一种基于gpu的热处理炉加热模型计算方法
【专利摘要】本发明公开了一种基于GPU的热处理炉加热模型计算方法，包括以下步骤：建立热处理对象的内部导热数学模型；所述热处理对象为钢坯或钢卷；对热处理对象划分网格；采用有限差分法对导热数学模型进行离散化；将生成的网格映射到GPU的线程上；使用离散化后的导热数学模型，将生成的网格映射到GPU的线程上进行计算，得到计算结果。本发明提供的方法，可以大幅缩短加热模型计算时间，提高模型系统响应速度。
【专利说明】—种基于GPU的热处理炉加热模型计算方法
【技术领域】
[0001]本发明涉及加热处理领域，尤其涉及一种基于GPU的热处理炉加热模型计算方法。
【背景技术】
[0002]冶金生产过程控制领域，热传导模型是应用很广泛的一种数学模型。传统的热传导数学模型算法实现采用了有限差分的方法，通过服务器的高性能CPU实现了温度实时预报和模型优化计算等应用。目前热处理炉加热模型计算采用的方法是使用有限差分的方法迭代计算钢卷的温度分布，通过寻优计算得到最优的退火设定值，该计算方法使用CPU进行计算，对计算的钢卷截面先划分网格，然后循环计算网格内每个节点的温度值，该方法的不足是计算耗时比较长，而且随着网格划分数增加，CPU计算时间呈指数增长。模型计算一般耗时为2分钟左右。
[0003]GPU (Graphics Processing Unit),即图形处理单元,是一种专用的图形渲染设备。最初GPU是专用于图形处理的硬件，然而自从2006年以来，越来越多的研究人员研究了利用GPU进行通用计算的GPGPU领域，各大厂商也推出了专用的GPGPU语言，比如CUDA、OPENCL 等。
【发明内容】
[0004]本发明要解决的技术问题在于针对现有技术中使用CPU进行计算热处理炉加热模型计算耗时较长的缺陷，提供一种基于GPU的热处理炉加热模型计算方法。
[0005]本发明解决其技术问题所采用的技术方案是:
[0006]一种基于GPU的热处理炉加热模型计算方法，包括以下步骤:
[0007]I)建立热处理对象内部导热数学模型；所述热处理对象为钢坯或钢卷；
[0008]2)对热处理对象划分网格:用一系列与坐标轴平行的网格线把求解区域划分成多个子区域，用网格线的交点作为需要确定温度值的空间位置，称为节点，节点的位置用该节点在区域中长宽两个方向上的标号(m，η)表示；Ν表示划分网格的长，M表示划分网格的宽；
[0009]3)划分网格后，采用有限差分法对导热数学模型进行离散化；
[0010]4)将生成的网格映射到GPU的线程(Thread)上；
[0011]5)使用离散化后的导热数学模型，将生成的网格映射到GPU的线程(Thread)上进行计算，计算步骤如下:
[0012](5.1)映射生成网格的节点到GPU的处理单元PE，每个处理单元PE作为一个计算线程，每个计算线程定义一个编号td，td与网格中需要计算的节点之间的关系如下:
[0013]td=m*N+n (I)
[0014](5.2)在主机建立网格对应的初始温度数组Tin和温度结果数组Twt，数组的大小为M*N ;初始化Tin为计算用的初始温度；[0015](5.3)将Tin拷贝到GPU的全局内存中，从主机中拷贝计算中用到的常量:包括密度、比热和热传导系数到GPU的常量内存中；
[0016](5.4)每个PE从全局内存读取输入温度数组Tin，从常量内存读取计算用到的系数，然后离散化后的导热数学模型并行执行时间片delt的热传导计算，并将结果输出到温
度数组Ttjut ；
[0017](5.5)拷贝计算结果温度数组Trat到主机内存并更新Tin数据为Trat ；
[0018](5.6)循环执行步骤2到4直到t等于nt为止，最后从Trat获取计算结果数据。
[0019]按上述方案，步骤I)中所述热处理对象内部导热数学模型为:
【权利要求】
1.一种基于GPU的热处理炉加热模型计算方法，其特征在于，包括以下步骤: O建立热处理对象的内部导热数学模型；所述热处理对象为钢坯或钢卷； 2)对热处理对象划分网格:用一系列与坐标轴平行的网格线把求解区域划分成多个子区域，用网格线的交点作为需要确定温度值的空间位置，称为节点，节点的位置用该节点在长宽两个方向上的标号(m, η)表不；Ν表不划分网格的长，M表不划分网格的宽； 3)采用有限差分法对导热数学模型进行离散化； 4)将生成的网格映射到GPU的线程上； 5)使用离散化后的导热数学模型，将生成的网格映射到GPU的线程上进行计算，得到计算结果。
