【ABAQUS文档笔记】缩减积分-剪切闭锁-沙漏问题-非协调模式-混杂单元

news2025/1/20 19:59:14

接上一篇博客

来自ABAQUS DOCUMENT/GETTING STARTED WITH ABAQUS/CAE /USING CONTINUUM ELEMENTS

整理了典型实体单元类型的优缺点,和问题

1. 单元公式和积分

1.1 full integration —— shear lock

“完全积分”是指当单元具有规则形状时,对单元刚度矩阵中的多项式项进行精确积分所需的高斯点数。对于六面体和四边形元素,“规则形状”意味着边缘是直的,并以直角相交,任何边缘节点都位于边缘的中点。

完全积分的线性元素在每个方向上使用两个积分点。因此,三维单元C3D8在单元中使用一个2 × 2 × 2的积分点数组。完全积分的二阶单元每个方向上有3个积分点。

img

探究元素的阶数(线性与二阶)和网格密度对结果精度的影响

采用了几种不同单元和网格密度,在Abaqus/Standard模拟悬臂梁问题:

img

各个模拟的挠度位移与理论值3.09 mm的比值:

img

对于线性的,完全集成的单元,单元再密都不准。以上挠度模拟不准是由==剪切锁紧引起的,这是所有完全集成的一阶实体单元都存在的问题==

什么是剪切闭锁?(shear lock)

剪切锁紧会导致单元在弯曲时过于僵硬。

材料微元承受弯矩M时的变形:

img

img

这种虚假的剪切应力产生是因为线性单元的边无法弯曲。剪切应力的存在意味着应变能产生剪切变形,而不是预期的弯曲变形,因此整体挠度较小:单元刚度太大。

剪切锁定只影响完全集成的线性元件在弯曲载荷下的性能。

对于二阶单元,剪切闭锁不是问题,因为二阶单元的边可以弯曲,但依旧有细微的剪切闭锁效应。

img

只有当你相当确定载荷会在模型中产生很小的弯曲时,才应该使用完全集成的线性元件。完全集成,二次元也可以锁定在复杂的应力状态。

1.2 reduced integration —— hourglassing problem

只有四边形和六面体单元可以使用缩减积分格式,其他的单元都只有full integration 格式。不过缩减积分和完全积分的单元可同时包含在一个网格

相比于完全积分,缩减积分在每个方向少一个积分点。一阶缩减积分单元只有一个积分点在质心。

img

同样的,采用了几种不同缩减积分单元和网格密度,在Abaqus/Standard模拟悬臂梁问题:

img

一阶缩减积分单元往往太flexible(正好和剪切闭锁的“硬”相反,这个太“软”),这个问题来自于自身的数值问题(沙漏问题/hourglassing problem)。同样地,当一个材料微元承受纯弯曲载荷时,一阶缩减积分单元变形如下:

img

以上的单元变形是零能量模式,因为这种单元变形的应变能为0。单元无法抵抗这种变形,这意味纯弯曲刚度为0。在粗网格中,这种零能量模式通过网格传播,产生无意义的模拟结果。

针对这种情况,ABAQUS会引入少量的**沙漏刚度(hourglass stiffness)**到一阶缩减积分单元来限制沙漏模式的传播。在合理的网格密度下,沙漏刚度的引入可以有效限制沙漏问题。所以==在abaqus中只要网格足够密,一阶缩减积分单元也可以得到可接受的结果。==

正如table 2 中,厚度方向只有一个C3D8R单元时,所有积分点都在中性轴的位置上,不能抵抗弯曲载荷。对于承受弯曲载荷比较多的结构,厚度方向最好有四个以上的一阶缩减积分单元或者用二阶缩减积分单元。

ABAQUS的二阶缩减积分单元也有沙漏模式的问题。但是沙漏模式基本不可能在正常的网格里传播,而且网格足够密,沙漏模式几乎不存在。二阶单元能够应对复杂应力状态下而不存在沙漏模式。因此,二阶单元通常是大多数一般应力/位移模拟的最佳选择,除了涉及大应变的大位移模拟和某些类型的接触分析(这个是另外的原因造成的)。

1.3 Incompatible mode elements/非协调模式单元

这是一个用来解决一阶完全积分单元剪切闭锁的单元,剪切闭锁是由于单元位移场无法建模弯曲运动学而产生的。在这个单元类型中,为一阶单元引入了额外的自由度,用于加强单元变形梯度。

下图是两种单元的位移梯度变化对比(非协调单元和标准一阶单元):
img

单元对变形梯度的增强完全在单元内部,而不包括节点。

abaqus 使用的公式是对于变形梯度的加强,不会导致单元间变形不协调,不会有材料干涉和空洞。

img

abaqus使用的formulation 更容易扩展到非线性,有限应变模拟。==对于弯曲问题,abaqus的非协调单元可得到和二阶单元相同的结果而计算成本下降。==不过,前者对单元扭曲更敏感。
下图是两种单元扭曲的模式,计算悬臂梁问题。
img

