首页/文章/ 详情

隐式与显式动力学的区别-弹性动力学有限元基本解法

5月前浏览360

1.1. 弹性动力学有限元基本解法 

结构系统的通用运动学方程为: 

image.png

求解该动力学振动响应主要有三类方法:(1)时域法(2)频域法(3)响应谱法 

时域法又可分为:(1)直接积分法,(2)模态叠加法。直接积分法又可分为中心差分法(显式),Wilson image.png(隐式)法以及Newmark(隐式)法等。 

本文介绍中心差分法(显式)与Newmark(隐式)法。 

1 中心差分法(显式) 

假定0,1t,2t,…,nt时刻的节点位移,速度与加速度均为已知,现求解) image.png时刻的 结构响应。中心差分法对加速度,速度的导数采用中心差分代替,即为:

image.png

分别称为有效质量矩阵,有效载荷矢量。R,M,C,K为结构载荷,质量,阻尼,刚度矩阵。

求解线性方程组(3),即可获得image.png时刻的节点位移向量image.png,将image.png代回几何方程与物理方程,可得image.png时刻的单元应力和应变。 中心差分法在求解image.png瞬时的位移image.png时,只需image.png时刻以前的状态变量image.pngimage.png,然后计算出有效质量矩阵image.png,有效载荷矢量image.png,即可求出image.png,故称此解法为显式算法。


中心差分法,在开始计算时,需要仔细处理。t=0时,要计算image.png,需要知道image.png的值。因此应该有一个起始技术,因而该算法不是自动起步 的。由于image.png是已知的,由t=0时的(2)式可知:

image.png

中心差分法中时间步长image.png的选择涉及两个方面的约束:数值算法的稳定性和计算时间。中心差分法的实质是用差分代替微分,并且对位移和加 速度的导数采用线性外插,这限制了image.png的取值不可过大,否则结果可能失真过大。 可以证明:中心差分法是条件稳定的。即当时间步长image.png必须小于由该问题求解方程性质所决定的一个时间步长的临界值。LS-DYNA中,采用 “变时间步长法”,即每一时刻的步长image.png由当前结构的稳定性条件来控制。具体算法为:计算每一个单元的极限时间步长image.png,i=1,2…,取image.png为下一个时刻的时间步长。各种单元的image.png计算方法如下。


image.png

image.png

时间步因子image.png可由用户设置,减小image.png相当于减少时间步长。设置时间步长因子image.png的关键字为*CONTROL_TIMESTEP,控制参数为TSSFAC。 

另外,质量缩放可以人为控制时间步长。即调整单元密度image.png来改变时间步长。以壳单元为例说明质量缩放改变时间步长。

image.png

LS-DYNA中有2种质量缩放方案,修改*CONTROL_TIMESTEP中的参数。 

方案1:DT2MS为正的时间步 

通过调整单元密度,使所有单元时间步相同,只用于惯性效应不重要的情况。 

方案2:DT2MS为负的时间步 

质量缩放只用于小于指定时间步长DT的单元。惯性效应应该通过变形体的动能与内能的比例进行衡量(一般应该小于10%等)。

2 Newmark法(隐式) 

Newmark假定在时间间隔]image.png内,加速度线性变化,即采用如下的加速度,速度公式:

image.png

image.png

由上式可以看出求解 当前image.png,需要用到当前时刻的image.png,因此该算法为隐式算法。 当载荷历史全部已知时,image.png为已知量,求解需要迭代实现。

可以证明,当参数image.png时,Newmark法是无条件稳定的,即t的大小不影响数值稳定性。此时时间步长t的选择主要根 据解得精度确定。一般,Newmark法可以比中心差分法的时间步长大得多。

3.结论

比较两种算法,显式中心差分法非常适合研究波的传播问题,如碰撞、高速冲击、爆炸等。分析式(3)发现,显式中心差分法的M与C矩阵是对角阵,如给定某些有限元节点以初始扰动,在经过一个时间步长后,和它相关的节点进入运动,即U中这些节点对应的分量成为非零量,此 特点正好和波的传播特点相一致。另一方面,研究波传播的过程需要微小的时间步长,这也正是中心差分法的特点。 而Newmark法更加适合于计算低频占主导的动力问题,从计算精度考虑,允许采用较大的时间步长以节省计算时间,同时较大的时间步长还 可以过滤掉高阶不精确特征值对系统响应的影响。隐式方法要转置刚度矩阵,增量迭代,通过一系列线性逼近(Newton-Raphson)来求解。正因为 隐式算法要对刚度矩阵求逆,所以计算时要求整体刚度矩阵不能奇异,对于一些接触高度非线性问题,有时无法保证收敛。


