Fluid-particle systems are highly sensitive to particle morphologies. While many attempts have been made on shape descriptors and coupling schemes, how to simulate the particle-particle and particle-fluid interactions with a balance between accuracy and efficiency is still a challenge, especially when complex-shaped particles are considered. This study presents a Metaball-Imaging (MI) based Discrete Element Lattice Boltzmann Method (DELBM) for fluid simulations with irregular shaped particles. The major innovation is the MI algorithm to capture the real grain shape for DELBM simulations,where the Metaball function is utilized as the mathematical representation due to its versatile and efficient expressiveness of complex shapes.The contact detection is tackled robustly by gradient calculation of the closest point with a Newton-Raphson based scheme. And the coupling with LBM is accomplished by a classic sharp-interface scheme. As for refiling, a local refiling algorithm based on the bounce back rule is implemented. Validations on three settling experiments of irregular-shaped natural cobblestones indicate the proposed model to be effective and powerful in probing micromechanics of irregular-shaped granular media immersed in fluid systems. The potential of this model on studies of shape-induced physical processes is further investigated with numerical examples on the "drafting, kissing and tumbling" phenomenon of pair particles in various shapes.


翻译:流体粒子系统对粒子形态非常敏感。 虽然在形状描述器和组合机制上已经做了许多尝试, 如何模拟粒子粒子和粒子流体相互作用,在准确性和效率之间保持平衡仍然是一个挑战, 特别是在考虑复杂形状粒子时。 这项研究展示了一种基于元球- 成像( MI) 的混凝土元素 Lattice Boltzmann 法( DELBM ), 用于用非常规形状颗粒进行液体模拟。 主要创新是MI 算法, 用于为 DELBM 模拟采集真实的谷物形状。 由于Metaball 函数具有复杂形状的灵活和高效的表达性, 如何模拟粒子粒子和粒子之间的相互作用仍然是一项艰巨的任务。 与LBMM( MI) 的结合是通过一个经典的尖锐界面方案完成的。 在反弹法规则的基础上执行一个本地的补比算算算算法。 对不规范的天然雕塑形的天然颗粒石进行三次的处理实验, 其数学功能被作为数学代表的数学结构模型, 正在对模型进行精确的模型进行进一步的模拟研究。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
60+阅读 · 2020年3月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2023年1月24日
VIP会员
相关资讯
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年11月2日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员