边界条件专题（对角元素置“1”法、乘大数法、划行划列法、拉格朗日乘子法、罚函数法）

在求解整体刚度方程时，一定要考虑已有的边界条件，排除系统的刚体 位移，才能求解节点的未知位移，常见的边界条件有以下三种形式：

换句话说，就是：

1. 力加载
2. 位移加载
3. 多节点自由度耦合

本节分享的内容就是针对以上三种常见的边界条件形式，逐一给出求解方法，理论来源于曾攀老师的《有限元分析基础教程》和徐荣桥老师的《结构分析的有限元法与MATLAB程序设计》，想要深入了解的小伙伴也可翻阅相关文献进行深耕。

划行划列法

现考虑只有6个自由度的整体刚度方程：

假设1号自由度和4号自由度位移为：    ，针对每个已知的边界条件，改变相应的行、列元素，其余位置的载荷列阵也要跟着变化，读者可自行验证该矩阵变换的正确性。

"划行划列"法的特点：

1. 既可以处理力加载的情况也可以处理位移加载的情况
2. 保持原刚度矩阵的规模不变，不需重新排序
3. 保持整体刚度矩阵的对称性，利于计算机的规范化处理

数值实现

fori=1:nconstrain 
  n=constrain(i,1); 
  d=constrain(i,2); 
  m = (n-1)*2 + d; 
  FFG = FFG - constrain(i,3) * KKG(:,m); 
  FFG(m) = constrain(i,3);
  KKG(:,m)=zeros(nnode*2,1); 
  KKG(m,:)=zeros(1,nnode\*2); KKG(m,m) = 1.0;
end

对角元素置"1"法

假设第3个自由度位移为0，即    ，这时的矩阵对应的对角元素为1，该行和该列的其余元素为0，载荷列阵的相应元素也为0。

对于第3行：    。

对角元素置"1"法的特点：

1. 只能处理力加载的情况
2. 保持原刚度矩阵的规模不变，不需重新排序
3. 保持整体刚度矩阵的对称性，利于计算机的规范化处理

数值实现

fori=1:nconstrain 
  n=constrain(i,1); 
  d=constrain(i,2); 
  m = (n-1)\*2 + d; 
  KKG(m,:)=0;KKG(:,m)=0; 
  KKG(m,m)=1; FFG(m)=0; 
end

乘大数法

假设第4个自由度位移为    ，即    ，这时刚度矩阵对应的对角元素为乘以一个大数    ，载荷列阵的相应元素置为    。对于第4行：

由于，则上式变为：

即    。

乘大数法的特点：

1. 既可以处理力加载也可以处理位移加载的情况
2. 保持原刚度矩阵的规模不变，不需重新排序
3. 保持整体刚度矩阵的对称性，利于计算机的规范化处理
4. 数值精度与大数的取值有关，太小了精度差，太大了容易出现"矩阵奇异"的现象

数值实现

fori=1:1:nconstrain 
  n = constrain(i,1); 
  d = constrain(i,2); 
  m =(n-1)*2 + d ; 
  FFG(m) = constrain(i,3)* KKG(m,m)* 1e8; 
  KKG(m,m) = KKG(m,m) * 1e8; 
end

拉格朗日乘子法

当存在多点之间的约束耦合关系时，就会出现带约束方程的表达式，其一般数学表达式可以写成：

也写成矩阵相乘的形式：    ，注意    是一个约束系数矩阵，    是一个载荷列向量，    是一个约束系数列向量。

假设二维模型中2号节点与3号节点的1、2自由度绑定，即：

此时的    和    将变为：

扩充至原刚度矩阵中，原刚度方程将变为：

即

以上示例是"两对自由度"进行耦合约束，对于更多节点更多自由度的耦合也是相同的道理，扩充相应列向量即可。

拉格朗日乘子法的特点：

1. 可处理多节点、多自由度约束的情况
2. 原有刚度矩阵的维数会随着耦合的自由度对数的增加而增加
3. 计算精度良好

本文以二维平板模型单侧受拉为例，所用单元类型为常应变三角形单元，将4、5号节点两个自由度进行耦合约束，即U4X=U5X,U4Y=U5Y。自编程序与Abaqus的MPC约束求解精度对比总结于下表，从表中可以看出两者的求解精度几乎保持一致；位移云图对比如下图所示，从图中可以看到4、5号节点的位移量是一致的，导致云图发生曲折变化。

数值实现

详见《有限元基础编程百科全书》

罚函数法

该方法将引入一个较大的系数来形成一个罚函数(penalty functionapproach)，原刚度方程    将转换为    和    ，其中    是引入的罚系数。

罚函数法的特点：

1. 可处理多节点、多自由度约束的情况
2. 保持原刚度矩阵的规模不变，保留原有的对称性
3. 计算精度与引入的罚系数大小有关

虽然引入大数后可以较为巧妙地解决多自由度耦合问题，但是往往这种方法 会因为大数的取值影响求解精度，本小节将简要讨论罚系数的取值具体有多影响求解精度。

下表是取不同罚系数时，4号节点和5号节点的位移变化，从表中可以看出，随着罚系数的增大，数值结果越来越接近Abaqus结果，但是真的是越大越好吗？在我们实际编程中，当罚系数很大很大时，将会产生矩阵奇异性，也会影响结果精度，所以大数的取值是个值得思考的事情。

数值实现

详见《有限元基础编程百科全书》