gpu通用计算平台上的sph流体模拟 gpgpu-based smoothed particle hydrodynamic fluid simulation.pdfVIP

下载本文档

3
0
约1.99万字
约 6页
2017-09-04 发布于上海
举报
版权申诉

gpu通用计算平台上的sph流体模拟 gpgpu-based smoothed particle hydrodynamic fluid simulation.pdf

1、本文档共6页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

gpu通用计算平台上的sph流体模拟 gpgpu-based smoothed particle hydrodynamic fluid simulation

V01．22 第22卷第3期计算机辅助设计与图形学学报 No．3 2010年3月 JournalofComputer—AidedDesignComputer Mar．2010 Graphics GPU通用计算平台上的SPH流体模拟温婵娟，欧嘉蔚，贾金原 (同济大学软件学院图形图像实验中心上海201804) (chanjuan．wen@grnail．corn) 摘要：针对流体模拟需要大量计算资源从而很难达到实时模拟的问题，提出一种完全在GPU上实现的基于平滑粒子流体动力学的流体模拟方法．首先通过在GPU上构造基于哈希函数的空间均匀网格来实现任意大小场景的快速邻近粒子查找，并在GPU上并行求解SPH流体方程来实现流体模拟；渲染流体时，通过在顶点着色器中进行纹理采样，利用粒子坐标缓存数据直接更新流体粒子系统的顶点缓存，从而避免了CPU--GPU之间的数据传输，充分利用了GPU的并行性．实验对比表明，与纯CPU实现以及CPU和GPU混合实现的模拟结果相比，采用该方法能显著地减少单个时间片的计算时间，大幅度提高流体模拟和渲染的整体性能．关键词：并行处理；物理流体模拟；GPU；Navier-Stokes方程中图法分类号：TP391．9 GPGPU·basedSmoothedParticle FluidSimulation Hydrodynamic Wen uan，Ou Chanj Jiawei，andJiaJinyuan (ResearchCenter and 201804) ofGraphicsImage，SchoolofSoft,rareEngineering，TongjiUniversity，Shanghai fluidsimulationhasbecomea taskdueto intensive Abstract：Real—time challenging its resource anew SPHfluidsimulationmethodbased presents required．Thispaper particle-based on thismethod，hash—baseduniformisconstructedonGPUtolocate completelyGPU．By grid firstly the in scalescenes．Thenin vertex faster neighborparticles arbitrary renderingstage，theparticle bufferis withthe buffer texturesinvertex particle directlyby shader，thus， updated position sampling theintensivedatatransfersbetweenCPUandGPUiSavoidedandthe ofGPUhardwareiS parallelism furtherutilized．The resultsshowthat，in