显式与隐式

按照计算每一时刻动力反应是否需要求解线性方程组，可将直接积分法分为隐式积分方法和显式积分方法两类。隐式积分法是根据当前时刻及前几时刻体系的动力反应值建立以下一时刻动力反应值为未知量的线性方程组，通过求解方程组确定下一时刻动力反应。隐式方法的研究和应用由来已久，常用的方法有线性加速度法、常平均加速度法、Newmark方法、Wilson-θ法、Houbolt方法等。显式积分法可由当前时刻及前几时刻的体系动力反应值直接外推下一时刻的动力反应值，不需要求解线性方程组，实现了时间离散的解耦。解方程组一般占整个有限元求解程序耗时的70％左右，因此，这一解耦技术对计算量的节省是可观的。隐式方法大部分是无条件稳定的，显式方法为条件稳定。显式方法的稳定性可以按满足精度要求的空间步距确定满足数值积分稳定性要求的时问步距来实现。显式方法受条件稳定的限制，时间积分步长将取得较小，但计算经验表明，对于一些自由度数巨大且介质呈非线性的问题，显式法比隐式法所需的计算量要小得多。因此，随着所考虑问题复杂性的增加，显式积分法得到重视。对于显式与隐式有限元的理解关键字:有限元显式隐式显式算法和隐式算法，有时也称为显式解法和隐式解法，是计算力学中常见的两个概念，但是它们并没有普遍认可的定义，下面只是我的一些个人理解。一、两种算法的比较1、显式算法基于动力学方程，因此无需迭代；而静态隐式算法基于虚功原理，一般需要迭代计算。显式算法，最大优点是有较好的稳定性。动态显式算法采用动力学方程的一些差分格式（如广泛使用的中心差分法、线性加速度法、Newmark法和wilson法等），不用直接求解切线刚度，不需要进行平衡迭代，计算速度快，时间步长只要取的足够小，一般不存在收敛性问题。因此需要的内存也比隐式算法要少。并且数值计算过程可以很容易地进行并行计算，程序编制也相对简单。但显式算法要求质量矩阵为对角矩阵，而且只有在单元积分点计算尽可能少时速度优势才能发挥,因而往往采用减缩积分方法，容易激发沙漏模式，影响应力和应变的计算精度。静态显式法基于率形式的平衡方程组与Euler向前差分法，不需要迭代求解。由于平衡方程式仅在率形式上得到满足，所以得出的结果会慢慢偏离正确值。为了减少相关误差，必须每步使用很小的增量。除了欧拉向前差分法外，其它的差分格式都是隐式的方法，需要求解线性方程组。2、隐式算法隐式算法中，在每一增量步内都需要对静态平衡方程进行迭代求解，并且每次迭代都需要求解大型的线性方程组，这以过程需要占用相当数量的计算资源、磁盘空间和内存。该算法中的增量步可以比较大，至少可以比显式算法大得多，但是实际运算中上要受到迭代次数及非线性程度的限制，需要取一个合理值。二、求解时间使用显式方法，计算成本消耗与单元数量成正比，并且大致与最小单元的尺寸成反比，应用隐式方法，经验表明对于许多问题的计算成本大致与自由度数目的平方成正比，因此如果网格是相对均匀的，随着模型尺寸的增长，显式方法表明比隐式方法更加节省计算成本。三、两种方法的应用范围：a)在求解动力学问题时，将方程在空间上采用有限元法（或其他方法）进行离散后，变为常微分方程组F=M(u)+C(u)+K(u)。求解这种方程的其中两种方法为，中心差分法和Newmark法。采用中心差分法解决动力学问题被称为显式算法，采用Newmark法解决动力学问题被称为隐式算法。b)在求解动力学问题时，离散元法（也有其他方法）主要有两种思想：动态松弛法（向后时步迭代），静态松弛法（每一步要平衡）。动态松弛法是显式算法，静态松弛法是隐式算法。其中冲压成型就是动态松弛法的主要例子。c)在求解静力学问题时，有时候将其看作动力学问题来处理而采用动态松弛法，这是显式算法。Flac就是主要例子。