Paraview: Calculate Derivatives of 3-D Unstructured Dataset


关注九天学者微信公众号(扫码关注)第一时间获取技术贴更新!


Paraview 是一款基于VTK的、开源的、跨平台的科学数据可视化软件,其三维显示和后处理功能非常强大。可以在Paraview官方网站下载安装。相信接触过CFD或者其它的动力学模拟的科研工作者都知道此神器!虽然之前吐槽过其图像导出功能,但是三维数据实时演示和一些后处理绝对是很棒的!

非结构化三维数据可视化

以局部地幔对流和地壳温度结构模拟结果为例

3D Unstructured Dataset: Temperature

一阶导数\nabla T

\nabla T=\frac{\partial T}{\partial x}\vec{i} + \frac{\partial T}{\partial y}\vec{j} +\frac{\partial T}{\partial z}\vec{k}

T的方向导数的模

  1. 对目标数据应用GradientOfUnstructuredDataSet Filter
  2. 选择计算方向导数的数据:这里选择的是T,如图中红框所示
  3. 勾选Compute Gradient 计算梯度(\nabla T):如图中的蓝框所示。当然了还可以计算散度(Divergence: \nabla \cdot \vec{v})和旋度(Vorticity: \nabla \times \vec{v}),(前提是选择的数据是矢量)
  4. 设置计算结果名称:这里设置的名称为Gradients1,如图中的蓝框所示
  5. 可视化:在顶部可视化数据下拉菜单中选择刚才计算生成的Gradients1,在其右边的下拉菜单中会有四个变量:Magnitude, X, Y, Z分别表示梯度模和x, y, z三个方向上的导数

paraview 对一个标量应用GradientOfUnstructuredDataSet得到的是三个导数分量和一个模

二阶导数 \nabla^2 T

\nabla^2 T = \frac{\partial^2 T}{\partial x^2} + \frac{\partial^2 T}{\partial y^2} +\frac{\partial^2 T}{\partial z^2}这是数学形式,但是paraview求解二阶导数有两种方式。

应用两次 GradientOfUnstructuredDataSet

对第一步求得的Gradients1再应用一次GradientOfUnstructuredDataSet,并设置结果名称为Gradients2。因为Gradients1中有三个分量,而Paraview并没有给出选项具体选择哪个分量计算第二次导数,而是对三个分量都计算。因此得到的Gradients2结果中包含九个分量,编号从0到8. 其对应的分量为:T_{xx}, T_{xy}, T_{xz}; T_{yx}, T_{yy}, T_{yz}; T_{zx}, T_{zy}, T_{zz}

对T求两次Gradient

Compute Derivatives

对某标量(比如T)应用一次Compute Derivatives Filter

对T应用Compute Derivatives Filter
  1. 选择目标数据:这里选择的是T, 如图中红框所示
  2. 选择输出类型:此Filter对于标量求了一个一阶导数和一个二阶导数,输出类型分别为三个分量的Scalar Gradient(与应用一次GradientOfUnstructuredDataSet的结果相同)和九个分量的张量类型Vector Gradient(与应用两次GradientOfUnstructuredDataSet的结果相同)。对于矢量输入数据(比如是\vec{v}而不是T),两个输出类型分别为VorticityStrain
  3. 可视化:在上方的可视化数据选项下拉菜单中多出了两个cell data数据体,分别为Scalar GradientVector Gradient如图中绿色框所示。前者有三个分量和一个模,后者有九个分量和一个模。

GradientOfUnstructuredDataSetCompute Derivatives的区别,前者是计算结果输出的是Point Data类型,后者输出的是Cell Data类型。计算结果类似,由于一个是point的一个是cell的,所以显示的结果略微有差别。可参见Paraview Mail list对此问题的讨论

对数据体进行算术运算

对数据进行算术运算

关注九天学者微信公众号(扫码关注)第一时间获取技术贴更新!


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,377评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,390评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,967评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,344评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,441评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,492评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,497评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,274评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,732评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,008评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,184评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,837评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,520评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,156评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,407评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,056评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,074评论 2 352

推荐阅读更多精彩内容