对于显式与隐式有限元的理解
13-2.静力隐式-显式和动力显式有限元列式
弹塑性大变形有限元方法胡平§大变形弹塑性本构方程最简单的材料大变形弹塑性本构方程是不考虑加载历史的形变理论的全量本构方程。
这类本构方程基于加载历史是比例加载的基本假定。
对于许多金属冲压成形问题，比例加载的基本假定是近似正确的，因此，基于这类理论的所谓one step inverse algorithm，由于其高效高速的计算效率，近年来被广泛应用于汽车概念设计阶段的冲压工艺性快速校核。
关于全量理论的One-step inverse algorithm的理论知识将另行介绍（参见理论手册）。
然而，更精细和准确的成形问题数值分析应该是能够考虑加载历史的增量本构理论。
为了反映与加载历史的相关性，大变形弹塑性问题需要采用速率型(增量型)的本构方程。
首先，需要在大变形条件下，按照符合客观性的要求，建立增量型本构方程。
由(7.26)式可知，变形率张量[d]是客观张量，但由(7.36)式可知Cauchy应力张量的物质导数[]σ 不是客观张量，所以若用变形率张量和Cauchy应力张量来建立本构方程，则将不满足本构方程的客观性条件(7.42)式。
为此，需要另外定义Cauchy应力张量的导数。
1．Cauchy应力张量的Jaumann导数（率）而Cauchy应力的Jaumann导数定义为01lim tjdt dt(1)推导后得到ijij ik kj kj ki σσσωσω∇=--（2）其矩阵形式为2. 第一Piola 应力（名义应力）张量的本构导数（3）用Cauchy 应力Jaumann 导数表示的第一Piola 应力的本构导数为()ij ij ik kj kj ki ik jk ij kk t t d d l l σσσσσ∇=--++ （4）其矩阵形式为()][t t σ∇= （5）3. 第二Piola 应力张量的本构导数仿照第一Piola 应力本构导数的推导，有()ij ij ij kk kj ik ik jk T t l l l σσσσ=+--（6）把（7.179）式代入（7.182）式，便得用Cauchy 应力Jaumann 导数表示的第二Piola 应力的本构导数为()ij ij ik kj kj ki ij kk T t d d l σσσσ•∇=--+（7）其矩阵形式为（8）4. 大变形弹塑形本构方程三维大变形弹塑形问题属于大变形问题。
对于显式与隐式有限元的理解
对于显式与隐式有限元的理解关键字: 有限元显式隐式显式算法和隐式算法，有时也称为显式解法和隐式解法，是计算力学中常见的两个概念，但是它们并没有普遍认可的定义，下面只是我的一些个人理解。
一、两种算法的比较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。
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（如广泛使用的中心差分法、线性加速度法、Newmark法和wilson法等），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。
2、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，这以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。
二、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。
三、两种方法的应用范围：a)在求解动力学问题时，将方程在空间上采用有限元法（或其他方法）进行离散后，变为常微分方程组F=M(u)+C(u)+K(u)。
计算力学专题知识讲座
w~
c0
c1
cos
x
l
c2
cos
2x
l
c3
cos
3x
l
i
i (x)ci
取权函数为：
WII (x x j ) ----- 边界
WI i (x)
----- 域内
EI
d 4w dx4
q0 x l
0
x0
w 0, dw 0
dx
xl
w 0, dw 0
dx
取试函数为： w~ c0 c1x c2 x2 c3x3 c4 x4 c5 x5 i (x)ci
u~
~
~u
当 n 有限时，方程存在残差（余量）
即：在域内
~
R( x) L(u) f
0
~
~~
~
在边界上
R g ( x) G(u~) g 0
~
~~
逼迫余量在某种平均意义上为零
WI Rd 0
WII R g d 0
或
WI Rd WII R g d 0
WI ,WII 为权函数
不同权函数旳选择涉及不同旳计算格式
0
q c4 24EI
P
EI
d 4w dx4
P
(x
)
0
x0
w 0, dw 0 dx
xl
w 0, dw 0
dx
取试函数为： w~ c0 c1x c2 x2 c3x3 c4 x4 i (x)ci
或：
w~
c0c1 sinxlc2sin
2x
l
c3
i
sin
3x
l
i
i (x)ci
或：
例二：
隐式求解与显式求解.
