devices. Powered by parallel computing technology, this parallel DIC (paDIC) method, combining an inverse compositional Gauss–Newton (IC-GN) algorithm for sub-pixel registration with a fast Fourier transform-based cross correlation (FFT-CC) algorithm for integer-pixel initial guess estimation, achieves a superior computation efficiency over the DIC method purely running on CPU. In the experiments using simulated and real speckle images, the paDIC reaches a computation speed of 1.66×10⁵ POI/s (points of interest per second) and 1.13×10⁵ POI/s respectively, 57–76 times faster than its sequential counterpart, without the sacrifice of accuracy and precision. To the best of our knowledge, it is the fastest computation speed of a sub-pixel DIC method reported heretofore.     

激波与火焰面相互作用数值模拟的GPU加速

为考察计算机图形处理器（GPU）在计算流体力学中的计算能力,采用基于CPU/GPU异构并行模式的方法对激波与火焰界面相互作用的典型可压缩反应流进行数值模拟,优化并行方案,考察不同网格精度对计算结果和计算加速性能的影响.结果表明,和传统的基于信息传递的MPI 8线程并行计算相比,GPU并行模拟结果与MPI并行模拟结果相同;两种计算方法的计算时间均随网格数量的增加呈线性增长趋势,但GPU的计算时间比MPI明显降低.当网格数量较小时（1.6×10⁴）,GPU计算得到的单个时间步长平均时间的加速比为8.6;随着网格数量的增加,GPU的加速比有所下降,但对较大规模的网格数量（4.2×10⁶）,GPU的加速比仍可达到5.9.基于GPU的异构并行加速算法为可压缩反应流的高分辨率大规模计算提供了较好的解决途径.     

离子发动机交换电荷离子返流的粒子模拟

 建立了离子发动机羽流的物理模型,采用粒子网格对羽流中的交换电荷离子的分布进行了模拟,电场方程使用完全近似格式的代数多重网格方法求解。利用计算设备统一架构技术开发出一套基于图形处理器的3维并行粒子模拟程序。计算结果表明,交换电荷离子在径向扩张型电势结构下会向束流区外运动,一部分交换离子在电场力作用下会向发动机上游运动,从而形成返流。发动机上游区域的交换电荷数密度与束流等离子体数密度相比降低了3~4个数量级。通过降低电子温度可有效降低返流电流。     

基于嵌入式GPU的运动目标分割算法并行优化

在光电监视系统中,广泛应用于运动目标分割的PBAS(pixel base adaptive segmenter)算法计算复杂、参数量大,难以达到实时分割的要求。针对PBAS算法是对图像中每个像素点进行独立处理,特别适合于GPU并行加速的特点,对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在数据存储结构、共享内存使用、随机数产生机制3个方面对该算法进行了优化设计。实验结果表明,对于480×320像素分辨率的中波红外视频序列,该并行优化方法可以达到132 fps的处理速度,满足了实时处理的要求。     

基于统一计算设备架构的干涉成像光谱快速反演技术研究

在基于干涉光谱成像的气体成分实时遥测应用中,为了对推扫获取的原始干涉数据进行快速、有效的反演处理,提出一种结合计算统一设备架构（CUDA）的并行时空混合调制型长波红外干涉光谱反演算法。通过分析自主研制的时空混合调制型干涉光谱仪的数据获取模式,结合CUDA平台实现了并行反演算法。实验结果表明,基于CUDA平台的并行计算技术比仅使用CPU进行计算在效率上提升了5至20倍,为后期进一步做光谱识别打下了基础。     

Fast parallel Grad–Shafranov solver for real-time equilibrium reconstruction in EAST tokamak using graphic processing unit

To achieve real-time control of tokamak plasmas, the equilibrium reconstruction has to be completed sufficiently quickly. For the case of an EAST tokamak experiment, real-time equilibrium reconstruction is generally required to provide results within 1ms. A graphic processing unit(GPU) parallel Grad–Shafranov(G-S) solver is developed in P-EFIT code,which is built with the CUDA? architecture to take advantage of massively parallel GPU cores and significantly accelerate the computation. Optimization and implementation of numerical algorithms for a block tri-diagonal linear system are presented. The solver can complete a calculation within 16 μs with 65×65 grid size and 27 μs with 129×129 grid size, and this solver supports that P-EFIT can fulfill the time feasibility for real-time plasma control with both grid sizes.     

微通道中高分子溶液Poiseuille流的耗散粒子动力学模拟

利用耗散粒子动力学(dissipative particle dynamics, DPD)方法模拟了微通道中高分子溶液的Poiseuille流动.研究表明, 微通道中的高分子溶液呈现非牛顿流体特性, 可以用幂律流体来描述流动行为, 高分子浓度越大, 幂律指数n 越小. 高分子链与壁面的流体动力学相互作用以及布朗扩散率梯度控制着高分子链的横向迁移. 由于传统的DPD方法中壁面诱导的流体动力学作用部分被屏蔽, 高分子链将向壁面方向迁移, 并且随着流场增强, 高分子链向壁面方向迁移越明显. 未被屏蔽的流体动力学相互作用和布朗扩散率梯度相互竞争, 使高分子链在微通道内的质心分布呈双峰状, 通道中心处高分子浓度出现局部最小值. 当通道宽度减小、强受限时, 壁面与高分子链间的流体动力学相互作用可能全部被屏蔽, 而布朗扩散运动弱, 高分子向壁面方向有微弱的迁移. 关键词： 耗散粒子动力学 高分子溶液 非牛顿流体 横向迁移