SPH算法初探（一）

最新推荐文章于 2019-10-17 16:41:31 发布

惘川

最新推荐文章于 2019-10-17 16:41:31 发布

阅读量2.1k

点赞数

分类专栏：图形学学习笔记流体模拟文章标签：图形算法

本文链接：https://blog.csdn.net/u014364687/article/details/50835612

版权

SPH（光滑粒子流体动力学）算法在流体模拟中广泛应用。通过模拟每个微元的受力和运动，计算其重力、压力等力。每个微元的力由周围微元影响计算得出，如F.Aj=Fj.A*Fj.M/Fj.Ro*W(dist,range)，其中涉及质量M、密度Ro、距离dist、影响范围半径range及光滑核函数W。核函数描述粒子对周围的影响，并随距离增加而减小，具有偶函数、积分值为1等特性。" 109598731,7871521,美化DDT测试报告：自定义描述与样式优化,"['测试框架', 'Python测试', '数据驱动测试', '自动化测试', '代码定制']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SPH（光滑粒子流体动力学）算法是现今运用最广泛的流体模拟算法。该算法的主要思想是通过模拟流体中每一个微元的受力情况以及其运动规律，来对流体进行模拟。

流体微元所受合力是重力、压力等。重力自然无须赘述。流体所受其他力来源于周围的微元对它的影响。

假设被作用的那个羽毛叫F，所有影响那个羽毛分别为F0 F1 F2...FN。那么羽毛Fj对羽毛F的A属性的影响是这么计算的：

F.Aj=Fj.A*Fj.M/Fj.Ro*W(dist,range)
其中M属性为质量，Ro属性为密度，dist为两个羽毛之间的距离，range为影响范围的半径，W函数为光滑核函数。

光滑核函数的意义在于它可以描述一个粒子对周围的影响和它与周围粒子的距离的关系。

同时，应该注意，光滑核函数并不

最低0.47元/天解锁文章