免责声明

本页面/内容部分素材来源于互联网公 开 信 息,旨在传递更多信息,不代表本平台立场。

版权归原作者或机构所有,如涉及侵权,请通过平台联系我们,我们将在核实后第一时间处理。

本平台对转载内容的真实性、准确性不作任何保证,用户需自行判断并承担使用风险。

Abaqus显式动力学
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-03-18
最近编辑:5月前
仿真支持爱好者
在仿真的路上越走越远
获赞 333粉丝 21文章 318课程 0
点赞
收藏
作者推荐

fluent UDF中文详细教程-电子书

第一章.介绍本章简要地介绍了用户自定义函数(UDF)及其在Fluent中的用法。在1.1到1.6节中我们会介绍一下什么是UDF;如何使用UDF,以及为什么要使用UDF,在1.7中将一步步的演示一个UDF例子。1.1什么是UDF?1.2为什么要使用UDF?1.3UDF的局限1.4Fluent5到Fluent6UDF的变化1.5UDF基础1.6解释和编译UDF的比较1.7一个step-by-stepUDF例子1.1什么是UDF?用户自定义函数,或UDF,是用户自编的程序,它可以动态的连接到Fluent求解器上来提高求解器性能。用户自定义函数用C语言编写。使用DEFINE宏来定义。UDF中可使用标准C语言的库函数,也可使用FluentInc.提供的预定义宏,通过这些预定义宏,可以获得Fluent求解器得到的数据。UDF使用时可以被当作解释函数或编译函数。解释函数在运行时读入并解释。而编译UDF则在编译时被嵌入共享库中并与Fluent连接。解释UDF用起来简单,但是有源代码和速度方面的限制不足。编译UDF执行起来较快,也没有源代码限制,但设置和使用较为麻烦。1.2为什么要使用UDF?一般说来,任何一种软件都不可能满足每一个人的要求,FLUENT也一样,其标准界面及功能并不能满足每个用户的需要。UDF正是为解决这种问题而来,使用它我们可以编写FLUENT代码来满足不同用户的特殊需要。当然,FLUENT的UDF并不是什么问题都可以解决的,在下面的章节中我们就会具体介绍一下FLUENTUDF的具体功能。现在先简要介绍一下UDF的一些功能:定制边界条件,定义材料属性,定义表面和体积反应率,定义FLUENT输运方程中的源项,用户自定义标量输运方程(UDS)中的源项扩散率函数等等。在每次迭代的基础上调节计算值方案的初始化(需要时)UDF的异步执行后处理功能的改善FLUENT模型的改进(例如离散项模型,多项混合物模型,离散发射辐射模型)由上可以看出FLUENTUDF并不涉及到各种算法的改善,这不能不说是一个遗憾。当然为了源代码的保密我们还是可以理解这样的做法的。其实,如果这些代码能够部分开放,哪怕就一点点,我想FLUENT会像LINUX一样发展更为迅速,使用更为广泛。遗憾的是,从目前来看,这只是一种幻想。什么时候中国人可以出自己的精品?1.3UDF的局限尽管UDF在FLUENT中有着广泛的用途,但是并非所有的情况都可以使用UDF。UDF并不能访问所有的变量和FLUENT模型。例如,它不能调节比热值;调节该值需要使用求解器的其它功能。如果您不知道是否可以用UDF解决某个特定的问题,您可以求助您的技术支持。更多内容见附件免责声明本页面/内容部分素材来源于互联网公开信息,旨在传递更多信息,不代表本平台立场。版权归原作者或机构所有,如涉及侵权,请通过平台联系我们,我们将在核实后第一时间处理。本平台对转载内容的真实性、准确性不作任何保证,用户需自行判断并承担使用风险

有附件
未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