大多数非线性动力学问题一般多是采用显式求解方法，特别是在求解大型结构的瞬时高度非线性问题时，显示求解方法有明显的优越性。
下面先简要对比一下隐式求解法和显示求解法。
动态问题涉及到时间域的数值积分方法问题。
在80年代中期以前，人们基本上采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关系：u(i+1)=u(i)+△t*v(i)[(1—2p)a(i)+2p*a(i+1)] (1)v(i+1)=V(i)+△t[(1-2q)a(i)+2qa(i+1)] (2)上面式子中 u(i+1),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，△t为当前时刻与前一时刻的时问差，符号 * 为乘号。
由式(1)和式(2)可知，在纽曼法中任一时刻的位移、速度、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求解法。
隐式求解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。
隐式求解法最大的优点是它具有无条件稳定性，即时间步长可以任意大。
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、速度和加速度关系式：u(i+1)=2u(i)-u(i-1)+a(i)(△t)^2 (3)v (i+1)=[u (i+1)-u (i-1)]／2(△t) (4)式中u(i-1)，为i -1时刻的位移。
由式(3)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，只要将运动过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，这就是所谓的显式求解法。
显式求解法的优点是它既没有收敛性问题，也不需要求解联立方程组，其缺点是时间步长受到数值积分稳定性的限制，不能超过系统的临界时间步长。
ansys中显式与隐式
显式与隐式方法对比：隐式时间积分——不考虑惯性效应（[C]and[M]）。
——在t＋△t时计算位移和平均加速度：{u}={F}/[K]。
——线性问题时，无条件稳定，可以用大的时间步。
——非线性问题时，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。
显式时间积分——用中心差法在时间t求加速度：{a}=([F(ext)]-[F(int)])/[M]。
——速度与位移由：{v}={v0}+{a}t,{u}={u0}+{v}t——新的几何构型由初始构型加上{X}={X0}+{U}——非线性问题时，块质量矩阵需要简单的转置；方程非耦合，可以直接求解；无须转置刚度矩阵，所有的非线性问题（包括接触）都包含在内力矢量中；内力计算是主要的计算部分；无效收敛检查；保存稳定状态需要小的时间步。
关于文件组织：jobname.k——lsdyna输入流文件，包括所有的几何，载荷和材料数据jobname.rst——后处理文件主要用于图形后处理（post1），它包含在相对少的时间步处的结果。
jobname.his——在post26中使用显示时间历程结果，它包含模型中部分与单元集合的结果数据。
时间历程ASCII文件——包含显式分析额外信息，在求解之前需要用户指定要输出的文件，它包括：GLSTAT全局信息，MATSUM材料能量，SPCFORC节点约束反作用力，RCFORC接触面反作用力，RBDOUT刚体数据，NODOUT 节点数据，ELOUT单元数据……在显式动力分析中还可以生成下列文件：D3PLOT——类似ansys中jobname.rstD3THDT——时间历程文件，类似ansys中jobname.his关于单元：ANSYS/LSDYNA有7中单元（所有单元均为三维单元）:LINK160:显式杆单元；BEAM161：显式梁单元；SHELL163：显式薄壳单元；SOLID164：显式块单元；COMBI165：显式弹簧与阻尼单元；MASS166：显式结构质量；LINK167:显式缆单元显式单元与ansys隐式单元不同：——每种单元可以用于几乎所有的材料模型。
有限元的发展历史现状及应用前景
