基于深腾7000系统的大规模CFD并行计算

从基本流动控制方程及数值离散、多重网格、并行算法等方面详细阐述了混合网格框架下计算流体力学软件的基本原理,提出了采用三重嵌套循环结构在时间推进格式中实现多重网格加速及并行计算技术的主流程设计方案;同时给出了高精度混合网格并行计算软件在深腾7000系统上的大规模并行测试结果以及在某型民用飞机高升力流场数值模拟中的应用.结果表明:此高精度混合网格并行计算软件在采用千万网格点规模的大型飞机高升力复杂流场计算时,不仅计算结果与实验结果符合较好,且在2 048核并行计算时仍具有很好的并行可扩展性,计算效率不低于80%.     

高性能并行计算的研究与分析

介绍了并行计算的发展概况和发展趋势，重点分析了网络计算的体系结构，高性能机群计算和网格计算中的网络实现和系统软件，指出了当前一些研究工作中存在的问题．     

在多重网格上同时计算的叠缩法

讨论一种多重网格叠缩并行计算方法。此方法在多重网格上同时执行对所有未知量的运算，它的全部工作渐近估计为Ｏ（２ｌｏｇＮ），与标准Ｖ周期多重网格方法的计算复杂性等同。     

基于多块同位网格对管路流场的分区并行计算

在基于多块同位网格和集群以突扩管路系统内部流场为算例开展的分区并行计算研究中,利用SIMPLE算法实施了可自定义分区的并行计算方法,分析了不同雷诺数和突扩比对突扩管内流动结构的影响,重点探讨了基于自定义分区的不同分区方式及核数工况下集群的并行计算效率,进一步分析负载对计算效率的影响.结果表明,网格数、核数和分区方式对集群的计算效率都有很大的影响,并且每个分区所包含的网格数越均匀即负载越均衡,并行计算效率越高.     

飞行器操纵面嗡鸣的非结构网格并行计算方法

为了数值模拟飞行器操纵面的嗡鸣现象,在集群计算机MPI并行计算环境下建立基于三维非定常欧拉方程耦合结构运动方程的嗡鸣计算方法.气动流场求解采用基于非结构网格的中心有限体积法进行空间离散,时间推进采用双时间方法,结构运动方程采用Adams预估校正方法求解.针对翼面与操纵面缝隙间存在的网格运动问题,在非结构网格系统上采用Delaunay图映射方法实现网格的运动变形.最后,使用飞行器操纵面标准嗡鸣计算模型对计算方法进行验证,结果表明:所建立的并行计算方法正确,程序具有很好的计算效率,能够对飞行器操纵面嗡鸣进行高效的数值分析.     

在多重网格上同时计算的叠缩法

讨论一种多重网格叠缩并行计算方法。此方法在多重网格上同时执行对所有未知量的运算。它的全部工作渐近估计为Ｏ（２ｌｏｇＮ），与标准Ｖ周期多重网格方法的计算复杂性等同。     

基于多GPU加速的各向异性弹性波正演模拟

比较分析了在不同网格大小介质模型情况下,分别采用串行计算、CPU 16个线程并行计算和4块GPU并行计算进行各向异性弹性波动方程正演模拟的执行时间差异。发现在网格点为2563的大模型上,用4块GPU的并行模拟计算相对16线程并行计算与串行计算的加速分别为30倍与156倍。表明多GPU并行算法可以显著缩短数值模拟时间,而且模型网格越大,加速效果越显著。因此,在单机环境下进行大尺度模型的各向异性弹性波正演模拟,采用多GPU并行计算方式是一个合适的加速选择。     

基于多图形处理单元加速的各向异性弹性波正演模拟

比较分析了在不同网格大小介质模型情况下,分别采用串行计算、CPU 16个线程并行计算和4块图形处理单元(GPU)并行计算进行各向异性弹性波动方程正演模拟的执行时间差异。发现在网格点为256~3的大模型上,用4块GPU的并行模拟计算相对16线程并行计算与串行计算的加速分别为30倍与156倍。表明多GPU并行算法可以显著缩短数值模拟时间,而且模型网格越大,加速效果越显著。因此,在单机环境下进行大尺度模型的各向异性弹性波正演模拟,采用多GPU并行计算方式是一个合适的加速选择。     

基于并行计算环境的混波室三维仿真

本文选取混波室作为研究对象,使用FDTD方法,结合并行计算模拟了混波室内场的分布。通过仿真的结果,对并行计算中的网格划分和计算效率进行了分析。     

基于Cluster的大型油藏数值模拟的并行计算

大规模整体油田的精细油藏数值模拟需要并行处理。该文基于Cluster并行系统,将三维三相油藏压力计算,转化为以油层为并行计算粒度、通过井筒压力耦合全油藏压力的多层二维二相的压力计算,用网格节点排序方法和预处理算法等缩短计算时间,实现了100.2万网格点的实际大规模油藏数值模拟问题,在17个处理机并行计算时,加速比达6.75。结果表明,该并行计算具有较好的效果,该并行软件正在胜利油田得到应用。     

