一种快速的基于物理模型的织物模拟

提出了一种基于物理模型的实时动态模拟织物的方法。模拟织物的运动一直都是虚拟仿真的重要课题,在电影、游戏和虚拟现实中大量用到,但是逼真的模拟往往需要高昂的计算代价。文章通过对织物物理和几何属性分析,构造出一个带约束的物理模型,使用一种自适应的迭代法,最大限度地利用了局部时间和空间上的模拟参数,大大提高了计算的效率。并根据织物的物理特性,优化共轭梯度法,综合各种算法的优点,不断优化算法,可以实时地并且精确地模拟织物的运动。

基于物理机制模型的民机机体噪声预测

为实现民机总体方案快速评估与优化迭代设计,文章对民机增升装置前缘缝翼及后缘襟翼分别建立了基于民机噪声物理机制的预测模型,在此基础上搭建了机体噪声预测体系,开发了相应的预测工具UNICRAFT.为评估预测工具UNICRAFT的计算精度和效率,文章分别针对翼吊式布局,前缘缝翼/Fowler式襟翼形式,以及尾吊式布局,前缘缝翼\双缝子翼加后退式襟翼形式的增升装置进行了计算校核验证,通过与声学风洞试验结果对比分析,验证了本文发展的预测工具及预测体系的有效性,能够实现飞机级噪声水平的高效预测.

动态纹理合成技术研究综述

动态纹理是指描述某种动态景观的具有时间相关重复特征的图像序列,比如海浪、瀑布、火焰、烟雾等,它在视频制作、虚拟仿真、虚拟漫游中具有重要的应用价值。动态纹理的合成一直是计算机图形学的主要目标和难点之一, 本文主要研究综述了基于视频的动态纹理合成技术。基于视频的动态纹理合成技术不同于传统的基于物理仿真的方法,它不需要了解动态系统的原理,而是在对动态纹理样本进行分析和学习的基础上合成。文中对各种基于视频的动态纹理合成方法进行了比较和分析,总结了动态纹理合成的研究思路和指出了下一步的研究方向。

基于OSG的实时烟雾模拟的研究与应用

为了模拟出具有实时性和真实感的烟雾效果,分析了传统烟雾的模拟方法,提出了一种基于OSG平台下的实时烟雾模拟方法。该方法采用流体力学纳维-斯托克斯方程组作为基本物理模型,通过添加漩涡约束力来达到真实性的要求。由于NS方程求解的复杂性和CPU计算的限制性,在方程解算上,提出一种基于GPU的采用半拉格朗日方法、雅克比迭代法等稳定的求解方法,并结合体绘制技术来实现实时烟雾的模拟。实验结果表明,该方法能快速模拟出实时、逼真的烟雾效果。

卫星电缆柔性体参数化几何建模方法研究

针对卫星电缆属于柔性件的特点,提出以动态非均匀有理样条B曲线(Dynamic NURBS)建立基于物理特性的电缆几何模型和动力学模型.模型综合考虑了电缆刚度、质量分布、内部变形能等物理量,经仿真验证该模型能在虚拟环境中有效反映电缆的真实形态和运动状况并估算电缆长度,为卫星电缆的虚拟装配提供理论支持.

基于机器学习的三维场景高度真实感绘制方法综述

目前,电影、动漫、游戏等产业对真实感绘制的需求越来越高,而三维场景高度真实感绘制通常需要耗费大量的计算时间和存储空间来计算全局光照,如何在保证绘制质量的前提下提升绘制速度依然是图形学领域面临的核心和热点问题之一.数据驱动的机器学习方法开辟了一种新的研究思路,近年来研究者将多种高度真实感绘制方法映射为机器学习问题,从而大大降低了计算成本.总结分析了近年来基于机器学习的高度真实感绘制方法的研究进展,具体包括:基于机器学习的全局光照优化计算方法、基于深度学习的物理材质建模方法、基于深度学习的参与性介质优化绘制方法、基于机器学习的蒙特卡洛降噪方法等.详细论述了各种绘制方法与机器学习方法的映射思路,归纳总结了网络模型以及训练数据集的构建方式,并在绘制质量、绘制时间、网络能力等多个方面开展了对比分析.最后,本文提出了机器学习和真实感绘制相结合的可能思路和未来展望.

一种高效实时的烟雾动画模拟方法

近年来,基于物理模型的烟雾模拟成为计算机动画领域中的一个研究热点。早期的基于物理的方法很难同时满足实时性和真实感的要求。文章采用流体力学无粘不可压欧拉方程组作为基本物理模型,添加漩涡约束力来描述流体中的漩涡,简化了数值模拟计算的同时保证了模拟的真实感。数值计算上,采用半拉格朗日方法、高斯-塞德尔迭代法等稳定的求解方法来实现大时间步长模拟,保证了模拟的实时性。实验表明,该方法是一种高效实时的烟雾动画模拟方法,而且模拟结果真实感较强。

基于PINN深度机器学习技术求解多维中子学扩散方程

阐述了基于物理信息指引的神经网络模型(PINN),构造深度神经网络作为试函数,将其代入中子学扩散方程形成残差,并作为机器学习的加权损失函数,进而通过深度机器学习技术逼近中子学扩散方程数值解;针对扩散方程的特点,提出了特征值方程加速收敛方法、有效增殖系数(k_(eff))高效并行搜索技术、学习样本网格点不均匀分布策略等创新性关键技术,并对神经网络深度、神经元数量、边界条件损失函数权重等关键参数进行了敏感性分析。验证计算结果表明,该方法具有良好的精度,提出的关键技术具有显著的成效,为中子学扩散方程的数值求解探索出了新的技术途径。