流体

两种视角

视角含义方法典型
拉格朗日(Lagrangian)跟踪流体质点SPH、PBF溅水、泡沫
欧拉(Eulerian)固定网格,看每个格子有什么网格法、Stable Fluids烟、雾、火
拉格朗日: 跟着"水分子"走                欧拉: 站在"格子"里看水流过
    ●  →  ●  →  ●                        ┌─┬─┬─┐
                                          │→│→│ │
    ●  →  ●  →  ●                        ├─┼─┼─┤
                                          │→│ │ │
                                          └─┴─┴─┘

现代做法常常混合(PIC/FLIP:粒子携带信息,网格求解压力)。

Navier-Stokes 方程

流体仿真的控制方程:

ρ(∂u∂t+u⋅∇u)=−∇p+μ∇2u+f\rho\left(\frac{\partial \mathbf{u}}{\partial t} + \mathbf{u}\cdot\nabla\mathbf{u}\right) = -\nabla p + \mu\nabla^2\mathbf{u} + \mathbf{f}

∇⋅u=0(不可压缩条件)\nabla\cdot\mathbf{u} = 0 \quad \text{(不可压缩条件)}

项名称含义
∂u∂t\frac{\partial \mathbf{u}}{\partial t}非定常项速度随时间变化
u⋅∇u\mathbf{u}\cdot\nabla\mathbf{u}对流项流体带着自己走(非线性,难点)
−∇p-\nabla p压力项压力驱动(维持不可压缩)
μ∇2u\mu\nabla^2\mathbf{u}粘性项内摩擦
f\mathbf{f}外力重力、浮力
∇⋅u=0\nabla\cdot\mathbf{u}=0散度为零不可压缩(体积不变)

Stable Fluids(欧拉网格法)

Jos Stam 1999,实时流体仿真的奠基工作。

核心思想:算子分裂(operator splitting)——把方程拆成几步分别处理:

每一步:
  1. 加外力:      u += dt · f
  2. 对流:        u ← advect(u)          (半拉格朗日,稳定)
  3. 粘性扩散:    u ← diffuse(u)         (隐式求解)
  4. 投影:        u ← project(u)         (解压力泊松方程,使 ∇·u = 0)

为什么叫 "Stable":每一步都用无条件稳定的方法(半拉格朗日对流 + 隐式扩散 + 隐式投影),所以任意大的时间步都不会爆炸。

1. 对流(半拉格朗日)

关键技巧:沿速度场回溯。

要算格子 (i,j) 在 t+dt 的速度:
  1. 从 (i,j) 沿 -u 回溯 dt:  p = (i,j) - dt·u(i,j)
  2. 在 p 处插值当前速度场
  3. 该值就是 (i,j) 的新速度
vec2 advect(vec2 pos, float dt, const Grid& vel) {
    vec2 p = pos - dt * vel.sample(pos);
    return vel.sample(p);              // 双线性插值
}

为什么稳定:不是"往前推"(会超出去),而是"往回找"(永远在已知区域内)。这叫半拉格朗日(semi-Lagrangian)。

代价:数值耗散——插值会抹平细节。烟会变得模糊。

改进:

  • MacCormack / BFECC:二阶精度,减少耗散
  • 高阶插值(三次插值)

2. 投影(压力求解)

目标:让速度场散度为零(不可压缩)。

数学上:

unew=u−∇p,∇2p=∇⋅u\mathbf{u}^{new} = \mathbf{u} - \nabla p, \quad \nabla^2 p = \nabla\cdot\mathbf{u}

这是一个泊松方程(Poisson equation),需要求解。

离散化后是大型稀疏线性系统:

Ap=b\mathbf{A}\mathbf{p} = \mathbf{b}

求解方法:

方法复杂度特点
Gauss-Seidel / Jacobi 迭代简单收敛慢,但 GPU 友好的 Jacobi 很常用
共轭梯度(CG)快需要对称正定(这里是)
多重网格(Multigrid)最快实现复杂
FFT周期边界下最快边界限制

