Good Mood

Kuva tämä: Olet tekee esityksen oman Ph. D. thesis, vakautta yksi seminaareja. Kaikki sujuu ongelmitta, ja lopuksi on kyselytunti! Ja joku yhtäkkiä kysyy: ”mitä eroa on implisiittinen ja nimenomaista lähestymistapaa?”! Ja koska teet staattista vakautta, – et ole koskaan edes kuullut noita termejä! Niin … olen tehnyt tuon!, Nyt olen hieman viisaampi, joten otetaanpa tarkemmin eroja Implisiittinen ja Eksplisiittinen analyysi

Implisiittinen ja Eksplisiittinen analyysi eroavat lähestymistapa kertaa kasvattaminen. Implisiittisessä analyysissä joka kerta lisäyksen täytyy lähentyä, mutta voit asettaa melko pitkän ajan lisäyksiä. Eksplisiittisen toisaalta ei tarvitse lähentää jokaista korotusta, mutta ratkaisun ollakseen tarkka aikalisä on oltava super pieni.

Tämä kuulostaa aika yksinkertaiselta, eikö?, Ellet ala ajatella asioita, kuten ” mitä minun pitäisi käyttää ”tai” kuinka pieni nimenomainen aikalisä pitäisi olla”, ja sellaista. Ei hätää,minä hoidan sinut!

Let ’ s dive in!

dynamiikka parhaimmillaan-implisiittinen / eksplisiittinen!

Voit käyttää Implisiittinen ja Eksplisiittinen ratkaisussa ratkaista dynaamisia ongelmia. Tämä tarkoittaa, että sinun ei tarvitse tietää tätä tavaraa, jos teet staattinen analyysi., Jos olet epävarma staattisen ja dynaamisen analyysin erosta, lue tämä viesti ensin-se helpottaa asioiden ymmärtämistä!

Dynaaminen analyysi pähkinänkuoressa:

Dynaaminen analyysi ratkaisee ongelmia, joihin inertia vaikutuksia. Ne näkyvät, kun asiat muuttuvat nopeasti mallissasi (nopeasti kohdistetut kuormat, vaikutukset jne.). Insinöörit yleensä reffer tähän ”epälineaarinen dynaaminen”.

olisi huomattava, että usein insinöörit kutsuvat muita analyysi ”dynaaminen” samoin., Asioita, kuten Modaalianalyysi tai pakotettu Vasteanalyysi, jotka käsittelevät tärinää. Joskus niitä kutsutaan ”lineaarinen dynaaminen”, mutta se on yleensä hyvä idea varmistaa, mitä joku tarkoittaa, kun he käyttävät ilmaisua. Vaikka ”linear dynamic” ongelmat ovat todella mielenkiintoisia, En keskustele niistä täällä. Voit oppia lisää niistä lukemalla tämän viestin!

ensimmäinen asia, olen todella tuntuu, että minun on korostettava on, että implisiittinen ja eksplisiittinen ratkaisussa ratkaista SAMAT ongelmat!, Älä ajattele sitä ”erilaisina ratkaisijoina” vaan paremminkin kahtena eri keinona saman ongelman ratkaisemiseksi.

monissa tapauksissa, voit käyttää sekä implisiittinen ja eksplisiittinen ratkaisija, ja ne tuottavat saman lopputuloksen. Tästä meidän on aloitettava!

miten dynaaminen analyysi toimii?

molemmat analyysit ratkaisevat ongelmaa, jossa asioiden nopeus on tärkeää. Tämä tarkoittaa lähinnä sitä, että kuorma levitetään hyvin nopeasti. Tällaisissa tapauksissa, voit aina ”iteroida” kuorman ajoissa., Pohjimmiltaan, käytät aikaa kertoa ratkaisija” mitä tapahtuu ” ja miten kuormitus muuttuu.

