在自适应八叉树网格中应用于格子玻尔兹曼方法的GPU原生复杂几何体嵌入

自适应网格细化（AMR）通过在需要的地方集中分辨率来降低计算流体动力学（CFD）的计算成本，但在GPU上有效嵌入复杂的、非对齐的几何形状仍然具有挑战性。我们提出了一种GPU原生算法，通过将静态三角网格几何体纳入块结构的八叉树森林网格，完全在设备上进行固体体素化和自动近壁细化。该方法采用通过空间箱层次加速的局部光线投射，利用高效的网格块遍历消除了常常在CPU管道中使用的索引排序和哈希表的需要，并且无需CPU-GPU同步即可实现合并内存访问。构建了流体和固体单元之间切割链接距离的扁平查找表，以支持格子玻尔兹曼方法（LBM）准确插值的反弹边界条件。我们将该方法实现为GPU基础的AMR的AGAL框架扩展，并使用来自斯坦福3D扫描库的斯坦福兔（112K三角形）和XYZ RGB龙（7.2M三角形）模型对几何模块进行了基准测试。扩展的求解器在流经圆形/方形圆柱体（2D，Re = 100）和球体（3D，Re ∈ 10，15，20）时得到了验证。结果表明，几何处理和插值带来了适度的开销，同时在自适应直角网格上提供了准确的力预测和稳定的近壁分辨率。这一方法是通用的，适用于其他需要GPU驻留几何嵌入的显式求解器。