流体现象广泛存在于自然界、日常生活以及工业生产中。对流体现象的仿真,即流体动画,在计算机图形学领域一直是研究热点。随着技术的发展,人们开始追求具有更高真实感、更宏伟的仿真场景、实时高效的流体动画效果,基于物理的流体动画技术应运而生。传统流体动画技术已经可以逼真地模拟牛顿流体的流动现象,本文将这一技术扩展至非牛顿流体动画,针对模型表达能力有限、数值计算复杂、流体-固体交互困难、大场景仿真计算耗时严重等方面的不足,围绕非牛顿流体算法加速、边界处理、大场景仿真加速三个方面展开研究,提出了一系列针对非牛顿流体动画的仿真算法。本文的主要工作包括:1)针对非牛顿流体动画的仿真效率低、数值稳定性差的问题,提出了基于预估-矫正方法的非牛顿流体仿真加速算法。该方法首先根据外力预测流体粒子速度,然后通过为每个流体粒子设定一个独立的强度系数进行校正,使每个粒子在局部区域满足不可压缩条件,迭代地求解以满足全局不可压缩性;之后根据预测的速度场进行黏性应力张量项的校正和求解,迭代至黏度稳定后,采用半隐式欧拉方法对每个粒子下一时刻的位置进行更新。该方法能够使仿真动画在大时间步长下具有更高的数值稳定性,极大地提升了仿真效率。2)针对已有的非牛顿流体预估-校正方法中边界条件不合理,导致仿真流体物理特性丢失的问题,提出一种适用于预估-校正方法下非牛顿流体仿真的边界处理方法。将固体采样为单层边界粒子,在统一粒子框架下进行边界粒子与流体粒子的交互,并将其应用在已有的基于预估-校正的非牛顿流体仿真算法框架下。该方法能够通过调节参数全面地展现非牛顿流体的物理特性,提供具有良好真实感的非牛顿流体-固体耦合动画。3)针对传统流体动画方法中大场景仿真计算量大、仿真慢、占用内存高的问题,提出了数据驱动的大场景仿真加速方法,从SPH流体动画仿真数据中学习流体动力学并实现大场景仿真加速。该方法具有较好的准确性和稳定性,能够合理预测具有随机初始状态的各种流体仿真场景的速度场;能够用小场景的数据集训练好的模型预测同类型大场景流体仿真的速度场,既解决了传统流体动画仿真方法进行大场景仿真时速度慢内存消耗大的问题,又解决了其他数据驱动算法需要大量大场景数据集才能进行模型学习的问题,在保证预测合理性的基础上,在加速大场景动画仿真方面具有可观的性能。