Ensinnäkin, sinun täytyy määritellä, miten kuorma muuttuu ajoissa. Voit yleensä tehdä tämän käyttämällä kaavioita, kuten alla:

epälineaarinen dynaaminen analyysi, aika on 2 roolit. Ensinnäkin sen avulla voit kertoa ratkaisijalle, kuinka paljon kuormitusta olisi sovellettava. Sinun tarvitsee vain toteuttaa jokainen kuorma ajasta riippuvalla kaaviolla. Toiseksi … aika on aika! Se kertoo ratkaisijalle, kuinka nopeasti asiat etenevät!,

Kuvittele haluat on tällainen kuorma järjestyksessä:

staattinen, tämä olisi 3 ”vaiheet” – analyysi (niitä kutsutaan subcases NX Nastran, mutta luulen, että Abaqus todella käytetään ”askel”, kuten nimi, ei voi muistaa tämän varmasti, vaikka!). Idea olisi yksinkertainen, sinun täytyy soveltaa 100kn kuorman vaiheessa 1, Poista 50KN kuorman vaiheessa 2, ja poista 50KN vaiheessa 3. Ei ole mitään keinoa sisällyttää kuormituksen ”tasannetta” vaiheen 2 jälkeen analyysiin, ja se jätetään pois., Logiikka on yksinkertainen: ei muutoksia kuormituksessa = mitään muutoksia staattisessa!

Load välein staattinen

Jos ongelma olisi erittäin epälineaarinen kuormitus olisi ”kasvaa”. On harvinaista pystyä soveltamaan ” täysi kuormitus ”epälineaariseen analyysiin”yhdellä liikkeellä”! Yleensä ratkaisija soveltaa eli 1Kn kunkin ”lisäys”. Tämä tarkoittaa sitä, että 100 askelman jälkeen sovelletaan täyttä askelta 1. Tämä helpottaa ratkaisijan oikean vastauksen lähentämistä.,

käyttäjäksi, saat määritellä, kuinka suuri välein ratkaisija pitäisi käyttää. On myös joitakin algoritmeja muokata kuorman inkrementaatio analyysin aikana. Eri ratkaisijat haluavat, että asetat tämän differnetin tavoin. Yleensä FEA-pakkauksissa käytetään tähän kuormituskertoimia. Tämä tarkoittaa, että voit sanoa jotain: ”jokaisessa lisäyksessä sovelletaan ylimääräistä 0,01 kaikesta kuormasta”.

Mahtava… mutta mennään dynamiikka, on meillä?, Dynaaminen analyysi voit saada kuorman jakautuminen kuten edellä, niin kuormituksen määritelmä:

Heti, on olemassa muutamia asioita, voit huomata:

• ei ole olemassa vaiheita! Tämä johtuu siitä, että dynaamisessa analyysissä ei lisätä kuormitusta. Lisää aikaa! Ja koska aika menee ”jatkuvasti” nollasta määrätty arvo, voit lisäys se ”toinen askel”.

• Aika on valttia! Kuorman arvojen suhteen yllä olevat kaaviot ovat samat., Mutta tämä ei ole sama dynaaminen tapaus! Oikealla oleva kaavio koskee kuormaa 1000x nopeammin! Tätä ei voi jättää huomiotta dynaamisessa analyysissä!

yleensä, kun haluat ratkaista dynaaminen ongelma, et ovat kysymällä ratkaisija tehdä yksi asia. Pyydät sitä laskemaan aikalisien sarjan, nähdäksesi, mitä mallissa tapahtuu. Jokaisessa lisäyksessä aika hieman kasvaa. Tämä tietysti muuttaa myös mallin kuormitusta. Siksi sinulla on oltava ajasta riippuvainen kaavio kuormalle., Ratkaisija siis ”tietää”, mitä kuormaa olisi sovellettava kulloinkin lisäyksenä. Tässä määrin se toimii samalla tavalla kuin kuormituksen lisäys staattisessa analyysissä. Bonus on, että koska olet monesko kerta, inertia vaikutukset voidaan ottaa huomioon, kun asiat eivät tapahdu tarpeeksi nopeasti.

tässä määrin sekä implisiittinen että eksplisiittinen analyysi tekee enemmän tai vähemmän saman asian. He jakavat ”analysointiaika” pieniin lisäyksiin ja analysoivat sitten, mitä mallissasi tapahtuu yksi kerrallaan toisensa jälkeen. Mutta tähän yhtäläisyydet loppuvat!, Näet, on olemassa erilaisia lähestymistapoja ajan lisäykseen sinulla voi olla!

implisiittinen vs eksplisiittinen – kun aika todella merkitsee!

