基于聚类的质点类算法可视化加速方法及系统与流程

本发明涉及爆炸损伤模拟领域，具体涉及一种基于聚类的质点类算法可视化加速方法及系统。

背景技术：

1、可视化模拟是研究材料的断裂、爆炸与冲击问题的关键手段之一。目前，

2、爆炸损伤的可视化模拟主要分为两类路线：

3、1)传统的网格仿真计算

4、网格仿真计算通常是利用网格数据作为计算对象，以对材料的断裂、爆炸损伤进行数值模拟，进而以可视化的形式来呈现材料的断裂、爆炸损伤情况。

5、例如，专利申请号为cn202011250264.4的发明专利申请公开了一种高大空间复杂建筑结构内危险品爆炸可视化仿真分析方法。该方法通过建立高大空间复杂建筑结构及周边环境的三维模型；然后分析危险源房间及周边房间的破损、超压情况，以在不同时间节点下以不同颜色包围球表示冲击波等效压力，以不同色块表示高大空间复杂建筑结构破坏区域。

6、又例如，参见“三维爆炸场冲击波检测与可视化”，张文耀等，北京理工大学学报，第34卷增刊1，2014年7月，该文公开了一种基于光线投射的体绘制过程，采用查找表和包围盒等技术进行的可视化加速处理方法。

7、再例如，专利申请号为cn201810354700.9的发明专利申请，其公开了一种基于文本挖掘的三维网格分离仿真系统及方法。该三维网格分离仿真方法采用空间位置进行聚类，以尝试减小数据的数据计算量。然而，上述的网格仿真在可视化进程(如图形渲染或显示过程)中对于硬件资源的依赖性较强，因此对计算设备的算力要求相对较高。

8、2)利用物质点法进行仿真计算

9、物质点法是一种用于模拟流体和固体的方法。物质点法中使用物质点来表示流体和固体，并使用网格来表示物质点的位置和速度。在模拟开始之前，需要将物质点网格化，将物质点分配到网格单元中，并计算网格单元中的物质点的质量和速度。例如，对于物质点法的可视化处理，黄鹏，张雄，马上等人提出了一种利用mpm3d软件求解超高速碰撞、侵彻、爆炸等问题的方法(如参见，黄鹏，张雄，马上.等.基于openmp的三维显式物质点法并行化研究[j]，计算力学学报，010，27(1):7.doi:cnki:sun:jsjg.0.2010-01-004)。

10、然而，在实际的爆炸模拟求解过程中，随着质点精度的提高，结果文件的大小也随之快速增加，这对可视化进程的硬件、软件处理能力也提出了更高的要求。目前，复杂爆炸模拟过程的可视化求解过程为：先利用ansys软件建模，划分网格后生成k文件，然后再利用与mpm3d软件配套的物质点转换程序将k文件转换成符合mpm3d要求的物质点文件，最后将物质点文件输入mpm3d软件完成后续可视化显示。

11、在此过程中，为了加快可视化进程，可以通过聚类处理方式来实现加速。如在进行可视化渲染之前，通过对数据结果文件进行聚类处理，以减小数据结果文件中的网格点的数量，进而降低后续渲染过程中的数据处理压力。但是，这种方法也存在一定的缺陷，如可视化的质量受到的影响偏大，也即可视化结果的真实性和可靠性降低。

12、因此，当前亟需一种能够在保证可视化渲染质量的条件下，加速爆炸毁伤模拟的可视化的方法。

技术实现思路

1、本发明目的在于提供一种在爆炸毁伤模拟后处理过程中，针对后处理文件读取加载、数据处理分析以及可视化渲染等问题，采用基于聚类的可视化加速方法，在不影响可视化质量或精度损失可接受的情况下，降低可视化渲染硬件和软件要求，快速评估求解效果。

2、为了解决上述所提到的技术问题，本发明具体采用以下技术方案：

3、一种基于聚类的质点类算法可视化加速方法，包括步骤：

4、s101获取数据结果文件，所述数据结果文件包括：用于模拟爆炸对象的爆炸损伤过程的原始数据；

5、s102获取所述数据结果文件的采样场景特征，并按照预设的匹配规则在聚类下采样方法库中找到与所述采样场景特征相匹配的聚类下采样方法；其中，所述采样场景特征包括以下一种或多种：所述爆炸对象的类型、爆炸损伤过程的时段、原始数据的内聚特点、原始数据量、原始数据的属性值；所述聚类下采样方法库中包括以下一种或多种方法：k均值聚类算法、基于密度的空间聚类算法、综合层次聚类算法；

6、s103通过所述采样场景特征和/或s102中所匹配到的所述聚类下采样方法从第一聚类条件数据库中选取到与所述采样场景特征和/或所述聚类下采样方法相匹配的第一聚类条件的聚类设定值，所述第一聚类条件用于调整聚类下采样过程中聚类的数量；

7、s104通过所述聚类下采样方法选取由用户输入的第二聚类条件，并获取用户对所述第二聚类条件输入的聚类输入值，所述第二聚类条件用于调整聚类下采样过程中的聚类的密度；