得到下图的结果,可以看到单元扭曲角度一旦大于10度,非协调单元的结果精度就比较差了

img

一阶完全积分单元在所有情况下都会产生糟糕结果。二阶缩减积分单元结果非常好,直到单元严重变形才恶化。

当非协调单元为矩形时,即使悬臂梁的厚度上只有1个单元,也可以得到非常好的结果。然而,对单元变形扭曲态敏感。在严重扭曲的网格中,只改变单元类型通常不会产生准确结果。网格变形也要尽量减少。

总结就是,非协调单元可以解决一阶完全积分单元的剪切闭锁问题,且计算成本比二阶缩减积分单元、二阶完全积分单元的成本更低,但缺点在于对网格单元变形十分敏感,要求具有很好的单元质量。

Hybrid elements

混杂单元在几乎所有实例连续单元类型中都是可选的。**混杂单元用于材料不可压缩(泊松比= 0.5)或非常接近不可压缩(泊松比>0.475)的情况。**橡胶是典型的不可压缩材料(出了平面盈应力状态下)

考虑受均匀静水压力作用下的单元:

img

在这样的载荷下,橡胶不会发生体积变化,因此,压力应力( pressure stress)无法根据节点位移得到;基于位移的formulation不适用于任何具有不可压缩材料特性的单元。

混杂单元有一个额外自由度,决定了单元的压力应力。节点位移仅用于计算偏应变(剪切)和应力。

总结就是,混杂单元用于不可压缩材料

个额外自由度,决定了单元的压力应力。节点位移仅用于计算偏应变(剪切)和应力。

总结就是,混杂单元用于不可压缩材料

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/625424.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【Vue】学习笔记-基本路由 多级路由

相关理解 vue-router 的理解 vue的一个插件库,专门用来实现SPA应用 对SPA应用的理解 单页web应用(single page web application ,SPA)整个应用只有一个完整的页面点击页面中的导航链接不会刷新页面,只会做页面的局部更新数据需要通过ajax请求获取 …

头歌人工智能学习记录

因为这个实训的顺序不同,所以这里的顺序是个人学习的顺序,可能有些变动 第1关:Sigmoid函数 相关知识 为了完成本关任务,你需要掌握: 激活函数概述; 线性函数; Sigmoid 函数。 激活函数概述 …

HTTPS协议原理

目录 HTTPS是什么 1. 什么是"加密" 2. 为什么要加密 3. 常⻅的加密⽅式 对称加密 ⾮对称加密 4. 数据摘要&&数据指纹 5. 数字签名 HTTPS的⼯作过程 ⽅案1- 只使⽤对称加密 ⽅案2 - 只使⽤⾮对称加密 ⽅案3 - 双⽅都使⽤⾮对称加密 ⽅案4 - ⾮对…

2023年学自动化测试?Python 还是 Java?“我“上车了...

目录:导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结(尾部小惊喜) 前言 自动化测试&#…

2023年牛客网最新的Java面试经历整理(一次性查缺补漏个够)

学的人越多,越容易供大于求,越容易卷,要求越高! 当前 Java 程序员的群体比较庞大,Java 本身语言是全场景编程语言,所以不少大厂都要求 Java 程序员具有全栈开发能力和多场景开发能力,还有就是 …

Sui主网上线后的生态发展

Sui主网上线一个月有余,这段时间,Sui网络进行多次迭代更新,生态正在不断稳步发展,社区也日益焕发出生机和活力。为吸引更多的项目或开发者前来构建,Sui基金会推出了多项资助计划以及黑客松,进一步助力生态持…

【高级篇】多级缓存

文章目录 多级缓存1.什么是多级缓存2.JVM进程缓存2.1.导入案例案例导入说明1.安装MySQL1.1.准备目录1.2.运行命令1.3.修改配置1.4.重启 2.导入SQL3.导入Demo工程3.1.分页查询商品3.2.新增商品3.3.修改商品3.4.修改库存3.5.删除商品3.6.根据id查询商品3.7.根据id查询库存3.8.启动…

动态规划-背包问题(二)

动态规划-背包问题(二) 1 描述2 样例2.1 样例 1:2.2 样例 2:2.3 挑战 3 算法解题思路以及实现方法3.1 算法解题思路3.1.1 确定状态3.1.2 转移方程3.1.3 初始条件和边界情况3.1.4 计算顺序 3.2 空间复杂度为O(MN)的算法实现3.2.1 j…

