数值模拟的几类特殊算法介绍，Lagrange、ALE、Euler、SPH谁才是非线性分析的王者？
LS-DYNA 作为显式动力学分析的行业标杆，其强大的能力源于它为解决各类高度非线性问题而集成的一系列高效算法。在这些算法中，Lagrange、ALE、Euler和SPH各具特色，成为应对不同工程场景的利器。
今天，我们将了解这四类核心算法的原理、特点及应用场景，以帮助我们应对具体仿真问题时做出最合适的算法选择。
-01-
Lagrange算法
拉格朗日算法是以法国数学家约瑟夫·路易斯·拉格朗日的名字命名。该算法的基本思想是追踪每一个物质点的运动。其核心特点为:
① 网格与材料绑定:材料附着于网格上一起运动，便于跟踪材料界面和历史。
② 路径相关:能自然记录材料变形过程中的历史相关变量，如塑性变形、损伤等。
③ 边界清晰:物质边界始终清晰，特别适合涉及多种材料接触和相互作用的问题。
从其特点出发，很容易理解其主要优点在于:
① 直观性强:易于理解物质运动和变形过程，结果直观便于进行物理判断。
② 精度较高:在材料经历大变形，但网格未发生严重畸变时，能提供较高的计算精度。
③ 便于追踪:适合于需要精确追踪材料变形历史的问题，如金属成型等。
与此同时，该算法的主要缺点也很明显。主要缺点主要是: 在结构大变形情况下网格极易发生畸变，导致较大的数值误差。网格畸变还会导致计算时间步急剧缩小，甚至终止计算，如下图1所示。这也导致了其处理大变形问题的能力有限。对于流体晃动、爆炸碎片分散等涉及材料大流动问题处理困难。
图1 拉格朗日算法网格与材料绑定
在LS-DYNA中，拉格朗日算法常与显式时间积分法（如中心差分法）结合，用于模拟短暂、高速的动力学问题，如碰撞、冲击和金属成型。它需要与接触算法（如罚函数法）紧密协同，以处理部件之间的相互作用。同时，为了控制可能出现的数值不稳定问题（如沙漏），还需要有效的沙漏控制方案。
-02-
Euler算法
欧拉算法的核心在于网格固定不动，而材料在网格内部流动。这与材料与网格一同变形的拉格朗日算法、以及网格可以任意运动的ALE算法形成了鲜明对比。
欧拉算法中，材料以一个或几个拉格朗日时间步进行变形，然后将变形后的拉格朗日单元变量（如密度、能量、应力张量等）和节点速度矢量映射和输送到固定的空间网格中，如下图2所示。
图2 欧拉算法材料在网格中流动
与拉格朗日算法相比，欧拉算法特别适用于以下几类问题：
① 高速冲击与爆炸。例如爆炸冲击波在空气中的传播、聚能射流侵彻靶板等。这些过程中材料变形极大，拉格朗日网格是难以处理。
② 流体大幅度晃动。如油箱、贮液容器在跌落或碰撞过程中的液体晃动。
③ 流固耦合分析。当关注流体载荷对结构的影响时，常采用欧拉方法描述流体（如空气、水），并通过流固耦合算法（如 *CONSTRAINED_LAGRANGE_IN_SOLID ）与拉格朗日结构进行相互作用，从而分析结构在流体载荷下的响应。例如，模拟降落伞展开过程时，空气域常采用欧拉或ALE方法进行建模。
基于其原理，容易理解，欧拉算法的优点：
① 具备强大的大变形处理能力。这是其最核心的价值。由于网格固定，无论材料如何流动和变形，都不会导致网格畸变，计算过程非常稳定，非常适合模拟极端变形过程。
② 欧拉算法避免了拉格朗日方法中因网格畸变引发的“负体积”等计算中断问题。关于负体积问题可以阅读《发泡聚苯乙烯(EPS)材料大变形LS-DYNA模拟》了解。
那么欧拉算法的缺点是什么呢？欧拉算法的缺点主要表现为：
① 材料界面模糊。这是欧拉方法固有的劣势。多种材料在固定的网格中混合流动后，难以精确追踪它们之间的界面。
② 计算精度相对较低。相比于拉格朗日算法，其精度通常较低，且算法本身会引入一定的耗散效应。
③ 计算区域需预先设定。所有材料可能流动的区域都需要在计算前用网格覆盖，如果材料运动超出预设区域，计算将失败。这可能导致需要较大的网格域，增加计算量。
④ 设置较为复杂。涉及多物质组、体积填充、边界条件等多种关键字，设置比拉格朗日方法复杂。
-03-
ALE(任意拉格朗日-欧拉)算法
为了解决经典拉格朗日方法在处理大变形时容易出现网格严重畸变，导致计算精度下降甚至计算中止的问题，同时避免欧拉算法中难以精确追踪运动边界或界面，且处理对流效应困难的弊端。ALE算法的描述则引入了一个可以独立于物质和空间运动的参考构形，使得网格可以相对于坐标系作任意运动。
ALE算法结合了拉格朗日法和欧拉法的优点，允许网格在空间中以独立于材料运动的方式重划，非常适合模拟流固耦合、爆炸冲击等大变形问题。其核心机制与特点如下图所示。
图3 ALE方法的核心机制与特点
ALE算法实现了网格自适应技术。该方法允许网格在分析过程中独立于材料进行调整和重划，从而在材料发生大变形时仍能保持良好的网格质量，避免出现拉格朗日方法中常见的网格纠缠问题。
值得注意的是，ALE的自适应过程不改变网格的拓扑结构，并且要求网格被材料充满，这与纯粹的欧拉方法不同。