实时仿真中,投影是最贵的一步(通常占 70%+ 的时间)。

// Jacobi 迭代求解压力
for (int iter = 0; iter < N; iter++) {
    for each cell (i,j):
        p_new[i][j] = (p[i-1][j] + p[i+1][j] + p[i][j-1] + p[i][j+1]
                       - dx*dx * divergence[i][j]) / 4;
    swap(p, p_new);
}

// 应用压力梯度
for each cell:
    u[i][j] -= (p[i+1][j] - p[i-1][j]) / (2*dx);
    v[i][j] -= (p[i][j+1] - p[i][j-1]) / (2*dx);

3. 边界条件

固体边界:  法向速度为 0(流体不能穿透)
           u · n = 0
自由表面:  p = 0(大气压)

处理:在网格外设置"ghost cell",或用标记(solid/fluid/air)。

SPH(Smoothed Particle Hydrodynamics)

纯拉格朗日的粒子方法。

核心:核函数插值

任意量AA 在位置r\mathbf{r} 的值由周围粒子加权平均:

A(r)=∑jmjAjρjW(r−rj,h)A(\mathbf{r}) = \sum_j m_j \frac{A_j}{\rho_j} W(\mathbf{r} - \mathbf{r}_j, h)

符号含义
WW核函数(平滑核),半径hh 内非零
mjm_j粒子质量
ρj\rho_j粒子密度

密度计算

ρi=∑jmjW(ri−rj,h)\rho_i = \sum_j m_j W(\mathbf{r}_i - \mathbf{r}_j, h)

压力(状态方程)

pi=k(ρi−ρ0)(Tait 方程或理想气体)p_i = k(\rho_i - \rho_0) \quad \text{(Tait 方程或理想气体)}

或更常用的:

pi=kρ0γ[(ρiρ0)γ−1]p_i = \frac{k\rho_0}{\gamma}\left[\left(\frac{\rho_i}{\rho_0}\right)^\gamma - 1\right]

力

fipress=−∑jmj(piρi2+pjρj2)∇Wij\mathbf{f}_i^{press} = -\sum_j m_j \left(\frac{p_i}{\rho_i^2} + \frac{p_j}{\rho_j^2}\right) \nabla W_{ij}

fivisc=μ∑jmjvj−viρj∇2Wij\mathbf{f}_i^{visc} = \mu \sum_j m_j \frac{\mathbf{v}_j - \mathbf{v}_i}{\rho_j} \nabla^2 W_{ij}

核函数

常用 Poly6(密度)和 Spiky(压力梯度,因为梯度不为零):

Wpoly6(r,h)=31564πh9(h2−r2)3(r≤h)W_{poly6}(r,h) = \frac{315}{64\pi h^9}(h^2 - r^2)^3 \quad (r \le h)

∇Wspiky=−45πh6(h−r)2rr\nabla W_{spiky} = -\frac{45}{\pi h^6}(h-r)^2 \frac{\mathbf{r}}{r}

为什么压力用不同的核:Poly6 的梯度在r=0r=0 处为零 → 会导致粒子聚集(clustering)。Spiky 的梯度恒不为零,能推开粒子。

SPH 的问题

问题表现
不可压缩性差密度波动大,水会"抖"
粒子聚集核函数选择不当导致
边界处理难边界附近的粒子缺失邻居 → 密度偏低 → 吸附到边界
拉伸不稳定负压导致粒子聚团

PBF(Position Based Fluids,2013)

用 PBD 的思路做流体——把不可压缩性当作密度约束。

1. 预测位置: p = x + dt·v + dt²·f_ext
2. 迭代(几次):
     对每个粒子:
       计算密度 ρ_i
       约束 C_i = ρ_i/ρ_0 - 1 = 0
       计算 Δp_i(沿约束梯度方向移动)
     应用 Δp
3. 更新速度: v = (p - x)/dt
4. (可选)XSPH 粘性、涡量补偿

优势:

  • 大时间步稳定(PBD 的固有优势)
  • 密度约束直接保证不可压缩
  • 比 SPH 好调参

这是当前实时流体(游戏、交互应用)的主流方法之一。

PIC / FLIP(混合方法)

粒子 + 网格:

