显式隐式求解.pdf

显式动力学隐式动力学分析 1、显式算法基于动力学方程，因此无需迭代；而静态隐式算法基于虚功原理，一般需要迭代 计算 2、显式算法最大优点是有较好的稳定性。 动态显式算法采用动力学方程的一些差分格式，不用直接求解切线刚度，不需要进行平 衡迭代，计算速度快，时间步长只要取的足够小，一般不存在收敛性问题。因此需要的内存 也比隐式算法要少。并且数值计算过程可以很容易地进行并行计算，程序编制也相对简单。 但显式算法要求质量矩阵为对角矩阵，而且只有在单元级计算尽可能少时速度优势才能发挥, 因而往往采用减缩积分方法，容易激发沙漏模式，影响应力和应变的计算精度。静态显式法 基于率形式的平衡方程组与 Euler 向前差分法，不需要迭代求解。由于平衡方程式仅在率形 式上得到满足，所以得出的结果会慢慢偏离正确值。为了减少相关误差，必须每步使用很小 的增量。 3、隐式算法 隐式算法中，在每一增量步内都需要对静态平衡方程进行迭代求解，并且每次迭代都需 要求解大型的线性方程组，这个过程需要占用相当数量的计算资源、磁盘空间和内存。该算 法中的增量步可以比较大，至少可以比显式算法大得多，但是实际运算中上要受到迭代次数 及非线性程度的限制，需要取一个合理值。 4、求解时间 使用显式方法，计算成本消耗与单元数量成正比，并且大致与最小单元的尺寸成反比； 应用隐式方法，经验表明对于许多问题的计算成本大致与自由度数目的平方成正比； 因此如果网格是相对均匀的，随着模型尺寸的增长，显式方法表明比隐式方法更加节省计算 成本 隐式算法 将冲压成型过程的计算作为动态问题来处理后，就涉及到时间域的数值积分方法问题。 在 80 年代中期以前，人们基本上使用纽曼法进行时间域的积分。根据纽曼法，位移、速度和 加速度有着如下的关系： u( i? 1) ? u ( i ) ? ? t ? v ( i )? (1 ? 2 p ) a ( i ) ? 2 pa ( i ? 1)? v( i? 1) ? v ( i ) ? ? t? (1 ? 2 q ) a ( i ) ? 2 qa ( i ? 1)? 上面式子中， u(i+1)和 u(i) 分别为当前时刻和前一时刻的位移， v(i+1)和 v(i)为当前时刻和 前一时刻的速度， a(i+1)和 a(i)为当前时刻和前一时刻的加速度，p 和 q 为两个待定参数。由 上式可知，在纽曼法中任一时刻的位移、速度和加速度都相互关联，这就使得运动方程的求 解变成一系列相互关联的非线性方程的求解。这个求解过程必须通过迭代和求解联立方程组 才能实现。这就是通常所说的隐式算法。隐式算法可能遇到两个问题：一是迭代过程不一定 收敛；二是联立方程组可能出现病态而无确定的解。隐式算法的最大优点是它具有无条件稳 定性，即时间步长可以任意大。 隐式算法不考虑惯性效应[C]和[M]。对于线性问题，无条件稳定，可以用大的时间步。 对于非线性问题，通过一系列线性逼近（Newton-Raphson）来求解；要求转置非线性刚度矩 阵[K]，收敛时候需要小的时间步，对于高度非线性问题无法保证收敛。因此，隐式求解一般 用于线性分析和非线性结构静动力分析，包括结构固有频率和振型计算。 ansys 使用的 Newmark 时间积分法即为隐式算法。 显式算法 如果采用中心差分法来进行动态问题的时域积分，则有如下位移、速度和加速度关系： u( i? 1) ? 2 u ( i ) ? u ( i ? 1) ? a ( i )( ? t )2 v( i? 1) ?? u ( i ? 1) ? u ( i ? 1)? ? 2 ? t? 由上式可以看出，当前时刻的位移只与前一时刻的加速度和位移有关，这就意味着当前时刻 的位移求解无需迭代过程。另外，只要将运动方程中的质量矩阵和阻尼矩阵对角化，前一时 刻的加速度求解无需解联立方程组，从而使问题大大简化，这就是所谓的显式算法