FLUID FLOW SUMMARIZATION USING DYNAMIC MULTI-VECTOR FEATURE SPACES
Trabalhos recentes têm aplicado conceitos de sumarização para análise de fluxo de fluidos em simulações de dinâmica de fluidos computacional (CFD) para produzir uma abstração visual sintética e útil da evolução do fluxo. Em um desses trabalhos, a tubulação executa primeiramente uma segmentação temporal grosseira do fluxo de fluido que é automaticamente melhorada por meios k para completar o resumo visual.
A técnica original considera, como dados de entrada, apenas o campo de velocidade e a configuração das partículas obtidas por simulações de hidrodinâmica de partículas suavizadas (SPH). Neste trabalho, demonstramos uma relação entre o campo de vorticidade e o gradiente de pressão. O resultado obtido aponta para a necessidade de combinar o campo de vorticidade e o gradiente de pressão, assim como os campos de velocidade e configuração de partículas para compor o espaço de características para a busca dos segmentos fundamentais da evolução do fluido. Além disso, incorporamos uma árvore de intervalos para melhorar o cálculo da segmentação do fluxo grosseiro. Demonstramos a metodologia utilizando uma simulação 2D SPH do aparelho do moinho de rolos N onde N = 6 rolos simetricamente colocados, que giram a velocidades angulares constantes, são circundados por um fluido. Mostramos que os clusters gerados por nosso algoritmo capturam um quadro compacto, mas detalhado, de segmentos importantes do fluido
FLUID FLOW SUMMARIZATION USING DYNAMIC MULTI-VECTOR FEATURE SPACES
-
DOI: 10.22533/at.ed.87021180826
-
Palavras-chave: Dinâmica de fluídos computacional, sumarização, SPH, fluxo N-roll, dinâmica vetorial.
-
Keywords: Computational Fluid Dynamics, Summarization, Smoothed Particle Hydrodynam- ics, N-Roll Mill Flow, Dynamic Vectors.
-
Abstract:
Recent works have applied summarization concepts for fluid flow analysis in computational fluid dynamics (CFD) simulations to yield a synthetic and useful visual abstraction of the flow evolution. In one of these works, the pipeline firstly performs a coarse temporal stream flow segmentation that is automatically improved by k-means to complete the visual summary.
The original technique considers, as the input data, only the velocity field and the particles configuration obtained by smoothed particle hydrodynamics (SPH) simulations. In this work, we demonstrate a relationship between the vorticity field and the pressure gradient. The obtained result points toward the necessity of combining the vorticity and pressure gradient as well as the velocity and particles configuration fields to compose the feature space to search for the fundamental segments of the fluid evolution. Besides, we incorporate an interval tree to improve computation of the coarse flow segmentation. We demonstrate the methodology using a 2D SPH simulation of the N-roll mill apparatus where N = 6 symmetrically placed rollers, that rotate at constant angular velocities, are surrounded by a fluid. We show that the clusters generated by our algorithm captures a compact but detailed picture of important segments of the fluid.
-
Número de páginas: 20
- Leandro Tavares da Silva
- Gilson Antonio Giraldi
- Renato José Policani Borseti