2.根据权利要求1所述的基于GPU的热处理炉加热模型计算方法，其特征在于，所述步骤5)中，计算步骤如下: (5.1)映射生成网格的节点到GPU的处理单元ΡΕ，每个处理单元PE作为一个计算线程，每个计算线程定义一个编号td，td与网格中需要计算的节点之间的关系如下:td=m*N+n ； (I) (5.2)在主机建立网格对应的初始温度数组Tin和温度结果数组Twt，数组的大小为M*N ;初始化Tin为计算用的初始温度； (5.3)将Tin拷贝到GPU的全局内存中，从主机中拷贝计算中用到的常量:包括密度、t匕热和热传导系数到GPU的常量内存中； (5.4)每个PE从全局内存读取输入温度数组Tin，从常量内存读取计算用到的系数，然后使用离散化后的导热数学模型并行执行时间片delt内热传导计算，并将结果输出到温度数组Ttjut ； (5.5)拷贝计算结果温度数组Trat到主机内存并更新Tin数据为Trat ； (5.6)循环执行步骤2到4直到t等于nt为止，最后从Trat获取计算结果数据。
3.根据权利要求1所述的基于GPU的热处理炉加热模型计算方法，其特征在于，步骤O中所述热处理对象内部导热数学模型为:
4.根据权利要求3所述的基于GPU的热处理炉加热模型计算方法，其特征在于，步骤3)中采用有限差分法对式(2)进行离散，假设总的加热时间为TT，将加热时间等分为s份，则时间步距为At=TT/s，最终离散结果为:
T(k+1, i, j)=f\*T(k，1-1, j)+f1*T(k, i+1, j) +(1-2^-2?) *T(k，i, j)+f2*T(k，i, j-l)+f2*T(k，i，j+l) (3) 式中，T(k+l，i，j)表示 k+ I 时刻第(i, j)单元的钢温，i=l，2，...M，j=l，2，3，…N;f”f2 为傅立叶数，A= ( λ / P cs) * Δ t/ ( Δ χ) 2=a* Δ t/ ( Δ χ)2, f2= ( λ / ρ cs) * Δ t/ ( Δ χ) 2=a* Δ t/(Δ)2, Λ Χ、AyS钢坯沿宽度和厚度的步距，Δ x=w/2M, Λ y=h/2N ;h、w为钢坯厚度和宽度；a为综合导温系数。
5.根据权利要求4所述的基于GPU的热处理炉加热模型计算方法，其特征在于，步骤(5.4)中函数f (t，k)为k时间片t线程的计算结果；根据式(3)的离散化结果可得:
f (k, t)=f\*T(k-l，(1-D^N+jO+f^T (k-1, (i+1) *N+j) + (1-2^-2?) *T (k-1, i*N+j)+f2*T (k-1, i*N+j-l) +f2*T (k-1, i*N+j+l) (4)。
6.根据权利要求1所述的基于GPU的热处理炉加热模型计算方法，其特征在于，所述步骤I)中建立热处理对象内部导热数学模型的步骤包括: (1.1)假设炉温沿炉长方向一维分布，且炉温分布不随时间变化，同一小段炉温上下左右均匀对称分布； (1.2)假设钢坯在炉内沿长度方向匀速运动，忽略长度方向的导热； (1.3)如果是加热对象是钢坯，将钢坯内部传热近似认为无限长扁坯上下两面和左右两面受热的二维非稳态传热问题； (1.4)如果是加热对象是钢卷，则取钢卷沿底面直径的剖面中的其中一半矩形； (1.5)假设钢坯的比热、密度、热传导系数、综合热辐射系数为常数，即不随外部环境变化而变化； (1.6)把钢坯或钢卷内部的热传导作为基本的传热特征，而把炉内周围环境对钢坯或钢卷表面的热辐射作为一个边界条件，建立内部导热数学模型。
【文档编号】G06F17/50GK103544356SQ201310528274
【公开日】2014年1月29日 申请日期:2013年10月30日 优先权日:2013年10月30日
【发明者】周毅, 何发智, 奚泱, 刘校平, 陈跃平 申请人:中冶南方（武汉）信息技术工程有限公司