基于异构并行策略的板材冲压成形算法研究

发布时间：2020-02-28 12:35

【摘要】：汽车车身覆盖件的冲压生产是整车制造中的重要过程。利用有限元方法对车身覆盖件成形过程进行仿真,可以提高产品设计效率,降低生产成本。并行计算的发展为这一领域提供了更快的求解方法。本文研究了板材冲压成形动力显式算法在异构平台上的并行计算方法,提出了一种基于任务划分策略的异构平台协同并行算法,显著地提升了算法的计算效率。论文基于具有自主知识产权的板材冲压成形KMAS软件,针对其中的Incremental模块进行算法重构和并行化改造。相比较于原版程序使用的Fortran语言,C语言具有更好的通用性,对并行框架的支持更好,本文首先进行算法从Fortran语言进行向C语言平台的过渡,通过混合调用完成源码的翻译和平台演进。在此基础上,基于模块化、并行化和面向对象的思想对程序进行数据结构、算法、程序架构的重构,提高了算法的可读性、可扩展性和并行度。其次,对多种并行框架进行研究,重点研究了OpenMP多核CPU并行和基于CUDA平台的GPU并行方法。通过对动力显式算法流程的分析,确定了串行程序并行化的改造策略。基于OpenMP实现了板材冲压成形算法在多核CPU下的并行计算,然后基于CUDA框架下实现了CPU主控,GPU并行协处理的板材冲压成形并行算法。最后,论文提出了CPU-GPU异构平台上基于任务划分策略的协同并行板材冲压动力显式成形仿真算法,综合两种并行方法,最大程度地利用了计算机的计算资源,进一步释放了计算机的潜能。同时研究了任务区的划分算法和CPU-GPU的负载均衡策略,针对异构协同的性能瓶颈“数据同步”进行优化设计,显著地提升了算法的计算效率。论文以VS2010. CUDA5.0为平台,使用C/C++等编程语言对上述所有算法进行实现,并以方盒和汽车翼子板冲压成形为算例验证了算法的正确性和高效性,对不同的并行方式进行结果对比,同时研究了不同计算规模下计算加速比的变化趋势。实践证明,本文提出的异构平台协同算法具有高效性和优越性,对于大规模算例最高可以达到28倍的性能加速。对于有限元算法的重构和并行优化具有很大的借鉴意义和实际价值。
【图文】：

硬件资源,数据处理,主流,价格垄断

图1. 3 GPU将更多的硬件资源用于数据处理Fig. 1.3 The GPU Devotes More Transistors to Data Processing目前国内厂商的主流板料成形有限元软件主要靠进口，形成了价格垄断和技术封锁，重制约了国内汽车厂商的发展能力。随着并行计算的发展，国际上主流的板料有限元

板材冲压成形,并行算法,有限元

有限元积分算法为切入点，，对算法进行了分析、重构和并行化改造。研宄工作内容流程如图1.4。首先通过C/Fortran混合调用方法，进行对原版程序的翻译和平台升级工作，将原版Fortran程序翻译为C语言版本。然后面向模块化、可扩展性和并行化对源码进行重构，重新定义数据类型、划分模块并优化算法和数据结构，让求解器程序具有更好的可读性和可扩展性。第三步，在重构版本的基础上实现了算法分别在CPU平台和GPU平台的并行计算算法，并总结归纳了有限元程序并行化改造的基本改造策略。最后，本文提出了基于任务划分策略的CPU-GPU异构平台协同计算方法，重点研究了异构平台上CPU-GPU负载均衡方法，通过算例验证了三个版本并行算法在不同计算规模下加速效果的差别，对金属板材冲压成形仿真在CPU-GPU异构平台上的算法优化具有一定的借鉴意义和实际价值。KMAS/lncremental 求解器Fortran语言程序 jk 通过C-Fortron混合调用完成向C语言翻译 ± 针对数据类型、程序框架、效率优化的代码重构 S i 基于OpenMP的多基于CUDA框架的核CPU并行算法 GPU并行算法 - —I ‘ 基于任务划分策略的C-G异构平台协同并行方法研宄与实现图1.4板材冲压成形有限元并行算法的研宄演进Fig. 1.4 Research evolution of sheet metal stamping parallel FEM method本文的论文组织结构如下：(1)第一章主要阐述了板材冲压成形有限元仿真软件在汽车制造业中的重要作用
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U466

【参考文献】