[论文解读] Optimization-based smoothing algorithm for triangle meshes over arbitrarily shaped domains

Daniel Aubram|arXiv (Cornell University)|Oct 22, 2014

Advanced Numerical Methods in Computational Mathematics参考文献 28被引用 5

一句话总结

本文提出OSMOT，一种基于优化的平滑算法，用于在凸与非凸域（尤其是高曲率区域）上对二维三角形网格进行优化。通过采用带精确梯度与海森矩阵计算的阻尼牛顿法，该算法通过最小化几何目标函数来提升网格质量，在结构化与非结构化网格中均取得优异效果，尤其在大变形ALE模拟中，当网格畸变严重时表现突出。

ABSTRACT

This paper describes a node relocation algorithm based on nonlinear optimization which delivers excellent results for both unstructured and structured plane triangle meshes over convex as well as non-convex domains with high curvature. The local optimization scheme is a damped Newton's method in which the gradient and Hessian of the objective function are evaluated exactly. The algorithm has been developed in order to continuously rezone the mesh in arbitrary Lagrangian-Eulerian (ALE) methods for large deformation penetration problems, but it is also suitable for initial mesh improvement. Numerical examples highlight the capabilities of the algorithm.

研究动机与目标

• 开发一种在涉及大变形问题的任意拉格朗日-欧拉（ALE）方法中可应用的鲁棒、高效且稳定的网格平滑算法。
• 解决启发式与物理驱动型平滑方法的局限性，特别是其在非凸或高度弯曲域中失效的问题。
• 通过全局收敛的优化框架实现网格质量的提升，同时保持网格连通性并避免单元反转。
• 通过提供一种局部、高效且稳定的节点重定位方案，实现在时间依赖模拟中连续重划分网格。
• 为结构化与非结构化配置提供高质量的三角形网格，即使在高曲率或复杂几何区域亦能保持良好表现。

提出的方法

• 该算法采用阻尼牛顿法来最小化一个几何目标函数，该函数通过惩罚不良的单元质量（如偏斜度和长宽比）来实现。
• 目标函数基于每个三角形面积的倒数推导，以确保对形状不良的单元施加惩罚。
• 通过符号微分精确计算目标函数的梯度与海森矩阵，以保证精度与收敛速度。
• 该方法对标记节点实施局部优化，通过迭代方式更新其位置，同时保持网格连通性。
• 该算法设计为局部应用，可在仅需重定位部分节点的时间依赖模拟中实现高效计算。
• 通过仔细处理几何约束，优化过程受到约束以保持有效网格拓扑并避免单元反转。

实验结果

研究问题

• RQ1 基于优化的平滑算法是否能在非凸、高曲率域上超越启发式与物理驱动型方法？
• RQ2 采用精确海森矩阵与梯度计算的阻尼牛顿法，在提升结构化与非结构化三角形网格质量方面效果如何？
• RQ3 该算法在大变形ALE模拟中反复重划分过程中，能在多大程度上维持网格质量？
• RQ4 在优化过程中使用精确导数是否相比有限差分近似能实现更快的收敛速度与更好的稳定性？
• RQ5 该算法能否以局部、迭代的方式高效应用，而不会对邻近单元造成质量下降？

主要发现

• OSMOT算法在凸与非凸域（包括高曲率区域）上均成功提升了网格质量，而传统启发式方法在这些区域会失效。
• 精确的梯度与海森矩阵计算使算法在复杂几何中实现快速收敛与鲁棒性能。
• 数值实例表明，该算法在节点重定位过程中保持了网格有效性并避免了单元反转。
• 与拉普拉斯法及加权平均法相比，该算法在畸变或高度弯曲区域实现了更优的平滑效果。
• 该方法在初始网格优化与ALE模拟中的连续重划分中均有效，支持大变形问题中的长期稳定性。
• 该算法的局部特性使其在时间依赖模拟中可高效应用，显著降低计算成本，同时保持高网格质量。