[发明专利]基于多GPU的薄板结构非线性大变形问题仿真计算方法

说明书

一种基于多GPU的薄板结构非线性大变形问题仿真计算方法，通过主机CPU识别和保存有限元计算模型数据中的节点和单元之间的归属关系，根据计算平台上的GPU数量对有限元计算模型进行分区，分区模型数量等于GPU数量，选取一个GPU作为主计算节点，采用分区模型数据与GPU一一对应的方式将有限元计算模型数据读入各全局存储器，设定每个GPU执行的线程块数量和每个线程块包含的线程数量，单元和节点分别与线程一一映射，GPU根据线程块数量和每个线程块包含的线程数量以多线程的方式计算单元的最小时间步长、各个节点的节点加速度和节点作用力等信息并读入主机内存中，再由主机CPU进行组装计算，具有计算成本低通用性强的优点。

技术领域

本发明涉及计算机辅助工程中的有限元仿真领域，具体涉及一种基于多GPU的薄板结构非线性大变形问题仿真计算方法。

背景技术

机械工程中包含塑性变形的薄板结构的大变形是时常遇到的问题，其数值模拟引起工程和科研人员的日益关注，一般采用显式有限元方法进行求解。然而，随着现代工程问题复杂度的提升，计算模型规模越来越大，对于条件稳定的显式有限元算法，计算时间步长一般在微秒级，而实际仿真时间一般达到秒级，这意味着巨大的计算量。随着计算技术的发展，有限元并行计算技术是一种提高有限元计算效率的有力途径，并行计算通过充分利用现有计算机的计算力可以有效缩减对计算结果的等待时间。并行技术的发展历程中，硬件和软件是一种相互促进，相互影响的关系。现有技术的并行有限元计算方法，在技术层面上主要采用分布式计算、并行机或多线程等并行处理技术，所使用的计算硬件主要是以CPU为计算核心的并行计算平台，在取得较好加速比的同时还存在以下的下足：一方面，对于大规模的有限元模型，庞大的单元、节点规模导致分布式计算机之间或多线程之间的通讯消耗提升，导致加速比难以提升；另一方面，并行机价格昂贵，使用和维护相对复杂，对研究人员算法改写和编程能力要求也较高，难于普及。

基于图形处理器的通用计算技术(GPGPU，General Purpose Computation onGraphics Processing Unit)是近几年随着可编程图形处理器(GPU，Graphics ProcessingUnit)的出现，以及GPU计算性能的不断提高而出现的一种新颖的并行计算方式。它摆脱了传统并行计算方法硬件成本高、使用和维护复杂等问题，因此很快引起了科研和工程人员的注意，其经过近10年的发展，已经形成了比较成熟的编程语言和编程架构。采用多GPU则可以进一步提升GPU并行计算的计算规模和计算效率。因此，采用多GPU并行计算技术来提高复杂大变形问题的仿真计算效率具有重要的意义。

发明内容

本发明的目的就是要解决现有技术的不足，提供一种基于多GPU的运算速度快且计算成本和硬件成本低的薄板结构非线性大变形问题仿真计算方法。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供一种基于多GPU的薄板结构非线性大变形问题仿真计算方法，包括：

步骤S1：将有限元计算模型数据读入主机内存中，通过主机CPU识别所述有限元计算模型数据中的节点和单元，找到每一个节点归属的单元并保存节点和单元之间的归属关系；

步骤S2：根据计算平台上的GPU的数量，对有限元计算模型进行分区以得到多个分区模型，所述有限元计算模型的分区模型数量等于所述计算平台上GPU的数量，记录每个分区模型的边界单元和节点的编号，形成边界模型信息；

步骤S3：选取所述计算平台上的一个GPU作为主计算节点，采用分区模型数据与GPU一一对应的方式将所述有限元计算模型数据读入各GPU的全局存储器；

步骤S4：在每个GPU上，设定GPU执行的线程块数量和每个线程块所包含的线程数量；

步骤S5：每个GPU读取存储在全局存储器中的所述有限元计算模型的分区模型数据，所述GPU根据线程块数量和每个线程块所包含的线程数量以多线程的方式计算单元的最小时间步长、各个节点的节点加速度以及各个节点的节点作用力；