有限元分析的发展趋势“有限元”这个名词第一次出现，到今天有限元在工程上得到广泛应用，经历了三十多年的发展历史，理论和算法都已经日趋完善。
有限元的核心思想是结构的离散化，就是将实际结构假想地离散为有限数目的规则单元组合体，实际结构的物理性能可以通过对离散体进行分析，得出满足工程精度的近似结果来替代对实际结构的分析，这样可以解决很多实际工程需要解决而理论分析又无法解决的复杂问题。
<br> 近年来随着计算机技术的普及和计算速度的不断提高，有限元分析在工程设计和分析中得到了越来越广泛的重视，已经成为解决复杂的工程分析计算问题的有效途径，现在从汽车到航天飞机几乎所有的设计制造都已离不开有限元分析计算，其在机械制造、材料加工、航空航天、汽车、土木建筑、电子电器，国防军工，船舶，铁道，石化，能源，科学研究等各个领域的广泛使用已使设计水平发生了质的飞跃，主要表现在以下几个方面：<br> 增加产品和工程的可靠性；<br> 在产品的设计阶段发现潜在的问题<br> 经过分析计算，采用优化设计方案，降低原材料成本<br> 缩短产品投向市场的时间<br> 模拟试验方案，减少试验次数，从而减少试验经费<br><br> 国际上早在60年代初就开始投入大量的人力和物力开发有限元分析程序，但真正的CAE软件是诞生于70年代初期，而近15年则是CAE软件商品化的发展阶段，CAE开发商为满足市场需求和适应计算机硬、软件技术的迅速发展，在大力推销其软件产品的同时，对软件的功能、性能，用户界面和前、后处理能力，都进行了大幅度的改进与扩充。
这就使得目前市场上知名的CAE软件，在功能、性能、易用性、可靠性以及对运行环境的适应性方面，基本上满足了用户的当前需求，从而帮助用户解决了成千上万个工程实际问题，同时也为科学技术的发展和工程应用做出了不可磨灭的贡献。
(完整word版)北京科技大学《工程中的有限元方法》-上课笔记
肯定有bug。
仅供参考。
1401052200隐式方法与显式方法：==静态隐式方法：不适用于短时高速下的大变形。
基于虚功原理，一般需要迭代（除迭代法外还有直接法）。
可能遇到迭代过程不收敛，以及方程组病态无确定解的问题。
ANSYS默认使用的方法。
动态显式方法：可用于短时、高速下的大变形。
基于动力学方程，每步计算形成新的刚度矩阵，无需迭代，不存在收敛性问题。
LS-DYDA模块（ANSYS中也包含）默认使用。
如何判断有限元的分析结果是正确的？1.有限元分析的结果能否与模型简化后存在的解析解对应；2.有限点处的计算结果与实验结果吻合；3.结果收敛；4.与实际经验吻合；……【结合书上P168】力学应力、温度热学分析提倡使用对称性，但不是所有的情况都能使用对称性，比如结构件的振动。
有限元方法：求解偏微分方程，基础为加权残值法。
求解有限元方程本质为解线性方程组。
ADD：要求所ADD的为同一种材料。
低阶单元：只有角节点，没有边中点或面内点的单元。
（目前已不使用面内点）高阶单元：不但有角节点，还有边中点或面内点的单元。
静态小变形使用高阶单元。
动态大变形使用低阶单元。
连续介质单元：求解得到位移。
结构单元：求解得到位移和转角。
求解结果的位移精度大于应力精度。
网格类型：三角形，四边形；四面体（三棱锥），五面体（三棱柱），六面体。
根据自由度关系，单元节点间存在铰接（自由度不同）和刚接（自由度相同）的关系。
连续介质单元也有一维单元（如接触关系）。
工字钢既可以使用梁单元，也可以使用连续介质单元。
对于直接法的求解效率：带宽解法：ANSYS的默认求解法；尽量减小单元内节点号差值从而减小带宽。
波阵解法：ABAQUS的默认求解法；尽量减小绕一节点所连接的单元号的差值从而减小波阵宽。
节点编号，从角节点开始，逆时针。
==使用子结构，可减少对内存的占用，但会增加时间消耗。
连续介质单元剖分后，只在节点上存在关系，公共边上位移相同，不出现重叠或分离。
有限元发展概况
有限元发展概况有限元发展概况⼀、有限元法介绍有限元法的基本思想是将结构离散化，⽤有限个容易分析的单元来表⽰复杂的对象，单元之间通过有限个节点相互连接，然后根据变形协调条件综合求解。
由于单元的数⽬是有限的，节点的数⽬也是有限的，所以称为有限元法(FEM，FiniteElementMethod)。
有限元法是最重要的⼯程分析技术之⼀。
