XiaoMi-AI文件搜索系统
World File Search System粗网格
整体预测策略的新趋势：粗网格计算流体动力学的不确定性定量
工业和地球物理流体的抽象数值模拟通常无法求解确切的Navier-Stokes方程。因此，它们会通过强烈的本地错误。对于某些应用程序（例如耦合模型和测量结果），需要准确量化这些错误，而整体预测是实现此目标的一种方式。本文回顾了朝着这个方向提出的不同的处理。通过谎言运输对位置不确定性和随机对流的模型特别关注。此外，本文引入了一种新的基于能量预算的随机亚网格方案，以及在不确定性下进行参数化模型的新方法。最后，提出了新的整体预测模拟。将新随机参数化的技能与位置不确定性下的动力学和随机初始条件方法的动力学进行了比较。
讲座（16）网格嵌套和网状细化
粗网格预测提供了巢界面上的边界条件，以便在细网格预测中使用。双向嵌套网格的优势包括在细网格上解析的细尺度工艺可以影响粗网格上的较大尺度流。这对于数值天气预测很重要，因为大气中的小规模过程极大地影响了大气中的大规模过程。由于与精细分辨率网格相比，粗分辨率网格上的预测所花费的时间和内存更少，因此模型的最外界可以远离预测区域，而细分辨率域仍然足够小，足以实时运行。移动巢也很常见，在当前模型中，较高的分辨率巢可以通过感兴趣的现象（例如飓风）移动。
开源模拟工具的验证和确认...
C.4 平板情况的完整 C f 网格收敛结果 ...................119 C.5 平板情况的完整 y + 网格收敛结果 .....................120 C.6 y + 在三角翼表面的分布（粗网格） .......。。。。。。。。。。。。121
插电式混合动力汽车的二氧化碳排放
在这项工作中，我们遵循以前的途径，以探索有限差分时间域（FDTD）方法中数值分散补偿的机器学习算法。混合深神经网络通过FDTD模拟的细胞大小进行训练，目的是通过比较粗大和密集的网格的各种平面微波电路的解决方案来“学习”数值分散误差的模式。因此，我们的培训数据不仅包括广泛的几何形状，还包括每个问题的可变密度的网格。我们对所提出的网络的结构进行了详尽的分析及其误差性能作为培训数据的函数。我们评估了其充当数值分散补偿引擎的能力：可以从粗网格模拟的结果中预测fdtd模拟的结果。
货仓对飞机结构的影响 - NATO STO
需要一个有限元模型，该模型将使用地面和飞行测试结果进行更新。分析研究的基础可以是粗网格模型，该模型由精细有限元组件模型派生而来，组装成完整的飞机模型。使用细静态网格模型作为基本模型的优点是，在细化的情况下，可以一步更新所有使用的模型。从选定的假设模式中，将计算一组广义非定常气动矩阵。为了分析真实情况，研究了不同表面的气动干扰。通过低速风洞试验和飞行试验验证了分析计算。主要飞行试验是颤振、结构耦合以及振动和载荷调查。在对称或反对称情况下，使用不同的激励方法和机动来激励飞机。
增材制造缺口聚乳酸样品的平均应变能密度标准的验证
尽管缺口和裂纹在工程应用中无处不在，但它们仍然对准确的故障预测构成挑战。对于许多实际应用，希望有一种简单而可靠的方法，使用简单的线弹性有限元模拟和粗网格来局部预测任意形状的缺口和裂纹部件的故障。实现这一目标的众多方法中的两种是临界距离理论 (TCD) [ 2 ] 和平均应变能密度 (ASED) [ 1 ] 标准。虽然后者已广泛应用于传统材料，但它在增材制造领域的局限性仍未得到充分探索 [ 3 ]。增材制造具有许多潜在的优势和用例，例如快速成型、复杂拓扑优化和大规模减重，涉及从医学到航空工程等许多学科，显然需要深入了解增材制造，以弥合其能力与当前工业应用之间的巨大差距。增材制造的概念
SSC-383 高强度钢的最佳焊接强度...
