Los métodos adaptativos están basados en la estimación de error. Existen principalmente dos métodos para mejorar la exactitud de los resultados de los estudios estáticos:
El método H
El concepto del método h consiste en la utilización de elementos más pequeños en regiones con altos niveles de error. Después de ejecutar el estudio y estimar los errores, el software automáticamente refina la malla donde sea necesario para mejorar los resultados.
El método P
El concepto del método p consiste en la utilización de elementos más eficaces en regiones con altos niveles de error. Luego de ejecutar el análisis y estimar los errores, el programa aumenta el orden de los elementos en las regiones cuyo nivel de error es más alto que el nivel especificado por el usuario y vuelve a ejecutar el estudio. El método p no altera la malla, sino que cambia el orden de los polinomios utilizados para aproximar el campo de desplazamiento. La utilización de un orden polinomial unificado para todos los elementos no resulta eficaz. El software incrementa el orden del polinomio sólo donde es necesario. Este método se denomina análisis adaptativo selectivo según el Método-P.
Esta opción sólo es compatible con elementos sólidos. Cuando se activa esta opción, es posible que el programa ejecute el problema varias veces. Luego de cada bucle, el programa evalúa los errores locales y globales y decide si realizará otra ejecución.
Este programa detiene los bucles cuando se cumple una de las siguientes condiciones:
- El criterio global converge,
- Todos los errores locales convergen (por ejemplo, para cada elemento), o
- Se alcanza el número máximo de bucles.
Se puede basar la verificación de convergencia en la energía de deformación total, en la Raíz Cuadrada Media (RMS) de las tensiones de von Mises o en la RMS de los desplazamientos resultantes.
En esta versión, el método P sólo funciona con elementos sólidos; no es compatible con los vaciados.
Luego de ejecutar un problema estático por medio del método p adaptativo, puede generar trazados de convergencia. Para obtener más información, consulte el capítulo Ver resultados.
Para obtener un ejemplo de métodos adaptativos, consulte el Tutorial en línea.