图4 自适应网格划分技术
在求解策略上，ALE算法的每一个时间步的计算通常分为两个阶段。ALE计算时先执行一个或几个拉格朗日时间步计算，此时单元网格随材料流动而产生变形，然后执行ALE时间步计算，将拉格朗日过程计算出的变量从变形后的网格映射回初始位置或优化后的新网格上。这种分步策略有助于处理复杂的对流输运效应。
根据ALE算法特点，ALE方法可在多领域广泛应用。如：
① 流固耦合问题。模拟水下爆炸冲击波对舰船双层壳结构的作用、油箱或容器内液体的晃动、以及鸟撞飞机结构等强烈相互作用问题。ALE能够精确描述流体载荷及其对固体结构的效应。
② 材料大变形分析。在金属冲压、轧制成型、弹体冲击穿透等涉及极大应变的制造加工或冲击力学问题中，ALE的自适应网格能力可以有效避免网格畸变，保证计算继续进行并获得可靠结果。
③ 自由表面流动及复杂流体问题。对于存在移动边界、自由表面的流体动力学问题，如波浪模拟、多相流等，ALE方法能够相对精确地追踪界面运动。
ALE方法平衡了计算精度与效率。在保持拉格朗日方法较为精确追踪材料边界优点的同时，通过网格自适应克服了其在极端变形下的局限性。相较于纯粹的欧拉方法，又降低了对流处理的难度并更精确地描述了边界运动。
此外，该方法也有着较强的处理大变形的能力。能够有效模拟传统拉格朗日方法难以处理的超大变形问题、材料破坏和流失问题。
总体上看，该方法数值性能优异，通常具有较小的数值粘性和数值耗散，有助于更精确地捕捉冲击波等瞬态现象的细节。
但是该方法的弊端也很明显。首先，由于该方法引入了额外的网格运动速度和复杂的对流项，ALE方法的控制方程更为复杂，计算量通常大于传统的拉格朗日或欧拉方法，对计算资源要求较高，计算复杂且耗时。
此外，该方法方程中的对流项（或称迁移项）是数值求解的难点，若处理不当可能引起数值振荡。
于此同时，该方法还存在网格重划分的频率、算法选择等参数问题。这些对计算结果的准确性和稳定性有较大影响，需要使用者具备一定的经验。
-04-
SPH(光滑粒子流体动力学)算法
SPH算法是解决计算连续体动态力学问题新发展的计算方法，连续体等效为相互作用的粒子组成的任意网格，无需数值网格，如图5所示，SPH算法是一种无网格方法，适合模拟极端破片飞散、裂纹扩展等问题。其因在处理极端变形问题上的优势而被广泛应用。
图5 SPH算法模拟案例
该方法将连续介质离散为一系列相互作用的粒子，每个粒子携带质量、速度、密度等物理量。该方法中，粒子随物质一起运动，天然适合追踪自由表面、材料界面和物质的运动历史。
同时，该方法基于核函数（Kernel Function）的插值方法使其具备自适应能力，有效避免极度大变形下的网格畸变问题（如负体积）。适用于如高速碰撞、爆炸、弹体侵彻、自由表面流动（如波浪、液体晃动）等。
SPH方法可用于多物理场与复杂介质的模拟。如天体物理学中的星体碰撞、流体-结构相互作用、非牛顿流体（如血液流动）模拟。 SPH方法也常用于工程与特效领域， 如汽车工业的撞击模拟、影视特效中的水、烟、火等视觉效果生成。
该方法处理大变形能力强， 无网格特性从根本上避免了网格方法在极度变形时出现的网格扭曲问题。此外，界面追踪自然简便，拉格朗日粒子法使得追踪材料界面、自由表面或多种物质交互变得相对简单直观。算法基于粒子相互作用，易于理解和实现某些复杂的本构模型。
但该方法计算成本较高，粒子间相互作用（邻域搜索）的计算开销大。同时，计算精度受粒子分布均匀性、光滑长度选取等因素影响，近边界处精度可能下降，且易出现压力振荡等数值问题等。
总之，SPH方法因其在处理大变形、自由表面和复杂界面问题上的独特优势而成为计算流体力学和固体力学中不可或缺的工具。尽管它在计算成本、精度和边界处理方面面临挑战，但持续的算法改进（如人工粘性、可变光滑长度及与其他方法的耦合）正不断拓展其应用边界。选择SPH时，需权衡其处理特定问题的能力与相应的计算开销。
-05-
算法的选择
在实际工程仿真中，算法选择需综合考虑问题的物理特性、变形程度和计算资源等因素。
对于中等变形问题，Lagrange算法通常是最佳选择，计算效率高且精度良好。对于流体大变形问题，Euler算法表现出色，尤其适用于爆炸、流体晃动等场景。对于流固耦合问题，ALE算法优势明显，能平衡结构变形与流体流动的模拟需求。对于极端变形与破碎问题，SPH方法凭借其无网格特性，成为许多场合下的首选方案。
值得注意的是，LS-DYNA中允许在同一问题中联合使用多种算法，从而最大程度提高计算过程的效率以及计算结果的精度。例如，可以在可能发生大变形的关键区域使用SPH，而在其他区域使用更高效的网格方法，或采用让固体单元在失效后转化为SPH粒子，兼顾计算效率与模拟精度。
LS-DYNA的真正强大之处不仅在于其拥有多种先进算法，更在于它能够根据具体问题智能选择合适的算法或算法组合。掌握每种算法的特性，才能在实际工程仿真中游刃有余，让数值模拟真正成为产品设计的可靠工具，让仿真成为生产力！