Olet juuri oppinut, että jotta voidaan laskea epälineaarinen dynaaminen ongelma, sinun täytyy vähitellen lisätä ”analyysi aikaa”. Kuten jo mainitsin, tämä voidaan tehdä kahdella tavalla.

aloitan implisiittisellä lähestymistavalla. Luulen, että se on helpompi ymmärtää, koska se toimii enemmän tai vähemmän sama kuin kuorman kasvattaminen epälineaarinen staattinen analyysi!,

Kuinka Implisiittinen Analyysi Toimii:

Ensinnäkin, implisiittisesti näyttää olevan enemmän ”perus” ratkaisu. Pohjimmiltaan se toimii juuri niin kuin luulisi!

• Ensinnäkin, joka kerta lisäys, että ”maailmanlaajuista tasapainoa” malli on sijoittautunut. Tämä tarkoittaa, että jokaisen lisäyksen on lähentyttävä (tämä tapahtuu iteraatioissa).

• Kun maailmanlaajuinen tasapaino on ok, ratkaisin laskee kaikki paikalliset finite element muuttujat (korostaa jne.) tähän lisäykseen.,

• Hyödyt: Koska maailmanlaajuinen tasapaino on tarkastettava joka kerta välein, ne välein voi olla ISO!
• Haittoja: joka kerta kasvu laskee hitaasti, koska toistojen tarvitaan saada maailmanlaajuisen tasapainon.

Jos olet perehtynyt epälineaarinen staattinen analyysi sinusta tuntuu ”kotona” kanssa implisiittinen ratkaisija. Käyttäjänä saa yleensä sanoa, kuinka suuria aikalisiä haluaa olla. Tämä on valtava etu, jota on helppo olla huomaamatta., Koska eksplisiittinen ratkaisija ei tarjoa tällaista mahdollisuutta!

Let ’ s take a look at explicit incredmentation next!

Miten Avointa Analyysi Toimii:

Tämä on upea. Se toimii tavallaan, että sinun ei tarvitse lähentyä jokaista askelta! Ei ole mitään lähentymiskriteereitä tarkistaa ja … ei iteraatioita! Sen sijaan, että tarkistettaisiin ”globaalin tasapainon” ratkaisija olettaa, että tasapaino ”yksinkertaisesti on olemassa”. Tämä tarkoittaa sitä, että ratkaisija menee suoraan paikallisten äärellisten elementtimuuttujien laskentaan!, Koska tällainen menettely on vain yksi vaihe:

• Laske kaikki paikalliset finite element muuttujat antanut lisäys, ja siirtyä seuraavaan!

• Edut: Jokainen lisäys laskee erittäin nopeasti!
• Haittoja: jotta tämä toimisi, aika-askel on HYVIN pieni. Muuten on mahdotonta ylläpitää tätä tasapainoa, jonka oletetaan olevan ”yksinkertaisesti olemassa”. Tämän saavuttamiseksi Käyttäjällä ei ole suoraa määräysvaltaa siihen, kuinka suuren ajan lisäykset eksplisiittinen ratkaisija ottaa., Ratkaisija itse laskee, kuinka pienet aikajänteet ovat vielä kunnossa. Ja ne hyväksytyt aikalisät ovat todella pieniä! Tämän vuoksi nimenomaisten ongelmien pitäisi kestää sekunnin murto-osia! Jos ne kestäisivät sekunteja, tarvitsisit miljoonia lisäyksiä!

nopeasti yhteenvetona: sekä implisiittinen ja eksplisiittinen ratkaisussa ratkaista samoja juttuja. Ainoa ero on, miten nämä menetelmät kasvaa aikaa.

