GPU如何加速流体仿真分析 附GPU加速的SPH方法在溢洪道水流模拟中的应用.pdf

优秀的计算性能和尖端的数值方法的组合，在更短的时间内研窕复杂的流体

问题，将为未来CFD领域高效而主流的方式。

01流体仿真发展趋势与计算需求

计算流体仿真力学，英文全称ComputationalFluidDynamics,缩写为CFD,

兴起于近50年来，是一门相对年轻的学科。它是数值数学和计算机科学结合的

产物，通过空间离散和数值求解的思路，对流体力学的各类问题进行数值实验、

模拟和分析研究，以解决学习、科研或者工程设计中的问题。

作为一个强大的计算工具，CFD在产品研发的诸多环节发挥着重要作用，

不仅具有低木，还可以捕捉到实验中难以采集的信息，此外，还能提供可控的

环境因素和良好的复现性。从CFD的发展趋势来看，一方面，CFD工具的发展

呈现为准确度、自动化、易用性、应用性能的持续提升；另一方面，CFD也与

热学、电化学、声学等学科不断融合发展，CFD工具变得更加强大。

面对一个具体的工程问题，CFD工程师在应用CFD工具进行仿真分析时的

基本流程，通常可以总结为五步：前处理、网格划分、边界条件加载、求解计算

和后处理。但如何去平衡计算量（网格数量）和计算时间，对于很多CFD工程

师都是个挑战。

在实际解决问题的过程中，CFD工程师除了希望能选择一款称手的软件工

具外，当然也希望计算机的主频越高越好，核心越多越好。但是，核心与计算速

度并非线性关系，不会因为核心等比例增长。若想在单台电脑上发挥极限运算能

力，还需要使用GPU加速，因为GPU加速通过协调处理器并行运算，能够极大

地提升计算能力，尤其适合多个项目同时进行，这样获得的时间收益较大。

02流体仿真为什么要选择GPU?

从1970年到今天，CFD始终处理更高精确度、更复杂的几何结构方发

展。但现阶段，CFD软件应用于复杂流体问题方面还有待拓展，受到的阻碍主

要源自以下三个方面：

隐式算法的高内存要求些CFD分析工程师总是希望得到完美的残差

收敛曲线，以证明计算结果的可靠性，因此，他们会首选隐式算法，这意味着高

内存•的需求；

CFD结果对网格的强依赖性一一网格的合理设计和高质量生成是CFD计算

的前提条件，是影响CFD计算结果的最主要的决定性因素之一，是CFD工作中

人工工作量最大的部分，也是制约CFD工作效率的瓶颈问题之一。即使在CFD

高度发达的国家，网格生成仍占整个CFD计算任务全部人力时间的70%〜80%。

工程流体仿真问题复杂多变一一在流体力学模拟中，由于流体力学模拟是个

复杂的过程，存在极端变形、自由液面以及物质运动交界面等问题，在应用网格

数值模拟时，会出现网格扭曲导致计算不收敛或者产生很大的计算误差，需要重

新模拟，这使得计算成本大大增加。

从CFD的发展历程看，CFD的每一步发展，都离不开计算机速度和内存的

数量级提升。自1999年NIDIA发布Geforce256图形处理芯片以来，NIDIA

的显卡芯片就开始以GPU称呼，最早是辅助CPU进行图形图像的处理，将降低

CPU的运算压力，后来随着GPU性能的不断提升，其应用场景也不断拓展。近

年来，随着移动计算、工业智能化的发展，GPU开始用于手机、平板电脑到无

人机和机器人等平台的应用程序的加速，世界各地实验室、高校、企业以及科研

院的研究人员纷纷采用GPU获得高性能计算支持，在工业域，GPU也普遍用

于仿真计算加速，尤