Источник: fea.ru _ compmechLab- two meshing methods are better than one .mht
Разработчики программного обеспечения FEA предложили несколько методов для того, чтобы оценить ошибку и улучшить точность результатов при использовании различных адаптивных процессов для того, чтобы усовершенствовать петли. Наиболее широко используемые методы - h и p-adaptive обработка. У каждого есть свои особенности. Но объединение двух в продвинутую форму улучшает точность и продолжительность обработки, устраняя многие из принятых компромиссных решений.
"В идеальном мире точность результатов FEA определена пользователем, знающим точное решение для специфического способа," говорит Tomi Mossessian, президент, PlassoTech Inc., Encino, Калифорния, "Но решение не доступны в большинстве случаев, таким образом процесс должен быть установлен для того, чтобы достигнуть указанной точности. Автоматизированную процедуру для того, чтобы улучшить результаты, которые достигают необходимого уровня точности, называют адаптивным процессом" говорит он.
Самый общий способ проверить эффективность адаптивного подхода является нормой конвергенции. "Это показывает, как быстро решение (расчет) приближается к точному решению, поскольку пользователь увеличивает степени дискретизации свободы," говорит Mossessian. Вычислить эффективность метода - также важный фактор, потому что пользователи хотят израсходовать наименьшее количество количества времени и памяти, чтобы получить самые точные результаты.
Mossessian экспериментировал с несколькими методами, чтобы показать за и против каждого. Например, однородный метод обработки петли - один из самых простых для того, чтобы улучшить результаты FEA. "Это создает более прекрасную петлю, однородно уменьшая размер элемента всюду по модели. Это увеличивает ряд элементов до остановки результатов существенно изменение. Таким образом, решение сходилось в пределах определенного процента," говорит он.
Хотя самый простой метод, это также наименее эффективно, потому что однородно более прекрасная петля трехмерной модели существенно увеличивает ряд элементов, чтобы обработать. "Например, у 1-м куба, содержащего кубические элементы 10 см в длинах, было бы 1 000 элементов, уменьшая размер элемента до 5 см, увеличения ряда элементов к 8 000. Рост является кубическим," говорит Mossessian. Даже в тонких твердых частицах рост является квадратным. "Однородный метод обработки петли является слишком медленным и ресурс, интенсивный, чтобы быть практичным в большинстве реальных ситуаций проекта," говорит он.
h-adaptive метод изменяет к лучшему однородную обработку петли. H-adaptive совершенствует петлю только в областях, содержащих высокое число ошибок. Увеличение ряда элементов, который должен быть обработан, существенно меньше, однородно совершенствуя петлю. Технические документы часто относятся к этим методам как h-adaptive.
Техника типично использует ошибочную оценку по элементам в данном шаге решения и совершенствует петлю практическим фактором только в областях высокой ошибки и затем решает проблему. Адаптивная обработка петли и решение продолжаются до достижения указанной точности. Для структурного анализа типично это было бы самым высоким напряжением в модели. Хотя h-adaptive метод более эффективен чем однородная обработка, для многих случаев это не имеет оптимальной нормы конвергенции и требует полный или частичный перезапутывающий из модели в дополнение к решению в каждом цикле, который является отнимающим много времени процессом," говорит Mossessian.
p-adaptive метод не изменяет петлю или ряд элементов. Вместо этого это увеличивает заказ многочленного приближения, используемого в пределах каждого элемента. Это избавляет от необходимости то, что она повторно сцепилась и только требует решения проблемы в каждом p-цикле, пока необходимая точность не достигнута.
"Подобный h-adaptive методу, ошибочные оценки используются с различными пунктами петли. Многочленный заказ увеличен в пределах областей высокой ошибки, пока результаты не достигают определенной пользователем точности. С точки зрения нормы конвергенции этот подход превосходит традиционный h-adaptive метод. Однако, когда острые концентрации напряжения присутствуют, это преимущество ухудшается. Кроме того, существенно увеличивая p-заказ, это становится, вычисляют дорогой," говорит он.
Лучший метод для того, чтобы эффективно достигнуть конвергенции является комбинацией обоих методов, hp-adaptive метода. Это обеспечивает наиболее - эффективная техника для того, чтобы управлять ошибками приближения FEA. Вместо того, чтобы увеличивать заказ p неопределенно или только полагаться на чистую обработку петли через h-adaptive метод, hp метод использует p-adaptive в пределах каждого шага h-обработки. Это - самый трудный метод, чтобы осуществить и предлагается немногими пакетами FEA.
Выполнение FEA solvers основанный на hp-adaptive методе в 3G.author, программа анализа проекта FEA, позволяет вычислять точные результаты в наиболее - эффективная манера. Это позволяет универсальное определение критериев конвергенции и для глобальных и для местных параметров и обеспечивает много продвинутых признаков относительно точности, эффективности, и надежности.
Ключевой признак - эффективный p-based solver использование PCCG (предварительно обусловленный сопряженный градиент) техника, привязанная к адаптивной обработке петли. Кроме того, точность может управляться так, она легко скроена для глобальных или местных параметров результата, включая усилия, смещение и температуру. Ограниченные результаты могут включать или исключить любое геометрическое лицо, такое как лица, края, и вершины.
Кроме того, продвинутые функции позволяют управлять точностью и эффективностью, решая модели типа собрания.
Для пользователей, нуждающихся в полном контроле над запутывающим, говорит Mossessian, это доступно сверху hp-adaptive метода. "Пользователи, более знакомые с их образцовым поведением, могут ускорить адаптивный процесс, предпочитая более прекрасную начальную петлю любой интересующей области, такой как части, лица, края и вершины, используя 3G.author's глобальные и местные способности контроля за петлей.