8、s105采用所述聚类设定值和所述聚类输入值以通过对应的聚类下采样方法对所述数据结果文件的可视化物理特征进行聚类下采样。

9、在一些实施例中，当所述聚类下采样方法为k均值聚类算法时，所述第一聚类条件包括：初始聚类中心的数量，所述第二聚类条件包括：聚类的数量(k值)。

10、在一些实施例中，当所述聚类下采样方法为基于密度的空间聚类算法时，

11、所述第一聚类条件包括：最小采样值(min_samples)；所述第二聚类条件包括：聚类的样本距离(eps)。

12、在一些实施例中，当所述聚类下采样方法为综合层次聚类算法时，所述第一聚类条件包括：聚类特征树的叶节点的最大条目树(branching factor)；

13、所述第二聚类条件包括：聚类特征树的大小(threshold)。

14、在一些实施例中，所述可视化物理特征包括以下一种或多种：material(材料的类型)；damage(损伤度)；pressure(压力)。

15、在一些实施例中，在s105之前，还包括步骤：

16、获取与所述数据结果文件相关联的可视化需求，所述可视化需求包括以

17、下一种或多种：冲击波可视化，损伤程度可视化；

18、根据所述可视化需求从所述数据结果文件中的聚类物理特征中选取到与所述可视化需求相匹配的聚类物理特征，并将所选取的所述聚类物理特征标记为可视化物理特征。

19、在一些实施例中，还包括步骤：

20、s106从聚类下采样的采样结果中获取到采样数据特征，所述采样数据特

21、征包括：簇中心的位置，以及本簇代表的数量；

22、s107通过所述采样数据特征计算得到在聚类下采样过程中的抛弃点特

23、征，所述抛弃点特征包括：抛弃点的个数，和/或抛弃点的分布；

24、s108判断所述采样数据特征与所述数据结果文件的原始数据特征是否相匹配，若是，则根据所述采样结果执行可视化计算；若否，则对所述聚类输入值进行修正，并根据修正后的聚类输入值执行步骤s105。

25、本发明第二方面在于，还提供了一种基于聚类的质点类算法可视化加速

26、系统，包括：

27、数据获取模块，被配置为用于获取数据结果文件，所述数据结果文件包括：用于模拟爆炸对象的爆炸损伤过程的原始数据；

28、下采样方法匹配模块，被配置为用于获取所述数据结果文件的采样场景特征，并按照预设的匹配规则在聚类下采样方法库中找到与所述采样场景特征相匹配的聚类下采样方法；其中，所述采样场景特征包括以下一种或多种：

29、所述爆炸对象的类型、爆炸损伤过程的时段、原始数据的内聚特点、原始数据量、原始数据的属性值；所述聚类下采样方法库中包括以下一种或多种方法：k均值聚类算法、基于密度的空间聚类算法、综合层次聚类算法；

30、第一聚类条件设定模块，被配置为用于通过所述采样场景特征和/或采样方法匹配模块中所匹配到的所述聚类下采样方法从第一聚类条件数据库中选取到与所述采样场景特征和/或所述聚类下采样方法相匹配的第一聚类条件的聚类设定值，所述第一聚类条件用于调整聚类下采样过程中聚类的数量；

31、第二聚类条件设定模块，被配置为用于通过所述聚类下采样方法选取由用户输入的第二聚类条件，并获取用户对所述第二聚类条件输入的聚类输入值，所述第二聚类条件用于调整聚类下采样过程中的聚类的密度；

32、下采样模块，被配置为用于采用所述聚类设定值和所述聚类输入值以通过对应的聚类下采样方法对所述数据结果文件的可视化物理特征进行聚类下采样。

33、在一些实施例中，所述聚类下采样方法为k均值聚类算法时，所述第一聚类条件包括：初始聚类中心的数量，所述第二聚类条件包括：聚类的数量；

34、当所述聚类下采样方法为基于密度的空间聚类算法时，所述第一聚类条件包括：最小采样值；所述第二聚类条件包括：聚类的样本距离；

35、当所述聚类下采样方法为综合层次聚类算法时，所述第一聚类条件包括：

36、聚类特征树的叶节点的最大条目树；所述第二聚类条件包括：聚类特征树的大小。

37、在一些实施例中，所述可视化物理特征包括以下一种或多种：material；

38、damage；pressure。

39、有益技术效果：

40、为了在加速可视化处理进程时，同时保证可视化效果的可靠性和求解效率，本发明一方面是选取了有限类型的采样场景特征以作为聚类下采样的选择条件，以在有限方法库中快速地匹配到符合可视化需求的聚类下采样方法；另一方面针对各个聚类下采样方法，将聚类过程中的聚类条件划分为预先设定值、实时输入值，以尽可能地减小不同聚类下采样方法的调用启动时间。

41、换句话说，针对爆炸问题的可视化处理，本发明一方面将聚类下采样方法、聚类下采样的实时输入值作为选择性调整因素以符合真实的爆炸求解需求，另一方面对典型性的采样场景特征、聚类下采样方法、聚类下采样的实时输入值的类型进行有限地选择，从而向用户提供了一种具有良好的通用性和自主性的聚类下采样方法，且该方法的前期设置或启用时间相对较短。

42、综上，本发明提供了一种标准化自动设定与人工调节相协同的半自动式可视化加速方法，其针对聚类下采样方法、第一聚类条件、可视化物理特征等内容采用标准化程序进行自动设定，而选取第二聚类条件作为人工调节端口，以叠加人工调节的优势来协调标准化程序与实际应用场景(例如，vtu文件的数据特点，不同研究任务的可视化需求)之间的差异或矛盾。由此，该半自动化式的可视化加速方法既能够具有人工调节所带来的灵活性与真实性的益处，同时能够较大程度地减少人工介入的难度(例如，避免工作人员在参数的选择或设置上耗费过多精力，或者降低对工作人员的专业水平的要求)。

43、并且，这种标准化自动设定与人工调节相协同的半自动式可视化加速方法既能够快速地降低大规模数据集的数据维度，减少可视化所需的数据点数量，进而降低可视化的计算和渲染负担。同时还能在数据维度降低之后保持数据的关键特征。