基于数据驱动的流体动画加速生成方法技术

一种基于数据驱动的流体动画加速生成方法，利用训练样本训练完成之后的人工神经网络作为求解器，在欧拉法流体模拟过程中投影步的求解十分迅速，并且可以在快速求解的同时保持较小的求解误差，从而保证了求解结果的准确性。本发明专利技术利用之前在投影步前后计算得到的训练数据，经过人工神经网络的训练，调整人工神经网络的传输节点权值，直接得到最终的计算模型，完全避免原本耗时的投影步数值计算过程。本发明专利技术适用于欧拉法模拟流体动画时，大幅加速求解投影步计算。

【技术实现步骤摘要】

本专利技术涉及的是一种图像处理领域的技术，具体是一种借助大量训练数据以及人工神经网络，极大加速欧拉法生成流体动画过程中最为耗时的投影步的方法。
技术介绍
基于物理的流体模拟是计算机图形学中的重要研究方向之一。基于物理的流体模拟过程需要求解Navier‐Stokes方程(NS方程)。但因为此方程是一个非线性偏微分方程，拉格朗日法与欧拉方法分别被用于NS方程的离散化求解中。在高精度流体模拟领域，欧拉方法被广泛应用。但是，欧拉法需要在投影步求解泊松方程得到压强，消耗了大量的计算资源。近年来，大数据以及机器学习方法被逐渐用于各个研究领域。作为深度学习的基础结构，人工神经网络是一种模仿生物神经网络的结构和功能的计算模型，常用来对输入和输出间复杂的关系进行建模。人工神经网络可以通过增加隐藏层的数目来有效增强输入数据与输出数据之间的隐藏非线性关系，从而非常适合用于NS方程中投影步的非线性计算过程的建模。同时，经过大量数据训练完成的人工神经网络求解投影步，可以大大加速投影步的求解过程。目前，已有的加速方法是采用更高效的数值方法加速求解流体方程，尤其是泊松方程的求解过程，例如取代早期的高斯赛德尔迭代本文档来自技高网...

【技术保护点】
一种基于数据驱动的流体动画加速生成方法，其特征在于，包括以下步骤：步骤一，采集流体动画模拟的欧拉法中投影步的训练样本并生成训练数据集；步骤二，利用步骤一中得到的训练数据集构建并训练人工神经网络；步骤三，利用训练后的人工神经网络实施欧拉法，逐帧进行流体动画模拟并得到对应该帧的投影结果，用该投影结果更新欧拉法中每个网格内的属性值并绘制当前帧流体动画。

【技术特征摘要】
1.一种基于数据驱动的流体动画加速生成方法，其特征在于，包括以下步骤：步骤一，采集流体动画模拟的欧拉法中投影步的训练样本并生成训练数据集；步骤二，利用步骤一中得到的训练数据集构建并训练人工神经网络；步骤三，利用训练后的人工神经网络实施欧拉法，逐帧进行流体动画模拟并得到对应该帧的投影结果，用该投影结果更新欧拉法中每个网格内的属性值并绘制当前帧流体动画。2.根据权利要求1所述的方法，其特征是，所述的步骤一，具体为：采用Navier‐Stokes方程表征流体运动的物理描述，该方程包括描述流体单元速度的基本方程，即第①部分和限制流体运动过程中的不可压缩性的第②部分：其中：ρ表示流体单元密度，u表示流体单元速度，t表示流体动画模拟时间，p表示流体压强，∈表示流体粘度，f表示流体所受到的外力。3.根据权利要求1所述的方法，其特征是，所述的欧拉法包括：对流步、外力步、扩散步和基于数据驱动的投影步。4.根据权利要求1或3所述的方法，其特征是，所述的基于数据驱动的投影步具体是指：第n帧中投影步的流体单元x的速度un(x)由流体动画模拟的时间步长Δt，流体单元密度ρ，流体压强p求解得到：通过欧拉法进行离散化求解之后，得到具体的求解过程需要依靠于该流体单元上下左右前后6个位置的流体单元的相关属性，因此得到离散化的方程为：其中：xi,j,k表示所在三维空间位置为(x,y,z)处的流体单元，un(x)表示流体单元x的速度，Δt表示流体动画模拟的时间步长，ρ表示流体单元密度，h表示网格法流体单元的网格边长；利用共轭梯度法求解该离散化的方程，并记录此方程求解所需的已知量作为输入向量，此方程的未知量作为输出向量，输入向量与输出向量组成一组样本；对于欧拉法求解过程中每一帧、离散空间中每一个网格，均收集一组样本作为训练数据集。5.根据权利要求1所述的方法，其特征是，所述的构建...

【专利技术属性】
技术研发人员：杨成，杨旭波，肖祥云，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31