非線性研究的迭代解方法

非線性靜態研究

在非線性靜態分析中,可在任何「時間」步階 t+Δt 求解的一組基本方程式為:

t+Δt{R} - t+Δt{F} = 0,

其中:

t+Δt{R} = 外部套用節點負載的向量

t+Δt{F} = 內部產生的節點力之向量。

由於內部節點力 t+Δt{F} 視節點在時間 t+Δt, t+Δt{U}的位移而定,所以必須使用迭代法。下列方程式概述使用迭代法在特定時間步階 t+Δt 求解平衡方程式,

{ΔR}(i-1) = t+Δt{R} - t+Δt{F}(i-1)

t+Δt[K](i) {ΔU}(i) = {ΔR}(i-1)

t+Δt{U}(i) = t+Δt{U}(i-1) + {ΔU}(i)

t+Δt{U}(0) = t{U}; t+Δt{F}(0) = t{F}

其中:

t+Δt{R} = 外部套用節點負載的向量

t+Δt{F}(i-1) = 在迭代數 (i) 內部產生的節點力之向量

{ΔR}(i-1) = 在迭代數 (i) 失衡的負載向量

{ΔU}(i) = 在迭代數 (i) 增加的節點位移向量

t+Δt{U}(i) = 在迭代數 (i) 增加的節點位移向量

t+Δt[K](i) = 在迭代數 (i) 的 Jacobian (切線勁度) 矩陣。

目前有多種不同的演算法可用來執行上述迭代。以下為兩種 Newton 類型方法的扼要說明:

迭代解方法 - Newton-Raphson (NR) 法

在本演算法中,在特定步階期間的每個迭代中,都會組合和分解切線勁度矩陣,如下圖所示。NR 法的收斂速度較高,為二次收斂速度。但是,由於切線勁度會在每個迭代中組合與分解,所以對於大模型而言十分昂貴,此時最好改用另一個迭代法。

迭代解方法 - Modified Newton-Raphson (MNR) 法

在本演算法中,於每個步階一開始 (或依專題屬性定義指定),都會組合和分解切線勁度矩陣,而且在整個迭代中都會用到它,如下圖所示。