它⼴泛应⽤于弹塑性⼒学、断裂⼒学、流体⼒学、热传导等领域。
有限元法是60年代以来发展起来的新的数值计算⽅法，是计算机时代的产物。
虽然有限元的概念早在40年代就有⼈提出，但由于当时计算机尚未出现，它并未受到⼈们的重视。
随着计算机技术的发展，有限元法在各个⼯程领域中不断得到深⼊应⽤，现已遍及宇航⼯业、核⼯业、机电、化⼯、建筑、海洋等⼯业，是机械产品动、静、热特性分析的重要⼿段。
早在70年代初期就有⼈给出结论：有限元法在产品结构设计中的应⽤，使机电产品设计产⽣⾰命性的变化，理论设计代替了经验类⽐设计。
⽬前，有限元法仍在不断发展，理论上不断完善，各种有限元分析程序包的功能越来越强⼤，使⽤越来越⽅便。
⼆、有限元法的孕育过程及诞⽣和发展⼤约在300年前，⽜顿和莱布尼茨发明了积分法，证明了该运算具有整体对局部的可加性。
虽然，积分运算与有限元技术对定义域的划分是不同的，前者进⾏⽆限划分⽽后者进⾏有限划分，但积分运算为实现有限元技术准备好了⼀个理论基础。
在⽜顿之后约⼀百年，著名数学家⾼斯提出了加权余值法及线性代数⽅程组的解法。
这两项成果的前者被⽤来将微分⽅程改写为积分表达式，后者被⽤来求解有限元法所得出的代数⽅程组。
在18世纪，另⼀位数学家拉格郎⽇提出泛函分析。
泛函分析是将偏微分⽅程改写为积分表达式的另⼀途经。
在19世纪末及20世纪初，数学家瑞雷和⾥兹⾸先提出可对全定义域运⽤展开函数来表达其上的未知函数。
1915年，数学家伽辽⾦提出了选择展开函数中形函数的伽辽⾦法，该⽅法被⼴泛地⽤于有限元。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对于显式与隐式有限元的理解
关键字: 有限元显式隐式
显式算法和隐式算法，有时也称为显式解法和隐式解法，是计算力学中常见的两个概念，但是它们并没有普遍认可的定义，下面只是我的一些个人理解。
一、两种算法的比较
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。
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（如广泛使用的中心差分法、线性加速度法、Newmark法和wilson法等），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。
2、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，这以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。
二、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。
三、两种方法的应用范围：
a)在求解动力学问题时，将方程在空间上采用有限元法（或其他方法）进行离散后，变为常微分方程组F=M(u)+C(u)+K(u)。
求解这种方程的其中两种方法为，中心差分法和Newmark法。
采用中心差分法解决动力学问题被称为显式算法，采用Newmark法解决动力学问题被称为隐式算法。
b)在求解动力学问题时，离散元法（也有其他方法）主要有两种思想：动态松弛法（向后时步迭代），静态松弛法（每一步要平衡）。
动态松弛法是显式算法，静态松弛法是隐式算法。
其中冲压成型就是动态松弛法的主要例子。
c)在求解静力学问题时，有时候将其看作动力学问题来处理而采用动态松弛法，这是显式算法。
Flac
就是主要例子。
显式算法隐式算法
每步求解方法矩阵乘法线性方程组
时步稳定性有条件无条件
适用问题动力中心差分法
动力动态松弛法
静力动态松弛法动力Newmark法动力静态松弛法
四、总结：
1)求解线性静力学问题，虽然求解线性方程组，但是没有时步的关系，所以不应将其看作隐式算法。
2)求解非线性静力学问题，虽然求解过程需要迭代，或者是增量法，但是没有明显的时步问题，所以不应将其看作隐式算法。
3)静态松弛法，可以认为是将动力学问题看作静力学问题来解决，每一步达到静力平衡，需要数值阻尼。
4)动态松弛法，可以认为是将静力学问题或者动力学问题，分为时步动力学问题，采用向后时步迭代的思想计算。
对于解决静力学问题时，需要人工阻尼。