Gauss-Seidel迭代法的多核并行运算研究

分析了线性方程组迭代求解的计算原理,在多核架构的微机中,给出了一种Gauss-Seidel并行迭代算法。该算法首先按照并行计算的需求把Gauss-Seidel迭代公式分解为串行运算和并行运算两部分,然后利用步进及广播的方式有序地把串行运算调度到处理器的每个核中并发运行.理论和数值测试均验证了并行运算的有效性。     

移动机器人的并行免疫计算模型

为了支持未知环境下移动机器人自主导航，提出了移动机器人的并行免疫计算模型，为解决其在线导航优化、病毒／路障识别和计算效率问题提供了基础组织。免疫计算模型分为固有免疫计算层、适应性免疫计算层和并行／分布式计算层，并行免疫计算模型建立在此3个免疫计算模型基础上。探讨了移动机器人并行免疫计算模型的负载极限和负载平衡，分析了此类移动机器人系统的鲁棒性；提出了移动机器人并行免疫计算模型用于路障识别的方法。移动机器人并行免疫计算模型的复杂性分析及仿真结果表明，并行计算能提高其效率；仿真结果表明，移动机器人可消除病毒，并具有较高计算性能。     

多点源空气污染高斯扩散模式并行方法研究

为提高基于高斯模式的空气污染扩散计算的效率,研究从污染源、研究区域空间分层与栅格划分等3个因子入手,设计单因子、双因子和三因子作用下的多种并行算法,同时采用PC机群对算法进行实现. 针对珠三角区域空气污染并行计算试验结果表明,并行算法能将计算时间减少90%,大大提高了模型计算效率,很大程度上满足了基于高斯模式的空气污染实时计算要求.      

消息传递模型的并行性能研究

消息传递模式因其通用性、可描述性、易于调试性和高性能的优点在并行程序设计中得到广泛应用.以MPICH 2构建并行计算环境下对消息传递模式的点对点性能、组通讯性能进行研究,将网络并行计算系统中的性能指标模型化,以期对分析整个系统的并行性能提供帮助.     

计算流体力学的微机网络集群系统的研究

介绍了微机集群架构和PVM技术在计算流体力学复杂课题研究中的有效性.着重讨论了在微机并行机群上进行CFD计算,以及计算中的负载平衡等相关问题.给出了并行分区计算的方法,并给出了实际计算结果.结果证明本文介绍的方法是正确的,能有效地均衡计算负载,达到较理想的并行效率.     

双核配置下的线程并行数值计算

针对常规软件由串行向并行过渡时产生的故障,建立了基于线程并行的数值计算模型,以蒙特卡罗方法计算圆周率为具体实例,给出了完整的线程并行计算示例,并且讨论了影响并行效率的因素和任务拆解方法。     

核电站结构地震动态响应并行计算研究

为了分析核电站复杂结构地震动态响应,以MPI作为基本并行编程环境,在LINUX操作系统下,开发了核电站结构地震动态响应的并行有限元计算程序。该程序采用黏弹性边界模拟外行波向远域地基的辐射,方程的求解采用时域显式解法,能够模拟包含各类静动荷载以及温度、接触等因素作用下的结构响应。经算例验证,该程序正确可靠。利用该程序对某核电站取水口建筑物进行了动态响应分析,并与ANSYS软件的分析进行比较,所花费时间从单机串行程序的20h40min减少到并行程序下的2h15min。结果证明,该并行程序具有较高的并行度以及良好的并行效率。     

二维含动边界流场的并行计算

将并行计算方法应用于含运动边界流场的数值模拟,采用弹簧方法生成非结构运动网格.并行程序结构采用主从模式,主进程只负责数据的发送和接收,每个从进程的计算任务对应一个子区域.通过守恒型ALE(Arbitrary Lagrangian-Eulerian)方程的求解,对NACA0012翼型振动问题进行了数值模拟,并对不同分区数目情况下的计算时间、并行计算加速比和并行计算效率进行了比较.算例结果表明,随着分区数的增加,进行计算CPU的效率先增加后下降,而并行计算的加速比不断增加.     

基于负载均衡的空间线分组算法

针对传统并行操作计算效率低的问题,提出以分组并行处理模式优化节点间的负载均衡。以表层浮标轨迹验证涡旋实验为例,给出面向不可分割空间线对象的快速分组方法,设计了两个分组调整算法。实验结果显示,算法可以使每个计算节点达到负载均衡。与串行计算的比较实验结果显示,算法具有较好的加速效果,且加速比随着计算节点个数的增加呈上升趋势。因此,基于负载均衡的空间线分组算法是对不可分割空间线的计算进行优化的有效途径。     

基于视窗操作系统网络并行计算环境的建立与应用

针对单台微型计算机进行数值模拟耗时长的问题,在微软公司开发的32位视窗操作系统下建立了网络并行计算环境.把2台微型计算机连成一个星形结构的以太网,以并行虚拟机作为网络并行计算平台、Vi sualC 作为开发工具,通过建立帐号及主目录、配置网络、设置系统环境变量和测试等步骤,完成了并行虚拟机的配置与调试.采用C语言自行研制了并行凝缩算法的源程序,并进一步以主从进程模式对金属平板轧制过程的弹塑性力学行为进行了数值模拟.研究结果表明,所建立的网络并行计算环境运行可靠,并行加速比可达1 785,并行效率达到了89%,与单台微型计算机相比,不仅提高了运行速度,且大大缩短了计算时间.