本报告提供数据和分析，以支持在造船业中接受高强度钢中的未接合焊缝。由 HSLA-100 钢板（最低屈服强度为 690 MPa）和横向坡口焊缝进行的宽板拉伸试验表明，适度欠匹配的接头（实际焊缝屈服强度比实际底板屈服强度低 12%）可以实现与过度匹配焊缝一样高的强度和延展性。欠匹配 18% 至 28% 的焊缝表现出全强度，但延展性最小。相对粗网格弹塑性有限元分析充分再现了实验中观察到的行为。制备了宽板试样，在适度低匹配和高匹配焊缝中都含有各种受控的缺陷。这些缺陷试样表现出卓越的性能，适度低匹配焊缝和高匹配焊缝的结果之间没有一致的差异。当承受剪切载荷时，低匹配高达 25% 的坡口焊缝可达到 HSLA-100 板所需的最小剪切强度，并具有出色的延展性。为便于使用具有最佳焊缝金属性能的高强度钢，给出了各种接头的设计、有限元分析、焊缝填充金属选择和焊接程序指南和说明。
互动3D建模的文本引导的可控网格精炼
我们考虑通过文本指导将几何细节添加到3D对象网格的问题。文本到3D生成建模已成功应用于计算机视觉[Poole等。2023;张等。2024]，计算机图形[Khalid等。2022]和地理处理[Gao等。2023; Xu等。2024]应用。这些方法着重于直接从文本中生成3D网格[Poole等。2023; Wang等。2023]没有为用户提供控制输出形状粗糙结构的能力，从而限制了需要仔细控制生成过程的艺术家的实际实用性。其他方法着重于生成3D网格的纹理[Cao等。2023;理查森等。2023]，但它们在几何形状上没有执行任何变化。虽然有一些方法[Gao等。2023; Metzer等。2023]向用户提供控制并能够修改给定形状的几何形状，这些方法通常很慢，因为它们依赖于昂贵的得分蒸馏采样[Poole等。2023]。在本文中，我们提出了一种创建3D对象与丰富几何细节的方法，同时允许用户保留对全局形状结构（通过输入粗网格）和本地几何细节（通过输入文本提示）的控制。随着文本引导的生成方法的最新成功[Metzer等。2023; Poole等。2023;理查森等。2023; Wang等。2024;张等。2023]，我们在大型预训练的文本对图模型上构建了我们的方法[Rombach等。2022]并使用语言指导几何细节的生成。我们的公式不需要配对的粗几何图和细几何训练数据，而是使用大型预训练的文本对图像模型作为监督，以指导通过可区分的渲染器添加几何细节的过程。我们的主要见解源于以下事实：训练以深度信息指导的文本对图像生成的模型[Mou等。2023]最终创建包含其他几何提示的图像。如图2所示，这些提示是如此突出，即使是现成的正常估计模型也可以提取它们。即，即使小鼠图像仅从三个球体产生，其正常估计（最右图像）显示了与描绘眼睛，鼻子和耳朵的表面相对应的正态。但是，此过程只能从单个角度创建可见的细节，而我们希望将细节添加到给定形状的整个可见表面。我们的方法在三个阶段中将几何详细信息添加到输入网格中。第一阶段基于输入文本提示和输入粗网格生成单视RGB图像。此RGB图像可以看作是如何将其添加到输入网格的几何详细信息的预览。第二阶段根据第一阶段和输入粗网格的单视输出进行多视图生成。第三阶段根据第二阶段的多视图生成来完善输入网格的几何细节。由于每个阶段的输出是非提交的，人类可理解的图像或效果图，因此此属性允许在完成之前的早期瞬间，以便用户决定更改参数或返回并更改/修改输入。此外，前两个阶段仅涉及运行预训练网络的推断，最后阶段直接在网格上运行。每个阶段都可以在几秒钟内完成，因此允许我们的方法用于支持