MOOSE框架中向量跳变指示器的设计与实现

背景与需求

在科学计算领域，自适应网格细化(AMR)技术对于提高计算效率和精度至关重要。MOOSE框架作为多物理场模拟的强大工具，目前仅支持标量变量(ValueJumpIndicator)或标量变量梯度(GradientJumpIndicator)的跳变计算。然而，实际应用中经常需要处理向量变量的跳变，例如有限差分估计的变量梯度或蒙特卡洛输运模拟中的中子流密度。

技术挑战

现有的跳变指示器实现存在以下局限性：

1. 仅支持标量变量及其梯度的跳变计算
2. 无法直接处理向量变量(如RealVectorValue类型)的跳变
3. 架构设计上缺乏对向量变量的扩展性

设计方案

核心架构改进

1. 引入基类模板化设计：

   • 新增InternalSideIndicatorBase基类
   • 派生InternalSideIndicatorTempl模板类，支持Real、RealVectorValue和EigenVector三种特化
   • 具体实现类包括：
     • InternalSideIndicator(Real)
     • VectorInternalSideIndicator(RealVectorValue)
     • ArrayInternalSideIndicator(RealEigenVector)

2. 跳变指示器重构：

   • 将ValueJumpIndicator重构为ValueJumpIndicatorTempl模板类
   • 提供两种特化实现：
     • ValueJumpIndicator(Real)
     • VectorValueJumpIndicator(RealVectorValue)

3. 向量跳变计算：

   • VectorValueJumpIndicator计算向量变量的跳变
   • 将跳变与表面外法向点乘，返回标量指示值

框架适配

1. 修改FEProblemBase类以支持新的指示器基类
2. 调整ComputeIndicatorThread以遍历InternalSideIndicatorBase派生类
3. 保持向后兼容性，不影响现有标量跳变计算功能

实现细节

在具体实现过程中，需要注意以下关键技术点：

1. 模板特化处理：针对不同类型的场变量(标量、向量、特征向量)提供特化实现，确保计算效率。

2. 法向点乘运算：对于向量跳变指示器，关键步骤是将向量跳变与单元面法向进行点乘运算，转化为标量值用于网格细化判断。

3. 线程安全设计：ComputeIndicatorThread的修改需要考虑多线程环境下的数据访问安全性。

4. 继承关系维护：保持现有类继承体系的完整性，确保新增功能不影响已有代码。

应用价值

该改进为MOOSE框架带来了重要的新能力：

1. 支持向量变量AMR：使得基于向量变量(如中子流、速度场等)的自适应网格细化成为可能。

2. 扩展应用场景：特别适用于核工程领域的蒙特卡洛输运模拟，支持对非结构网格计数结果进行后处理和AMR。

3. 框架可扩展性：为未来支持更复杂数据类型(如张量)的跳变计算奠定了基础。

总结

通过在MOOSE框架中引入向量跳变指示器，我们解决了科学计算中向量变量自适应网格细化的关键需求。这一改进不仅增强了框架的功能性，也展示了MOOSE模块化设计的优势。模板化的实现方式确保了代码的可维护性和扩展性，为后续更复杂数据类型的支持提供了清晰的技术路径。