PIC/FLIP 的一步:
  1. 粒子 → 网格:  把粒子速度累加到网格(加权)
  2. 网格求解:     在网格上加力、投影(使散度为零)
  3. 网格 → 粒子:  把网格速度插值回粒子

PIC(Particle-in-Cell):直接用网格速度覆盖粒子速度。 → 稳定但耗散大(流体变"黏")。

FLIP(Fluid Implicit Particle):用速度的变化量Δu\Delta u 更新粒子。

upnew=upold+Δugridu_p^{new} = u_p^{old} + \Delta u_{grid}

→ 几乎无耗散,细节丰富。

问题:FLIP 会有噪声(粒子速度不受网格平滑约束)。

实用做法:PIC 和 FLIP 混合:

upnew=α⋅uPIC+(1−α)⋅uFLIP,α≈0.01u_p^{new} = \alpha \cdot u_{PIC} + (1-\alpha) \cdot u_{FLIP}, \quad \alpha \approx 0.01

取一点点 PIC 来抑制噪声,其余用 FLIP 保留细节。

这是影视级流体(Houdini、Maya Bifrost)的标准方法。

表面追踪

流体仿真得到的是速度场/粒子,要渲染需要表面。

方法适用特点
Marching Cubes网格法,有 level set生成三角网格
Level Set欧拉符号距离场,表面 = 零等值面
Screen Space Fluid粒子,实时用深度缓冲重建表面,便宜
粒子球(Metaball)粒子融合的球

Level Set 需要定期重新初始化(保持∣∇ϕ∣=1|\nabla\phi|=1),否则会失真。

不同类型的流体效果

效果关键
烟欧拉网格 + 浮力(温度驱动)+ 涡量约束
火烟 + 燃烧模型 + 黑体辐射着色
水(水面)高度场(便宜)或 FLIP(影视)
溅水/泡沫粒子(SPH/PBF)+ 白水处理
粘稠液体高粘度 + 塑性
爆炸强压力 + 冲击波

涡量约束(Vorticity Confinement)

问题:数值耗散让烟失去小尺度涡旋,看起来"死板"。

解法:主动检测涡量ω=∇×u\boldsymbol{\omega} = \nabla \times \mathbf{u},施加一个力增强已有的涡旋。

fvort=ϵ(N×ω),N=∇∣ω∣∥∇∣ω∣∥\mathbf{f}_{vort} = \epsilon (\mathbf{N} \times \boldsymbol{\omega}), \quad \mathbf{N} = \frac{\nabla|\boldsymbol{\omega}|}{\|\nabla|\boldsymbol{\omega}|\|}

这是让烟"活起来"的关键技巧——没有它,实时烟看起来像雾。

浮力

fbuoy=−αρg+β(T−Tambient)g\mathbf{f}_{buoy} = -\alpha \rho \mathbf{g} + \beta(T - T_{ambient})\mathbf{g}

温度高的部分上升(烟、火)。

性能

方法实时性质量典型分辨率
2D / 2.5D 高度场实时低任意
3D 欧拉(低分辨率)实时中643∼128364^3 \sim 128^3
SPH / PBF实时中几万粒子
FLIP(高分辨率)离线高5123512^3+

3D 的诅咒:分辨率翻倍,计算量 8 倍。所以实时 3D 流体分辨率很低,细节靠噪声和着色补。

常见坑

  • 半拉格朗日对流太耗散:用 MacCormack 或提高分辨率
  • 压力求解不收敛:迭代次数不够 → 流体"可压缩"(会看到体积变化)
  • 边界条件不对:流体从墙里漏出来,或吸附在墙上
  • SPH 的粒子聚集:换核函数,或加人工压力项
  • SPH 边界密度偏低:加 ghost particle 或边界粒子层
  • FLIP 的噪声:混合一点 PIC
  • 时间步太大:即使 Stable Fluids 稳定,大Δt\Delta t 也会让对流失真(CFL 条件:Δt<Δx/∣u∣\Delta t < \Delta x / |\mathbf{u}|)
  • Level Set 没重新初始化:距离场失真,表面变形
  • 渲染时的折射:水的折射需要处理,直接画表面会很假
  • 粒子数与性能:几万粒子在 CPU 上就满了,需要 GPU(或降低维度)