显式算法隐式算法每步求解方法矩阵乘法线性方程组时步稳定性有条件无条件适用问题动力中心差分法动力动态松弛法静力动态松弛法动力Newmark法动力静态松弛法四、总结：1)求解线性静力学问题，虽然求解线性方程组，但是没有时步的关系，所以不应将其看作隐式算法。2)求解非线性静力学问题，虽然求解过程需要迭代，或者是增量法，但是没有明显的时步问题，所以不应将其看作隐式算法。3)静态松弛法，可以认为是将动力学问题看作静力学问题来解决，每一步达到静力平衡，需要数值阻尼。4)动态松弛法，可以认为是将静力学问题或者动力学问题，分为时步动力学问题，采用向后时步迭代的思想计算。对于解决静力学问题时，需要人工阻尼。有限元方法的显式及隐式对时间积分的两种算法：隐式方法：大多数的有限元分析软件都是采用隐式方法，这种方法收敛速度较快。cn+1=an+bn优点是计算量比较小缺点是有累计误差n+1个时间步的量不可以由第n个时间步的量直接求得,称为隐式！显式方法：显示积分方法一般用在高度非线性有限元分析，如碰撞、爆炸、冲击等。dyna等软件一般采用显示有限元法。这种方法的收敛较慢，为了保证收敛一般要取较短的时间步长。关于显式积分与隐式积分的内容可以看一下《数值分析》中关于椭圆型、抛物线型或双曲型微分方程的差分方法等内容。例如:an+1+bn+1=cnbn+1+cn+1=anan+1+cn+1=bn缺点是计算量比较大,需要通过方程组求解优点是没有累计误差。总之：用比较通俗的话说:显式就是可以直接通过自变量求得因变量的解,自变量和因变量可以分离在等式的两侧;隐式正好相反,因变量与自变量混和在一起,不能进行分离.显式解法里,没有刚度矩阵的说法？!显式解法基于牛顿第二定律,F=M*acce,其中F由上一时步的外载,内力确定;由acce--velocity--disp,也就可相应求解应力,应变值了根据我的理解，是这样的：（1）显式算法包括动态显式和静态显式算法。动态显式算法的最大优点是有较好的稳定性。动态显式算法采用动力学方程的中心差分格式，不用直接求解切线刚度，不需要进行平衡迭代，计算速度快，也不存在收敛控制问题。该算法需要的内存也比隐式算法要少。数值计算过程可以很容易地进行并行计算，程序编制也相对简单。它也有一些不利方面。显式算法要求质量矩阵为对角矩阵，而且只有在单元积分点尽可能少时速度优势才能发挥,因而往往采用减缩积分方法，容易激发沙漏模式，影响应力和应变的计算精度。动态隐式法还有一个重要特点是：对成形过程的仿真需要使用者正确划分有限元网格和选择质量比例参数、速度和阻尼系数。静态显式法基于微分形式的平衡方程组与Euler前插公式，不需要迭代求解。由于平衡方程仅在微分形式上得到满足，所以得出的结果会慢慢偏离正确值。为了减少相关误差，必须每步使用很小的增量，通常一个仿真过程需要多达几千步。由于不需要迭代，所以这种方法稳定性好，但效率低。（2）隐式算法静态算法也是解决金属成形问题的一种方法。在静态隐式算法中，在每一增量步内都需要对静态平衡方程而迭代求解。理论上在这个算法中的增量步可以很大，但是实际运算中上要受到接触以及摩擦等条件的限制。随着单元数目的增加，计算时间几乎呈平方次增加。由于需要矩阵求逆以及精确积分，对内存要求很高。隐式算法的不利方面还有收敛问题不容易得到解决以及当开始起皱失稳时，在分叉点处刚度矩阵出现奇异。另有一种静态隐式大增量步软件，也属于静态隐式算法，做出了某些改进，如在一些特殊接触条件处理上采用大增量时步，弯曲与拉伸变形的非耦合求解算法，高精度的自适应网格划分等等。这些专用于金属薄板成形的特征有时显得非常有效，但在某些方面不会那么准确。例如，它不能精确模拟接触和脱离接触的过程，无法有效预测起皱失稳。