等几何分析中的计算域参数化

2026/05/20 13:25:00·2026/05/22 13:52:00

课程等几何分析·13 min read

等几何分析参数化 NURBS B样条几何建模课程笔记

前置知识回顾

本讲讨论的是 IGA 管线中最容易被低估的一步：如何从 CAD 边界构造一个能用于数值分析的计算域。进入这一讲之前，建议先回顾：

NURBS / B-spline：曲线和曲面由控制点、节点矢量、基函数和权重共同决定。可回看 L01-03 入口笔记。
控制网格：控制点不是普通采样点，而是决定几何映射 $F(\xi,\eta)$ 的设计变量。
单射映射：参数域中不同点不能映到物理域同一点，否则计算域翻折，单元雅可比会变号。
雅可比行列式： $J=\det \frac{\partial F}{\partial(\xi,\eta)}$ 衡量参数域面积如何映射到物理域面积。 $$J>0$$ 是分析适用性的底线。
FEA 网格生成：传统有限元可以先生成网格再局部修网格；IGA 中几何映射本身就是分析空间，参数化质量直接进入刚度矩阵。

Part 1 · 背景动机

从 FEA 到 IGA：为什么参数化突然变得关键

传统有限元分析（FEA）中，CAD 几何和计算网格是两套表示。CAD 负责描述设计边界，前处理工具把几何离散成三角形、四边形、四面体或六面体网格。网格质量不好时，可以重剖分、局部加密或手动修补。

等几何分析（IGA）的目标不同。Hughes 等人在 2005 年提出 IGA，希望让 CAD 与 CAE 使用同一种数学表示，例如 NURBS / B-spline，从而消除几何近似误差。但这带来了一个新难题：CAD 通常只精确描述边界，数值分析却需要整个体域上的光滑映射。

也就是说，IGA 的计算域不是一堆离散单元，而是一个从规则参数域到物理域的映射：

F:\hat\Omega\rightarrow\Omega,\qquad (\xi,\eta)\mapsto (x,y).

如果这个映射局部翻折、过度拉伸或严重倾斜，后面的弱形式、数值积分和矩阵求解都会受影响。因此在 IGA 中，参数化不是美观问题，而是分析能不能稳定进行的问题。

不同参数化方法会产生不同的等参线分布；等参线越均匀、越少扭曲，后续分析越稳定。

Part 2 · 质量标准

Analysis-suitable Parameterization 到底在要求什么

给定边界 B-spline 曲线或曲面，内部控制点应该如何布置？课程中强调三个最基本的质量标准：单射性、均匀性和正交性。

1. 单射性：不能翻折

映射 $F(\xi,\eta)$ 必须保持局部方向一致。二维情况下，关键量是雅可比行列式：

J(\xi,\eta)=\det\begin{bmatrix} \frac{\partial x}{\partial \xi} & \frac{\partial x}{\partial \eta}\\ \frac{\partial y}{\partial \xi} & \frac{\partial y}{\partial \eta} \end{bmatrix}.

若某处 $J\le 0$ ，参数域中的小面积块会被压扁或翻折，数值积分和刚度矩阵都会失去物理意义。Xu 等人的分析适用参数化工作中，常通过控制网格层面的充分条件来保证 $$J>0$$ 。

2. 均匀性：不要极端拉伸

即使 $$J>0$$ ，映射仍可能很差。例如某些区域被极度压缩，另一些区域被拉得很长。这会造成单元尺度差异巨大，使数值积分误差和矩阵条件数恶化。均匀性要求等参线分布尽量平滑，不出现局部拥挤。

3. 正交性：两族等参线尽量垂直

理想情况下， $\frac{\partial F}{\partial \xi}$ 和 $\frac{\partial F}{\partial \eta}$ 尽量接近正交。若两方向夹角过小，物理单元会变成狭长斜片，基函数梯度映射后被放大，刚度矩阵条件数变差。

标准	数学信号	坏情况	后果
单射性	$$J>0$$	翻折、自交	积分无效，分析失败
均匀性	$$J$$ 分布平稳	局部过密或过疏	误差集中，条件数变差
正交性	$F_\xi\cdot F_\eta\approx 0$	等参线斜交	刚度矩阵病态
边界一致性	$F\|_{\partial\hat\Omega}$ 匹配 CAD 边界	边界漂移	几何失真
分析适用性	连续性、光滑性、可积性满足要求	块间不连续或奇异	高阶基函数优势消失