Teknisesti, molempien pitäisi tuottaa sama tulos kaikissa tapauksissa., Loppujen lopuksi voit analysoida saman ongelman molemmilla lähestymistavoilla. Vastaus ei tietenkään voi riippua siitä, miten ongelma ratkaistaan! Mutta tietenkin valitset vain yhden lähestymistavan seuraavaan ongelmaasi, joten mikä niistä? Otetaan selvää!

mikä on sinulle parempi: implisiittinen vai eksplisiittinen?

Olemme jo sopineet, että voit käyttää sekä implisiittinen ja eksplisiittinen ratkaisussa ratkaista samantyyppisiä ongelmia. Ainoa ero on aikalisäyksen lähestymisessä. Mutta se ei ole vähäpätöinen asia!, Jos ero olisi pieni, kukaan ei haluaisi toteuttaa molempia! Katsotaanpa siis, miten tällä kertaa inkrementointi vaikuttaa asioihin!

Sekä implisiittinen ja eksplisiittinen ratkaisussa on joitakin alueita, joilla he loistaa. Ja siellä on päällekkäisiä niiden käyttö:

• epäsuora analyysi avulla voit valita, kuinka suuri ajan lisäys pitäisi olla! Tämä lisäys kestää jonkin aikaa laskea, koska se on kerrata maailmanlaajuisen tasapainon ensin. Mutta voit tehdä siitä” kohtuullisen suuren ” analyysia varten.,

• Nimenomaisen aikaa tarkkuudella laskea todella nopeasti! Yksinkertaisesti siksi, että ne eivät iteroi globaalin tasapainon … mutta ajan lisäys ei ole valinta! Ratkaisija yksinkertaisesti olettaa, että” hyväksyttävä ”aikalisä on” X ” ja menee sen mukana. Huomaa, että tämä ”X” voi helposti olla jotain 5e-7s-Tämä on super pieni! Ratkaista ongelma tapahtuu yli 1s, tarvitset 2 000 000 välein!

• ja siinä se! Laskentanopeus on juuri implisiittisen ja eksplisiittisen ero., Eksplisiittisen vaiheen koko riippuu tietenkin mallista ja laskentaajat riippuvat laitteistostasi. On kuitenkin huomioita, että voimme helposti tehdä:

Käytä implisiittinen ”hidas analyysi”!

Jos asia sinua laskemaan tapahtuu usean sekunnin… ei ole mitään järkeä käyttää avointa ratkaisija. Kestää ikuisuuden kaivaa läpi ne miljoonat aikalisät, joita tarvitaan tämän laskemiseksi!, Sen sijaan, aseta” kohtuullinen ” aika vaihe implisiittinen analyysi (sanotaan 100 yhtä aikaa lisäyksiä analyysin). Toki jokainen näistä implisiittisistä aikalisistä laskee paljon kauemmin kuin yksi nimenomainen lisäys. Mutta enintään satojatuhansia!

Käytä eksplisiittisiä ”nopea analyysi”!

Tämä on ilmiselvää, eikö? Jos se, mitä lasket tapahtuu sekunnin murto-osassa, on ystäväsi., Implisiittinen analyysi, aikaa lisäys olisi erittäin pieni… ehkä jopa niin pieni kuin kasvu selkeä analyysi. Tällaisessa tapauksessa eksplisiittinen analyysi toimii paljon nopeammin, koska se ei vaadi ”global equilibrium” – iteraatioita. Implisiittinen analyysi ei vaadi näitä iteraatioita (aikavaiheesta riippumatta!).

