有限元法基础dayin解读.ppt

汽车地板产品分析 汽车地板工艺分析 逆算法应用——可成形性分析 支架产品分析 支架工艺分析 逆算法应用——可成形性分析 ST16 08ALS 逆算法应用——材料选择 逆算法应用——材料选择 ST16 08ALS 板料成形有限元法—动力显式算法 板料的运动学微分方程 系统的虚功方程 板料成形有限元法—动力显式算法 单元插值关系 单元几何关系 板料成形有限元法—动力显式算法 线性化有限元方程 M是质量矩阵 C是阻尼矩阵 P是节点外力向量 F是节点内力向量 通常，动力显式积分算法采用集中质量矩阵，即M是一对角矩阵，并取 板料成形有限元法—动力显式算法 则联立方程组变成（节点数*节点自由度数）个相互独立的方程 显式时间积分的中心差分算法 板料成形有限元法—动力显式算法 将节点速度和加速度用差分格式写成 显式时间积分的中心差分算法 板料成形有限元法—动力显式算法 得到节点位移和速度的显式计算格式，前提条件是已知前两步的位移和速度 方程组求解过程—特点 方程组求解是有限元计算过程中很重要的一部分，在有限元法的发展过程中，有限元方程的求解效率一直是其应用的最大瓶颈之一 有限元方程组的特点： 有限元方程组的系数矩阵具有对称、稀疏、带状分布以及正定、主元占优。有效地利用这些特点，以减少系数矩阵的存贮量，提高方程组求解效率 方程组求解过程—分类比较 线性方程组的解法主要分两大类: 直接解法：以高斯消去法为基础，以等带宽或变带宽方式存贮系数矩阵内元素，对于求解规模比较大的问题，要存贮的元素非常巨大。 迭代解法：只需要存贮系数矩阵中非零元素，存贮量很小，一般是变带宽存贮量的20%或更少，有些算法的求解效率也非常高，适合求解大规模线性方程组。但是这种解法对接近病态的方程组很难保证收敛性。 方程组求解过程—带宽定义 有限元方程组系数矩阵是稀疏的、非零元素呈带状分布，带宽就是它的宽度，带宽的大小是由系统有限元网格的节点号排序决定的，具体求法是 带宽=(单元最大节点号之差+1)*节点自由度数 带宽是网格节点标注方法直接决定的，不同标注方法带宽可能相差很大 方程组求解过程—带宽 带宽是网格节点标注方法直接决定的，不同标注方法带宽可能相差很大 方程组求解过程—带宽 所示四边形网格的三种节点号标注方法，每个节点是2个自由度 结构的带宽分别是12，18，56，相差很大，其中12和56之间相差近5倍，这就意味着系数矩阵的存贮量也是相差5倍，因此，对于大规模复杂系统的节点号优化是十分必要的 方程组求解过程—系数矩阵存贮 系数矩阵存贮 如果节点号排序优化的比较好，系数矩阵的存贮量就会减少很多。根据系数矩阵的对称性，一般都是按半带宽存贮。 系数矩阵存贮的方法 二维等带宽存贮 一维变带宽存贮 方程组求解过程—二维等带宽存贮 二维等带宽存贮 方程组求解过程—二维等带宽存贮 二维等带宽存贮消除了最大带宽以外的全部零元素，节省了系数矩阵元素的存贮量。但是由于取最大带宽为存贮范围，因此不能排除在带宽内的大量零元素。当系数矩阵的各行带宽变化不大时，适合采用二维等带宽存贮，方程组求解过程中系数矩阵元素的寻址也比较方便，求解效率较高。 当出现局部带宽特别大的情况时，采用二维等带宽存贮时，将由于局部带宽过大而使整体系数矩阵的存贮大大增加。 方程组求解过程—一维变带宽存贮 一维变带宽存贮 一维变带宽存贮方法就是把变化的带宽内的元素按一定的顺序存贮在一个一维数组中。由于它不按最大带宽存贮，因此比二维等带宽存贮更节省内存。按照解法可分为按行一维变带宽存贮和按列一维变带宽存贮。 按行一维变带宽存贮 方程组求解过程—一维变带宽存贮 辅助的寻址数组M 一维变带宽存贮是最节省内存的一种方法，但是由于要借助于寻址数组寻找系数矩阵元素的位置，相对二维等带宽存贮方法来说要复杂一些，而且在程序实现时也要复杂得多，方程组求解过程中也要消耗一些数组寻址时间。因此，在选用存贮方法时要权衡二者的利弊，统盘考虑。一般当带宽变化不大，计算机内存允许时，采用二维等带宽存贮方法是比较合适的。 方程组求解过程—一维变带宽存贮 方程组求解过程—求解方法 方程组求解方法 高斯消去法 三角分解法 雅可比（Jacobi）迭代法 高斯-赛德尔（Gauss-Seidel）迭代法 应变