流体模拟

在游戏中模拟水的行为，无论是飞溅的浪花、流淌的河流还是魔法效果，都是一个极具挑战性但又能带来巨大视觉提升的任务。传统的流体模拟方法通常基于网格（例如，欧拉法），它们将空间划分为固定的单元（体素），并在这些单元上求解流体力学的核心方程——纳维-斯托克斯方程 (Navier-Stokes Equations)。然而，基于网格的方法在处理自由表面（如水的表面）和剧烈运动（如飞溅和破碎）时非常复杂和昂贵。平滑粒子流体动力学 (Smoothed Particle Hydrodynamics, SPH) 提供了一种完全不同的、基于粒子的拉格朗日方法。它将流体离散化为一组携带物理属性（如密度、压力、速度）的粒子，然后通过一个平滑核函数 (Smoothing Kernel) 来近似计算每个粒子及其邻居之间的相互作用力，从而驱动整个流体的运动。SPH 因其在处理自由表面流体方面的天然优势，在游戏和视觉特效领域获得了巨大的成功。

1. SPH 的核心思想：核函数插值

SPH 的基石思想是，空间中任意一点的某个物理量 A 的值，可以通过其周围邻居粒子该物理量的加权平均来近似得到。这个“权”就是平滑核函数 (Smoothing Kernel) W。

$A (r) = j \sum m_{j} \frac{A _{j}}{ρ _{j}} W (r - r_{j}, h)$

A(r): 在位置 r 处的物理量 A 的值。
j: 邻居粒子的索引。
m_j, ρ_j, A_j: 邻居粒子 j 的质量、密度和物理量 A 的值。
W: 平滑核函数，其值仅在一个有限的支撑半径 (support radius) h 内非零。h 定义了粒子的影响范围。

这个公式不仅可以用来插值物理量本身，更重要的是，可以用来插值物理量的梯度 (gradient) 和拉普拉斯算子 (laplacian)，这对于计算流体力学中的力至关重要。

平滑核函数 (Smoothing Kernels)

为了高效和稳定，我们不直接使用高斯函数等，而是使用特殊设计的多项式核函数：

Poly6 Kernel: W_{poly6}(r, h) = C * (h² - r²)^3。这个核函数非常平滑，适合用于计算密度等标量场。
Spiky Kernel: W_{spiky}(r, h) = C * (h - r)^3。这个核函数的梯度在中心处不为零，非常适合用于计算压力梯度，可以避免粒子在近距离时互相粘连。
Viscosity Kernel: 它的拉普拉斯算子是特别设计的，适合用于计算粘滞力。

2. SPH 模拟循环

一个典型的 SPH 模拟循环如下：

寻找邻居 (Neighbor Search): 这是 SPH 中最耗时的步骤。对于每个粒子，我们需要快速找到其支撑半径 h 内的所有其他粒子。通常使用空间哈希或统一网格等数据结构来加速这个过程。
计算密度 (Compute Density): 使用 Poly6 核函数和 SPH 的基本插值公式，根据邻居粒子的质量和位置，计算每个粒子所在位置的密度 ρ_i。 ρ_i = Σ_j m_j * W_{poly6}(r_i - r_j, h)
计算压力 (Compute Pressure): 密度的变化会产生压力。压力 p 和密度 ρ 之间的关系由状态方程 (Equation of State) 定义。一个常用的状态方程是 Tait 方程，它将 SPH 流体近似为“弱可压缩 (weakly compressible)”的： p_i = k * ( (ρ_i / ρ_0)^γ - 1 )
- ρ_0: 静止密度。
- k: 气体常数，类似于刚度，控制了流体的“硬度”。
- γ: 通常取7。
计算力 (Compute Forces): 每个粒子受到的力主要有三种： a. 压力梯度力 (Pressure Force): F_pressure。这是驱动流体运动最主要的力。高压区的粒子会被推向低压区。它通过对压力场求梯度来计算，通常使用 Spiky 核的梯度。 b. 粘滞力 (Viscosity Force): F_viscosity。它模拟了流体的“粘稠度”，会减缓速度差异大的粒子之间的相对运动，使流动更平滑。它通过对速度场求拉普拉斯算子来计算，通常使用 Viscosity 核的拉普拉斯算子。 c. 外力 (External Forces): F_external。主要是重力，也可以是风力、玩家互动等。

F_i = F_pressure_i + F_viscosity_i + F_external_i
积分 (Integration): 有了每个粒子受到的总力 F_i，我们就可以用牛顿第二定律 a_i = F_i / ρ_i（注意这里除以的是密度，因为力也是密度场）计算加速度，然后用数值积分（如半隐式欧拉或Verlet）来更新每个粒子的速度和位置。

3. 优缺点与挑战

优点：

善于处理自由表面： 由于其无网格的特性，SPH 天然地适合模拟飞溅、破碎、泡沫等复杂的流体现象，而无需复杂的表面追踪算法。
易于实现并行化： 每个粒子的计算主要依赖于其局部邻居，这使得 SPH 算法非常适合在 GPU 上大规模并行化。
质量守恒： 由于粒子总数不变，质量是自动守恒的。

缺点与挑战：

可压缩性问题： 经典的 SPH 是“弱可压缩”的，这意味着流体的体积会随压力发生微小变化。这会导致不真实的体积变化和数值反弹，难以模拟出平静的水面。
压力求解不精确： 压力的计算是局部的，这可能导致压力场出现噪声，使得模拟结果看起来“跳跃”或“起泡”。
邻居搜索开销大： 寻找邻居是性能瓶颈，尤其是在粒子分布极不均匀时。
边界处理： 如何处理流体与固体边界的交互是一个难题。通常使用特殊的边界粒子或惩罚力来实现，但很难做到完美。

4. 现代改进：PCISPH, IISPH

为了解决经典 SPH 的可压缩性问题，研究者们提出了多种改进方法，其核心思想都是在主模拟循环中加入一个压力求解迭代循环，以强制满足不可压缩性条件。

PCISPH (Predictive-Corrective Incompressible SPH): 它会预测一个密度误差，然后迭代地修正压力，直到预测的未来密度误差低于一个阈值。
IISPH (Implicit Incompressible SPH): 它通过求解一个稀疏的线性系统来隐式地计算压力，能够更高效、更稳定地强制不可压缩性。

这些方法能够以更高的计算成本，换来更平滑、更真实的不可压缩流体效果。

总结

SPH 是一种强大而灵活的流体模拟方法，它通过将流体离散为粒子，并利用核函数来计算局部相互作用，成功地绕开了传统网格方法的诸多限制。尽管存在可压缩性和压力不稳定的问题，但其在模拟动态、自由表面流体方面的巨大优势，以及与 GPU 并行计算的天然契合，使其成为了游戏和实时特效领域不可或缺的工具。从经典的“弱可压缩”SPH，到现代的 IISPH 等不可压缩方法，SPH 技术仍在不断发展，为创造更逼真、更壮观的虚拟水世界提供了无限可能。

Keyboard shortcuts