Inbetween juttuja!

keskellä tapahtuu tietysti ongelmia (kuten törmäys 5m / s nopeudella)., Yleensä tällaisen ongelman voi ratkaista molemmilla ratkaisijoilla, mutta se voi olla ärsyttävää.

toivon, että tämä auttaa sinua valitsemaan oikea lähestymistapa dynaamisten ongelmia. Loppujen lopuksi kokemus on tietysti paras opas! Jos olet epävarma, suorita muutamia tyypillisiä ongelmia sekä implisiittisesti että yksiselitteisesti. Näin voit vertailla tuloksia (niiden pitäisi olla samat). Mutta mikä on tärkeämpää, voit vertailla laskenta-aikoja! Tämä antaa sinulle mahdollisuuden tarkistaa, mikä on parempi lähestymistapa sinulle!,

kuinka eksplisiittinen arvaus aika askelkoko?

No, se on kaikki hieno ja dandy toistaiseksi, mutta luulen, että se olisi mukava käsitellä yksi iso kysymys. Ja se on… jos et ole valitseminen aika-askel nimenomaista analyysia, niin kuka sitten tekee?

matemaattinen selitys vaatisi keskustelua maksimaalinen luonnollinen taajuus. Tämä johtuu siitä, että maksimaalinen ”vielä hyväksyttävä” aikalisä on kääntäen verrannollinen maksimaaliseen luonnolliseen taajuuteen. Tällaisia laskelmia voidaan tietysti tehdä., Tulokset riippuvat mallin mesh (kuinka monta elementtiä on olemassa, jne.). Mutta emme mene sinne, ja on 2 syytä, miksi: Ensinnäkin, en pidä matematiikasta (!). Toiseksi ratkaisijat eivät lopulta tee näin, vaikka tämä on ”oikea tapa”.

ratkaisija voidaan laskea maksimaalinen luonnollinen taajuus, tietenkin, mutta tämä vie jonkin aikaa. Ja koska se olisi tehtävä jokaisessa nimenomaisessa ajassa lisäys (voi olla paljon niitä!… hyi!, Onneksi on olemassa tapa hienosti arvioida tämä arvo, analysoimalla jokainen rajallinen Elementti järjestelmässä erikseen! Fyysinen tulkinta arvio (yleisesti käytetty solvers) on:

Suurin aika lisäys selkeä analyysi:

Aika lisäys avointa analyysi on hyvin lyhyt. Se on aika, jolloin Elastinen aalto (eli iskuaalto) voi kulkea mallisi yhden äärellisen elementin läpi. Tietenkin tämä on vahvistettu kaikille rajallinen elementtejä mallissasi, ja pienin aika on valittu.,

Kuten näette, siellä 2 komponentit nimenomaisen aikaa komponentti:

• Elastisen aallon nopeus (aka äänen nopeus materiaalia)! Tämä riippuu vain materiaalista, joka sinulla on mallissasi (ja se on erilainen eri materiaaleille tietenkin!). Tarvitset Kimmokerroin E, materiaalin tiheys ja Poisson-Annos (2D-ja 3D-ongelmat). On helppo löytää taulukoita, jotka listaavat elastisia aaltonopeuksia eri materiaaleista. Vain viitteellisiä teräksen, tämä on noin 5200m/s (monet metallit ovat noin 4500-5500m/s).,

• – Elementin koon (ja laatua)! Sinulla on aaltonopeus, mutta se ei riitä! Tietää aika se tarvitsee matkustaa elementin läpi, sinun täytyy tietää Elementti ”pituus”. Vaikka tämä on super yksinkertainen 1D-elementtejä (he yksinkertaisesti ovat pituus) se saa hankala 2D-ja 3D -. Tämä pituus ei ole ”vain” lyhin elementin reunat, koska elementit voivat olla melko huono geometria. On asioita ratkaisija tekee laskea tämän. 2D: ssä se voisi olla elementtialue, joka jaetaan maksimireunan pituuden mukaan., 3D: ssä voi tarkoittaa, että elementin tilavuus jaetaan maksimaalisella sivualueella. Siksi elementtikokojen lisäksi myös elementtien laatu on niin tärkeää selkeässä analyysissä! Loppujen lopuksi … kaikki mitä tarvitset on yksi huono elementti todella satuttaa laskennan aikaa!

luin jostain, että vaikka edellä on ”tarkka” ratkaisu, ratkaisijoita usein käyttää ”turvallisuuden tekijät” tässä. Jos saat suuremman aikalisän kuin elastinen Aalto ”nopeusrajoitus” matemaattisia virheitä esiintyy. Koska arvioita käytetään, ratkaisijat vähentävät usein aikavaihetta ”varmuuden vuoksi”., Yleensä vähennyskerroin on noin 0,9, mutta tämä voi vaihdella ratkaisijasta ratkaisijaksi tietenkin.

