有限元网格剖分方法概述.docVIP

有限元网格剖分方法概述 在采用有限元法进行结构分析时，首先必须对结构进行离散，形成有限元网格，并给出与此网格相应的各种信息，如单元信息、节点坐标、材料信息、约束信息和荷载信息等等，是一项十分复杂、艰巨的工作。如果采用人工方法离散对象和处理计算结果，势必费力、费时且极易出错，尤其当分析模型复杂时，采用人工方法甚至很难进行，这将严重影响高级有限元分析程序的推广和使用。因此，开展自动离散对象及结果的计算机可视化显示的研究是一项重要而紧迫的任务。, 已经出现了大量的不同实现方法，列举如下： 映射法 映射法是一种半自动网格生成方法，根据映射函数的不同，主要可分为超限映射和等参映射。因前一种映射在几何逼近精度上比后一种高，故被广泛采用。映射法的基本思想是：在简单区域内采用某种映射函数构造简单区域的边界点和内点，并按某种规则连接结点构成网格单元。2 。拓扑分解法, 它首先是由Wordenwaber提出来的。该方法假设最后网格顶点全部由目标边界顶点组成, 那么可以用一种三角化算法将目标用尽量少的三角形完全分割覆盖。这些三角形主要是由目标的拓扑结构决定, 这样目标的复杂拓扑结构被分解成简单的三角形拓扑结构。该方法生成的网格一般相当粗糙, 必须与其它方法相结合, 通过网格加密等过程, 才能生成合适的网格。该方法后来被发展为普遍使用的目标初始三角化算法, 用来实现从实体表述到初始三角化表述的自动化转换。 单一的拓扑分解法因只依赖于几何体的拓扑结构使网格剖分不理想，有时甚至很差。： , 然后再将它们联成三角形或四面体, 在三角化过程中, 对所生成的单元形状难于控制。随着Delaunay三角化(简称为DT ) 方法的出现, 该类方法已成为目前三大最流行的全自动网格生成方法之一。 DT法的基本原理：任意给定N个平面点Pi(i=1,2,…,N)构成的点集为S，称满足下列条件的点集Vi为Voronoi多边形。其中，Vi满足下列条件：Vi ={ X：|X- Pi|(|X- Pj|,X(R2,i(j,j=1,2,…,N }Vi为凸多边形，称{ Vi}mi=1为Dirichlet Tesselation图或对偶的Voronoi图。连接相邻Voronoi多边形的内核点可构成三角形Tk，称集合{ Tk }为Delaunay三角剖分。DT法的最大优点是遵循“最小角最大”和“空球”准则。因此，在各种二维三角剖分中，只有Delaunay三角剖分才同时满足全局和局部最优。 “最小角最大”准则是在不出现奇异性的情况下，Delaunay三角剖分最小角之和均大于任何非Delaunay剖分所形成三角形最小角之和。 “空球”准则是Delaunay三角剖分中任意三角形的外接圆(四面体为外接球)内不包括其他结点。DT 技术发展到现在, 已经出现了大量的不同算法。一般可以将其分为以下三大类： Bower 和Green、Sibsos 为代表的Voronoi方法； 以Watson为代表的空外接圆法和以Lawson 为代表的对角线交换算法。一般来说, 直接计算Voronoi 图的方法比较复杂, 所需内存大, 计算效率低。随着直接计算DT 方法的出现, 这类方法现已很少采用。Lawson 算法特别适用于二维Delaunay 三角化, 它不存在象Watson 算法中出现的退化现象, 对约束情况同样适用, 计算效率高。但在三维情况下, 对角线交换的推广变成了对角面交换, 而对角面交换将可能改变区域体积和外边界, 因此Lawson 算法不能直接推广到三维情况。Watson 算法概念简单, 易于编程实现, 也能够实现约束三角化, 而且通过一些适当修改, 例如, 增加每一单元的相邻单元数据结构等, 可以将对三角形的搜索局限在新点所在单元的近邻之中, 从而大大提高了原算法效率, 因此该法的应用频度最广。但该法也有一些不足： Sliver 单元。 虽然Delaunay 三角化方法在2D 平面区域问题中取得了相当大的成功, 但在3D 情形, 基于最大2最小角判据的对角线交换规则不再成立, 而基于外接圆判据的Delaunay 三角化一般也不再能保证生成的网格质量。非常遗憾的是, 这是Delaunay 三角化的本质弱点。另外, 虽然Delaunay 三角化提供了一种较好的方法将空间点集三角化, 但Delaunay判据本身并不能指导怎样在空间布点, 因此, 必须寻找一种较好的布点方法, 既要点的分布满足密度控制的要求, 又要求三角化的结果形状尽可能好。目前基于Delaunay 三角化理论的3D 网格生成技术仍然是一活跃的研究课题, 许多学者正对此进行深入研究。 Delaunay三角化网格自动生成方法的事前(a-priori)网格控制能力不强。然而，Delaunay三角化网格自动生成方法却非常适合于事后(a-postori