Part 3 · 核心困难

CAD 边界并不会自动给出好计算域

从边界构造内部参数化有四个困难：

修剪曲面：CAD 模型大量使用 trimmed surfaces，边界是裁剪出来的，不一定天然适合张成一个规则参数域。
复杂拓扑：孔洞、凹角、分叉和奇异点会让单块参数化变得困难。
分析适配性：几何上看起来顺滑，不代表数值分析上稳定。必须同时满足单射、均匀、正交等要求。
多块连续性：复杂区域往往要分解成多个 B-spline 块，相邻块之间还要处理 $$C^0$$ 、 $$G^1$$ 或更高连续性。

Part 4 · Coons 构造

用四条边界曲线先搭一个初始面

Coons patch 是课程中最重要的初始构造方法。它回答一个简单问题：如果四条边界曲线已经给定，怎样用插值方式填充内部？

设四条边界曲线为：

C_0(v)=F(0,v),\quad C_1(v)=F(1,v),\quad D_0(u)=F(u,0),\quad D_1(u)=F(u,1).

先沿 $$u$$ 方向线性混合左右边界：

$$L_u(u,v)=(1-u)C_0(v)+uC_1(v).$$

再沿 $$v$$ 方向线性混合上下边界：

$$L_v(u,v)=(1-v)D_0(u)+vD_1(u).$$

如果直接把 $$L_u+L_v$$ 相加，四个角点会被重复计算，所以需要减去双线性角点混合项：

B(u,v)=(1-u)(1-v)P_{00}+u(1-v)P_{10}+(1-u)vP_{01}+uvP_{11}.

于是 Coons 曲面为：

$$F(u,v)=L_u(u,v)+L_v(u,v)-B(u,v).$$

为什么要减 $$B$$ ：四个角点既在左右边界混合中出现，又在上下边界混合中出现。减去双线性角点项，正好把重复贡献抵消掉。

Coons 构造用四条边界曲线生成内部参数化，是很多优化方法的初始猜测。

例题 1：单位正方形的 Coons patch 为什么退化成恒等映射

题目：设边界为 $$C_0(v)=(0,v)$$ 、 $$C_1(v)=(1,v)$$ 、 $$D_0(u)=(u,0)$$ 、 $$D_1(u)=(u,1)$$ 。求 Coons patch。

左右混合： $$L_u=(1-u)(0,v)+u(1,v)=(u,v)$$ 。
上下混合： $$L_v=(1-v)(u,0)+v(u,1)=(u,v)$$ 。
角点双线性混合也是 $$B(u,v)=(u,v)$$ 。
所以 $$F=L_u+L_v-B=(u,v)$$ 。

答案：单位正方形边界的 Coons patch 是恒等映射。

易错点：Coons patch 不是简单把两个方向插值相加，还必须减去角点双线性项。

Part 5 · 优化参数化

Coons 只是初始猜测，真正质量靠约束优化

Coons 构造快速、简单，但它只保证插值边界，不保证内部质量。因此 Xu 等人的经典工作采用“两阶段范式”：先用 Coons 或离散 Coons 构造初始控制网格，再通过约束优化改善质量。

典型优化问题可以写成：

\min_{P_{ij}} E(P)=\lambda_1E_{\text{uniform}}+\lambda_2E_{\text{orthogonal}}+\lambda_3E_{\text{smooth}}

约束为：

J(\xi_q,\eta_q)>0,\quad F|_{\partial\hat\Omega}=\partial\Omega_{CAD},

其中 $P_{ij}$ 是内部控制点， $\xi_q,\eta_q$ 是采样检查点。求解上常用序列二次规划（SQP）：每一步把非线性目标和约束局部近似成二次规划问题，求出控制点更新量，再迭代直到收敛。

这类方法的难点在于约束不能太弱。只在少量采样点上检查 $$J>0$$ ，可能漏掉局部翻折；检查过密又会让优化规模变大。因此课程里强调，参数化问题看似是几何构造，实质上是几何、优化和数值分析的交叉问题。