Massamittaus!

lopulta, haluan mainita jotain nopeasti.

Olet todennäköisesti huomannut, että aika-askel selvästi vain riippuu mesh, Kimmokerroin ja tiheys. Nuoren moduulin vähentäminen ei tietenkään välttämättä ole ihanteellista, ja yksityiskohtien analysointiin tarvitaan usein pieni verkko. Mutta ”low dynamic” – ongelmissa voit yrittää lisätä eksplisiittistä aikavaihetta lisäämällä materiaalitiheyttä.,

tätä kutsutaan ”massamittaukseksi”. FEA-paketit tarjoavat jopa ratkaisuja, joissa tiheys kasvaa vain elementeissä, jotka ”päättävät” ajan lisäyksestä. Tämä tarkoittaa sitä, että joskus vain pienet osat mallistasi tulevat raskaammiksi! Jossain analyysissä voi ”päästä karkuun” mallinsa massan kasvattamisen myötä. Jos näin on, tämä voi olla ratkaisu sinulle. Ole vain tietoinen, että tämä ei muuta miten malli käyttäytyy! Kun on kyse suurista kiihdytyksistä, kannattaa olla tarkkana!

Tiivistelmä

Kiva!, Sinä tulit, kiitos lukemisesta! Lopetetaan tämä, joten se on helpompi muistaa!

• dynaamiseen analyysiin liittyy aikaa! Kun kuormat kohdistetaan, ne on määriteltävä aikatoiminnolla. Usein tämä on lineaarinen suhde. Mutta tämä ei muutu, että aika, jolloin kuormaa sovelletaan, on merkittävä rooli (varsinkin jos tämä aika on lyhyt!).

• 2 makuja dynaaminen analyysi! Voit ratkaista ”todellisia” dynaamisia ongelmia implisiittisillä ja eksplisiittisillä algoritmeilla. Molemmat ovat kunnossa, eikä yksikään niistä ole ”parempi”., Mutta sanoisin, että selväsanainen ratkaisija on osa harvempaa FEA-pakettia. Koska jokaista FEA-pakettia ei edes ole, eksplisiittinen ratkaisija nähdään ”edistyneempänä” juttuna.

• implisiittinen ratkaisija on todella hyvä, jos asioita omassa analyysi tapahtuu suhteellisen hitaasti. Sanotaan analyysi on pidempi kuin 1s ilman mitään äkillisiä asioita tapahtuu tuona aikana. Etuna on, että voit valita, kuinka suuri aikajaksoa haluat. Vaikka yhden korotuksen laskeminen kestäisi kauemmin, niitä on paljon vähemmän!,

• avointa ratkaisin on hyvä nopeasti tapahtuu asioita (sanotaan nopeammin kuin 0,1 s). Et saa valita aikajakson, täällä – ratkaisija asettaa sen automaattisesti. Vaikka ne ovat yleensä erittäin pieniä, ainakin ne laskevat paljon nopeammin kuin ”implisiittiset”. Eksplisiittinen ratkaisija laskee, kuinka suuri aikalisän pitäisi olla. Tämä riippuu äänennopeudesta materiaalissasi, minimaalisesta äärellisen elementin koosta (ja elementin laadusta!). Joissakin tapauksissa voit muuttaa tiheyttä (jopa automaattisesti vain ”ratkaisevissa elementeissä”!) säätää tätä aikalisää., Tämä toimii, koska äänen nopeus materiaalissasi riippuu sen tiheydestä! Tätä kutsutaan”massamittaukseksi”.