排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
为了精化布料网格得到逼真的布料模拟效果,提出了一种基于机器学习的方法合成高分辨率布料褶皱.首先模拟真实的布料运动,获取布料运动的帧数据信息,将布料运动的帧数据信息转换为图像信息的形式进行存储.然后将图像信息作为输入,输入到卷积神经网络(CNN)中进行训练,通过将卷积神经网络与缩小网络相结合,最终得到高分辨率布料图像.最... 相似文献
2.
3.
在沉降罐液位举升与收油过程中,采用稳-瞬态相结合的全过程传热计算方法,建立了污水沉降罐稳态-瞬态传热温度场分析三维有限元耦合模型,对污水沉降罐和伴热盘管全运行过程传热特性进行分析,得到沉降罐与伴热盘管的温度分布。结果显示:在收油过程中,各圈盘管温度由进水侧向出水侧逐渐降低,盘管环向温降在0.1℃/m左右,盘管同一角度径向温降在每圈1℃左右;通过研究不同影响因素可知,进口温度、环境温度的升高以及盘管直径的增大都能有效提高伴热盘管传热特性,而保温层厚度的增大和进口流速的提高对伴热盘管传热特性影响很小,影响因素敏感程度排序为进口温度>环境温度>盘管直径>保温层厚度>进口流速。 相似文献
4.
以立式拱顶储罐为研究对象,针对其内部可燃气云爆炸问题,分别采用TNT当量法和计算流体动力学(CFD)方法建立了二维简化模型,对其内部爆炸流场进行了数值模拟研究。通过对比两种方法获得的罐内测点位置超压时程曲线,罐内超压、速度云图,研究了储罐内部的动态压力变化和罐壁压力分布规律。研究表明:两种方法计算的峰值压力在靠近罐壁和罐顶中心处较接近;在储罐顶壁连接处相差约30%。由于CFD方法考虑了可燃气云化学反应速率、温度等因素,其升压速度和压力波动规律相较于TNT当量法更平缓,能更合理地对储罐内部可燃气云爆炸压力场进行描述。 相似文献
5.
以5 000m~3立式拱顶储罐为研究对象,建立了储罐内外流场三维有限元模型,在考虑储罐壁面传热的前提下,采用组分概率密度运输燃烧模型对储罐内爆过程进行数值模拟分析,计算不同工况内爆载荷作用下的辐射半径。结果表明:空罐中心起爆时,爆炸压力波辐射距离为55m,相比靠近罐壁一侧起爆时的辐射距离减少10%;爆炸压力波辐射距离随液位的升高逐渐缩短,满灌、半罐液位相比空罐爆炸压力波辐射距离依次缩短37%、17%;在空罐中心起爆时,正向爆炸压力波传播距离相比侧向辐射的更远、更危险,辐射传播距离增加20%。 相似文献
6.
储罐在偶发爆炸载荷作用下易发生结构破坏,致使罐内储液流出,从而造成巨大的经济损失,但采用弱顶设计的储罐在此类事故发生时能减少损失。为此,以立式拱顶储罐为研究对象,综合考虑储罐破坏过程中内部压力、应力以及裂纹扩展等因素,建立了基于多判别条件的储罐内爆弱顶性能评价方法。同时,通过数值模拟手段,采用CEL(coupled Euler-Lagrange,耦合欧拉-拉格朗日)流固耦合算法建立了储罐内爆三维有限元模型,对内爆载荷作用下储罐的破坏过程及不同影响因素下储罐的弱顶性能开展研究。计算结果表明:在基于压力和应力的弱顶性能评价中,储罐在90°,135°,180°位置处的峰值压力比大于1,满足弱顶要求;在基于结构断裂的弱顶性能评价中,由于裂纹延伸到液位以下,2条裂纹分别穿过液位1.99 m和5.21 m,储罐不具备弱顶性能。随着储罐容积的增加、液位的升高,储罐的弱顶性能增强。根据计算所得结果,采取在液位以上设置防护圈的方法对储罐进行优化,使得非弱顶储罐满足弱顶结构设计要求。所建立的储罐弱顶性能评价条件可为储罐的弱顶设计及分析提供参考。 相似文献
7.
含缺陷埋地管道受到外爆载荷作用时缺陷处可能会发生贯穿,并进一步引起管道大面积破坏。考虑含缺陷管道与管内流体的流固耦合作用、土体与管道间的接触作用,建立了土体-含缺陷管道-流体的外爆多相耦合模型。基于损伤积累的破坏准则,计算管道缺陷处在外爆载荷作用下的损伤积累比率,分析了管道破坏的损伤积累过程。通过对比不同缺陷深度、形状,探讨缺陷结构对管道破坏的影响;并通过改变炸药量、爆心距,探讨外爆载荷对管道破坏的影响。结果表明:缺陷损伤在壁厚方向外侧大于内侧,二者之间的差值随时间推移而减小,最终二者损伤达到极限使管道破坏。损伤值随缺陷深度的增加而增大,圆形缺陷要比菱形和椭圆形对爆炸波抵抗能力强80%;管道损伤速度随炸药量增加而增大,1 m爆心距比3 m的损伤值高出2140%,管道破坏对爆心距的敏感度高于炸药量。研究成果可为工程爆破施工和预防含缺陷管道的外爆破坏提供参考。 相似文献
8.
目的 针对当前在虚拟环境中布料柔体碰撞检测效率慢和准确性低的问题,提出一种根节点双层包围盒树结构和融合OpenNN (open neural networks library)神经网络加速预测碰撞检测的算法。方法 首先改进了碰撞检测常用的包围盒技术,提出根节点双层包围盒算法,减少包围盒的构造时间。其次使用神经网络优化碰撞检测技术,利用神经网络可以处理大量数据的优势,每次可以检测大量基本图元是否发生碰撞,解决了碰撞检测计算复杂性高的问题。最后准确地找到碰撞粒子并做出碰撞响应。结果 在相同的复杂布料模型情况下,根节点双层包围盒算法在运行速度上比传统混合包围盒算法快,耗时缩减了5.51%~11.32%。基于OpenNN算法的总耗时比根节点双层包围盒缩减了11.70%,比融合DNN (deep neural network)的自碰撞检测算法减少了6.62%。随着碰撞检测难度的增大,当布料模型的精度增加84%时,传统物理碰撞检测方法用时增加96%,融合DNN的自碰撞检测算法用时增加90.11%,而本文基于神经网络的算法用时仅增加了68.37%,同时表现出更高的稳定性,满足使用者对实时性的要求。结论 对于模拟场景中简单模型的碰撞,本文提出的根节点双层包围盒算法比传统的包围盒方法耗时短。对于复杂模型,基于OpenNN神经网络的碰撞检测算法在效率上优于传统的包围盒算法和融合DNN的自碰撞检查算法,而且模拟效果的准确性也得以保证,是一种高效的碰撞检测方法。 相似文献
9.
10.