例题 2：如何判断一个参数化是否翻折

题目：给定平面参数化 $F(u,v)=(u+0.2\sin \pi v,\; v+0.1\sin \pi u)$ ，判断它是否存在局部翻折的风险。

计算偏导： $F_u=(1,0.1\pi\cos\pi u)$ ， $F_v=(0.2\pi\cos\pi v,1)$ 。
雅可比为 $J=1-0.02\pi^2\cos\pi u\cos\pi v.$
因为 $\cos\pi u\cos\pi v\in[-1,1]$ ，所以 $J\ge 1-0.02\pi^2\approx0.803>0$ 。
因此这个映射在该估计下没有翻折风险。

答案： $$J$$ 始终为正，局部单射性较安全。

易错点：只看边界不够，内部也可能翻折。IGA 参数化必须检查整个计算域的雅可比。

Part 6 · 其他技术路线

从调和映射到多块分解

调和映射法

调和映射希望通过能量最小化得到平滑参数化。直觉上，它像把边界固定后，让内部等参线自然放松。优点是理论清晰，缺点是复杂凹边界附近可能产生非均匀或低质量区域。

调和映射把参数化看成能量最小化问题，强调内部等参线的平滑分布。

Möbius 重参数化

Möbius 重参数化不改变几何形状，而是调整边界曲线的参数分布。对于同一条 CAD 边界，参数点分布不同，内部 Coons 和优化结果也会不同。这条路线说明：参数化质量不仅取决于内部控制点，也取决于边界参数如何被安排。

多块分解

复杂拓扑通常无法用一个规则四边形或六面体参数域覆盖。此时必须把区域分成多个拓扑简单的块，再分别参数化，并处理块间连续性。常见方法包括骨架分解、标架场分解和 Polycube / Polysquare 结构。

复杂拓扑往往需要先分块，再对每个块构造分析适用参数化。

Part 7 · 与 CAD / IGA 的深层关系

参数化质量直接决定分析质量

参数化处于 CAD-IGA 管线的核心位置：

CAD 提供边界表示，但并不保证内部体参数化适合分析。
IGA 使用同一套 B-spline / NURBS 基函数表示几何和场变量，因此几何映射质量会直接进入刚度矩阵。
坏参数化会导致雅可比接近 0、基函数梯度异常放大、数值积分误差和线性系统病态。
复杂拓扑下，多块结构和块间连续性比单块质量更关键。

这就是 CAD-CAE 无缝集成中的本质障碍：CAD 的设计目标是造型和制造表达，CAE 的设计目标是稳定求解 PDE。参数化是把这两个目标接起来的桥。

Part 8 · 后续衔接

从参数化走向骨架分解与 Polycube

本讲解决的是“给定边界，如何构造可分析的计算域”。但当几何拓扑复杂时，单块参数化常常无能为力。下一讲骨架分解与 Polycube 参数化会进一步讨论：如何先把复杂区域分解成拓扑简单的块，再在每个块上应用 Coons、优化或调和映射等方法。

Part 9 · 复习速查

参数化方法与判断入口

概念	核心公式/条件	作用	常见误区
单射性	$$J>0$$	防止翻折	只检查边界，不检查内部
均匀性	$$J$$ 分布平稳	控制尺度畸变	认为无翻折就足够
正交性	$F_\xi\cdot F_\eta\approx0$	改善矩阵条件数	忽略等参线夹角
Coons patch	$$F=L_u+L_v-B$$	快速初始构造	忘记减双线性角点项
SQP 优化	目标函数 + $$J>0$$ 约束	提升内部质量	采样约束过稀
多块分解	复杂域 → 简单块	处理复杂拓扑	忽略块间连续性

参考来源

本地材料：GAMES302 第 4 讲 PPT GAMES302-04.pdf；本地源笔记 games302-04-parameterization.md。
Hughes, T. J. R. et al. (2005). Isogeometric analysis: CAD, finite elements, NURBS, exact geometry and mesh refinement. CMAME.
Xu, G. et al. (2011). Analysis-suitable parameterization of computational domain in isogeometric analysis. CMAME.
Xu, G. et al. (2013). Constructing analysis-suitable parameterization of computational domain from CAD boundary. CAD.
Wolfram MathWorld · Coons Patch：用于核对 Coons patch 的插值公式和角点修正思想。
Isogeometric Analysis overview：用于补充 IGA 中 CAD-CAE 统一表示的背景。