卡尔曼滤波与组合导航原理(十一)区间平滑:前向滤波、反向滤波、双向区间平滑、RTS平滑

最优预测、估计与平滑之间的关系: 三种平滑方式: 函数模型和随机模型 { X k Φ k / k − 1 X k − 1 Γ k − 1 W k − 1 Z k H k X k V k { E [ W k ] 0 , E [ W k W j T ] Q k δ k j E [ V k ] 0 , E [ V k V j T ] R k δ k j E [ W k V j …

Kubernetes DashBoard

Kubernetes DashBoard 为了便于用户操作,k8s开发了基于Web的用户界面。方便用户容器化应用,还可以监控应用状态,执行故障排除和管理资源。 📊部署DashBoard 下载yaml,运行DashBoard #下载yaml [rootmaster ~]# wget …

chatgpt赋能python:Python图片裁剪:让您的图片变得更完美

Python 图片裁剪:让您的图片变得更完美 无论您是一名摄影师、设计师、或是一名开发者,一张完美的图片是至关重要的。然而,有时候您拍摄的图片或者设计的图形可能有一些缺陷,例如画面不够清晰、不需要的元素等等,这时候…

数据结构与算法·第7章【图】

图 大部分定义都在离散数学II中学过了&#xff0c;所以对于已知或常见的我不多赘述 弧或边带权的图分别称作有向网或无向网。若边或弧的个数 e<nlogn&#xff0c;则称作稀疏图&#xff0c;否则称作稠密图。对有向图&#xff0c;若任意两个顶点之间都存在一条有向路径&…

【深蓝学院】手写VIO第3章--基于优化的 IMU 与视觉信息融合--笔记

0. 内容 1. 基于BA的VIO融合 优化的方法学会之后&#xff0c;滤波的方法也就会了。 具体的求解BA问题参考的是SBA的论文&#xff0c;使用的是LM算法&#xff08;里面有个关于权重μ的计算方法&#xff0c;不同人的实现可能不一样&#xff0c;这些都是实现细节&#xff09; …

全新 FinClip Studio 现已上线

FinClip IDE &#xff08;FinClip Integrated Development Environment&#xff0c;简称为 FIDE&#xff09;是面向开发者推出的「小程序桌面端集成开发环境」。自 2021 年起就一直陪伴来自不同平台的小程序开发者完成小程序开发、调试、预览、上传等各类功能。 随着 FinClip …

【MySQL】初识数据库

数据库基础知识 一、什么是数据库二、mysql与mysqld三、服务器、数据库、表关系四、数据库的连接、创建与使用4.1 安装地址4.2 连接服务器4.3 数据库的基本使用4.4 数据逻辑存储 五、MySQL架构六、SQL分类七、存储引擎 一、什么是数据库 存储数据用文件就可以了&#xff0c;为…

一文即可了解!Web测试(性能测试 / 界面测试 / 兼容性测试 / 安全性测试)

目录 前言&#xff1a; 一、Web性能测试&#xff1a;&#xff08;压力测试、负载测试、连接速度测试&#xff09; 二、Web界面测试&#xff1a;&#xff08;导航测试、图形测试、内容测试、整体界面测试&#xff09; 三、Web兼容性测试&#xff1a;&#xff08;平台&#x…

Linux搭建Java环境——安装MySQL5.7(CentOS7.6)

一、使用Xftp上传MySQL安装包&#xff0c;并解压 这里可以直接使用安装包也可以使用命令直接在Xshell运行 wget http://dev.mysql.com/get/mysql-5.7.26-1.el7.x86_64.rpm-bundle.tar 当然要提前创建好文件夹/opt/mysql&#xff0c;并cd进去&#xff0c;运行tar -xvf mysql-…

通义千问写的高考作文你觉得怎么样?

目录 一、全国卷-全国甲卷 二、北京卷 三、上海卷 今天带大家使用通义千问来体验一下2023年高考作文&#xff0c;大家一起来一睹为快吧&#xff01; 一、全国卷-全国甲卷 阅读下面的材料&#xff0c;根据要求写作。&#xff08;60分&#xff09; 人们因技术发展得以更好地掌控…

计算机网络管理-使用SNMPc开展网管活动

一、实验目的 全面学习SNMPc网络管理软件业务服务监控功能&#xff0c;了解如何使用网管软件从事网络管理工作 二、实验内容与设计思想 1&#xff09;操作映射数据库。 2&#xff09;查看管理对象的MIB数据。 3&#xff09;创建、保存长期统计数据&#xff08;要求一定时长…

django传统全栈开发一个ChatGPT应用

根据客户需求&#xff0c;开发一个能多人使用的ChatGPT平台&#xff0c;背后使用的是ChatGPT的api_key。 需求 1、可多轮对话 2、可删除对话 3、流式显示对话 4、可多人使用 5、多个api_key均衡使用 技术分析 第一次接触openai的二次开发&#xff0c;看文档、看文章&…