从几何计算到智能生成：有限元网格生成方法的发展与变革

CAE（计算机辅助工程）仿真在现代工业设计中扮演着“数字双胞胎”的角色。从航空发动机的热力分析到汽车碰撞的结构响应，每一行代码都在虚拟世界中预演着物理现实。而这一切精密计算的基石，便是一个看似朴素却至关重要的环节——有限元网格生成。它通过将连续的几何模型离散为一个个简单的几何单元，将复杂的偏微分方程转化为可解的代数方程组。然而，正是这“一分为N”的过程，构成了一个理论与工程深度交织的复杂领域。

网格有两大阵营：非结构化网格与结构化网格。前者以三角形、四面体为代表，灵活多变，能自如应对任何复杂的几何形体；后者则如四边形、六面体网格，具有天然的张量积结构，计算精度高、收敛速度快，尤其擅长处理各向异性问题。两者之间的选择，往往是在几何适应性、计算效率与生成难度之间的权衡。

看似简单的三角形网格，却是网格世界的“万能积木”。其生成算法历经数十年发展，已形成一套完整的方法论体系。

Delaunay方法 是该领域的圭臬，它保证了每个三角形外接圆内部不包含其他点，从而在最大意义上避免了狭长三角形的出现。然而，固定点集往往不能满足高品质网格的需求，工程中更多依赖于增点Delaunay算法。该算法通常分为四步：构造超三角形、插入特征点、根据坏三角形质量指标（如最小角、最大边长比）插入新点、移除无效区域。插点策略的优劣直接影响最终质量——外心插点理论上有收敛保证，重心插点简单鲁棒，而Voronoi边中点法则能以更少的顶点达到更高的质量上界（如最小角收敛至40°）。

除Delaunay方法外，推波法和粒子法也各具特色。推波法从仿生学视角出发，将网格生成模拟为“潮水漫滩”的过程：从边界前沿向内推进，逐层生成单元，尤其适合由样条曲面直接生成三角形网格，因为它天然地与曲线离散边界无缝衔接。粒子法则更像是微观世界的自组装：将顶点视为带斥力的粒子，在区域内动态平衡至理想位置，再通过Delaunay方法构建拓扑。这一方法对于追求均匀网格或特定密度分布的场景极为有效。

然而，真正颠覆性的变革来自于深度学习。MeshGPT和MeshAnything等模型将网格视为由三角形单元构成的“序列”，利用Transformer架构的自回归特性，将网格生成从传统的几何计算问题转变为序列预测问题。这不仅拓展了输入模态（支持点云、图像甚至文本），更在学习过程中内化了形状先验。这种范式转移意味着：网格生成不再仅是对既定几何的忠实复刻，而是融合了对形状语义的深度理解。

四面体网格：三维空间的“多面手”

将三角形网格推广至三维，便是四面体网格。它是工业界应用最广泛的体网格，其生成方法虽与三角形网格同源，却面临着曲面约束与内部填充的双重挑战。

Delaunay方法的推广 依然是四面体网格生成的主导技术。但三维环境下，保持输入表面的离散几何（即“保边界”）成为关键难点。TetGen作为该领域的标杆软件，通过精巧的几何算子和局部拓扑操作，在维持输入曲面三角形网格的同时，高效生成高质量四面体网格。此外，将Delaunay算法与尺寸场结合，能够实现自适应密度控制，这在可压缩流动等梯度变化剧烈的仿真场景中至关重要。

八叉树方法则以空间分解为基础，内部单元质量有严格的数值保证，核心在于处理与边界相交的单元，通过模板或中心投影等方式进行局部修复。

值得注意的是，深度学习的浪潮同样席卷了四面体网格生成。TetGAN等算法通过占有预测和顶点变形，实现了从图像或点云到四面体网格的端到端生成。但相较于二维三角网格，三维体网格的拓扑复杂性对神经网络提出了更高要求，相关研究仍是当前热点。

圣杯之争：四边形与六面体网格

如果说非结构化网格是工业界的“现实主义者”，那么结构化网格——四边形网格与六面体网格——则是追求极致精度的“理想主义者”。

四边形网格的生成多从三角形网格出发。合并法通过图论中的Blossom算法（Blossom-Quad）实现全局最优的三角形配对，在多项式时间内获取最佳四边形布局。映射法则将复杂曲面参数化至规则区域，生成半正则网格，但区域分解的自动化程度仍是瓶颈。基于场的方法近年来备受关注，其核心是交叉场——在每个点定义四个相互垂直的方向场。通过光滑化能量最小化得到最优场后，再追踪场线划分区域。这种方法理论上能生成高质量的纯四边网格，但如何自动生成与几何特征对齐的初始场，以及如何鲁棒地处理奇异点，仍是悬而未决的问题。

六面体网格，被誉为网格世界的“神圣网格”（Holy Grid）。它在计算精度、收敛速度、抗畸变能力等方面全面领先四面体网格，但其自动化生成难度也是空前的。

扫掠法是最实用的方法，适用于一类被称为“扫掠体”的模型（即由一个源面沿路径拉伸至目标面的几何体）。该方法在源面生成四边形网格后，沿路径扫掠生成六面体，效率极高，但适用范围有限。栅格法 则是理论上最通用的方法，它首先用笛卡尔网格填充空间，再通过局部细化（2-细化或3-细化）适应几何特征，最后将边界顶点映射回模型表面。其难点在于处理不同细度网格间的“悬挂节点”，以及保证边界映射后不产生负体积单元。

标架场法被称为六面体网格生成的“下一代技术”。它将交叉场的概念推广至三维，通过内部标架场诱导出体参数化。然而，该方法理论基础尚不完备——究竟什么样的标架场能保证生成有效的六面体网格，至今没有一个充要条件。多立方体方法则另辟蹊径，通过将模型映射到轴对齐的立方体组合（PolyCube）上，在规则空间内生成六面体网格后再逆映射回原模型。其核心挑战在于如何自动构建一个低扭曲、高保真的多立方体映射。

共形几何：理论指引与实践困境

现代微分几何与代数拓扑的引入，为网格生成奠定了坚实的理论基础。计算共形几何相关研究揭示了四边形网格与黎曼面上的亚纯四次微分之间的等价关系，证明了最少奇异点的存在性，并据此开发了基于Ricci流和Strebel微分的算法。同样地，基于裤子分解和测度叶状结构的算法，也为六面体网格的拓扑优化指明了方向。

然而，理论上的优雅完美与工程中的鲁棒高效之间仍存在鸿沟。这些理论方法往往依赖于复杂的数值计算（如求解非线性PDE），且对模型的拓扑和几何质量有较高要求，在大规模复杂CAD模型上的普及仍需时日。

结语：两条主线，一个未来

回望有限元网格生成的发展历程，可以清晰地辨识出两条交织的主线：一条是传统方法的持续精进——从Delaunay到推波法，从映射法到栅格法，它们构成了当今商业软件的绝对主力；另一条是新兴范式的异军突起——深度学习赋予了网格生成以“智能”，共形几何赋予了其“理论根基”。

人工智能技术的引入正带来范式性的变革，有望在鲁棒性与自动化程度上实现突破性进展。可以预见，未来的工业软件将不再满足于“生成一个网格”，而是追求“在毫秒级内，以可控的畸变，生成适应特定物理场的最优网格”。而这，正是CAE仿真朝着全自动、高保真、实时交互方向迈进的坚实基石。

全文参考：雷娜,冯宇豪,段君毅,等. 有限元网格生成方法综述[J]. 电子科技大学学报,2024,53(6):816-843. DOI:10.12178/1001-0548.2024246.