• 线性动力学变分原理基础 Part1


    线性动力学变分原理基础 Part1  《计算动力学》 张雄[著] 笔记

    线弹性动力学的控制方程(位移法,要得到的是位移分量的表达式$u=u(x,y,z,t),v=v(x,y,z,t),w=w(x,y,z,t)$)

    运动方程           

    $sigma _{ij,j}+ar{f_i}= ho ddot u_i$

    应变-位移关系     

    $epsilon_{ij}=frac{1}{2} (u_{i,j}+u_{j,i})$

    应力-应变关系   

    $sigma _{ij}=D_{ijkl}epsilon_{kl}$

    边界条件           

    $sigma _{ij}n_j=ar{T_i}$

    $u_i=ar{u_i}$

    初始条件           

    $u_i | _{t=0}=ar{u}_i^0$

    $dot{u}_i | _{t=0}=dot{ar{u}}_i^0$

    精确解:在域内任一点任一时刻满足运动方程,在力边界上任一点任一时刻满足力边界条件,(位移法,位移边界条件自动满足)

    近似解:加权余量法

    加权余量法

    近似解不能精确满足运动方程和力边界条件,存在余量$R_i(x,y,z,t),ar{R_i}(x,y,z,t)$

    $R_i=sigma _{ij,j}+ar{f_i}- ho ddot u_i ot=0$

    $ar{R_i}=sigma _{ij}n_j-ar{T_i} ot=0$

    加权余量法(WRM)允许运动方程和边界条件在各点存在余量,但要求这些余量在域内和边界上的加权(对权函数)积分等于零

    余量方程:

    $int_V R_i v_i dV=0$

    $int_{S_sigma} ar{R_i} ar{v_i} dS=0$

    $v_i$和$ar{v_i}$分别是定义在域内和边界上的权函数(test function),权函数是任何相互独立的完备函数集

    余量方程表示$R_i$与$v_i$正交,$ar{R_i}$与$ar{v_i}$正交

    若余量方程对任意权函数都成立,即$R_i$与任意$v_i$正交,因为$v_i$是完备函数集,所以$R_i$与任意函数正交,则由変分学基本引理知$R_i$恒等于零,即运动方程在域内任一点任一时刻都满足,同理,边界条件在边界上任一点任一时刻都满足

    (所以WRM在理论上,当试函数取得越多时,解越接近精确解,是收敛的)

    由上述讨论,我们可以称余量方程为运动方程和边界条件的等效积分形式

    到此,要具体实施WRM还不够,还有一个操作,把近似解取为一族已知函数(称为试探函数)的线性组合,这样就把偏微分方程变成了关于试探函数的系数的代数方程

    $u_i=sum_{i=1}^N phi _i a_i$

    $a_i$是待定参数,由余量方程确定,$phi _i$是已知的试探函数(trial function),试探函数取自线性独立的完全的函数序列 ,试探函数的选取还需满足位移边界条件

    WRM的实施是通过选择合适的待定参数强迫余量在某种平均意义下为零

    选择不同的权函数就得到不同的WRM,下面假设力边界条件是满足的,只考虑域内余量

    1. 配点法

    权函数取Dirac函数$W_i= delta (x-x_i),i=1,2,...,N$

    代入余量方程,根据Dirac函数的性质得

    $R_i(x_j)=0, i=1,2,3;,j=1,2,...,N$

    这种方法相当于简单地强迫余量在域内的N个离散点(配点)上为零

    2. 子域法

    3. 最小二乘法

    4. 伽辽金法

    伽辽金法的权函数与试探函数相同,即

    $W_i=phi _i$

    相应的余量方程:

    $int_V R_i phi _j dV=0, i=1,2,3;j=1,2,...N$

     在许多情况下,伽辽金法得到的求解方程的系数矩阵是对称的,所以在用WRM建立有限元格式时主要用伽辽金法

    当存在相应泛函时,伽辽金法与变分法往往给出同样的结果

    例子:

     控制方程和边界条件:

    $EIfrac{d^4w^*}{dx^{*4}}+kw^*+p=0$

    $w^*(L/2)=0$

    $w^*(-L/2)=0$

    无量纲化

    $x=frac{x^*}{L/2},w=frac{w^*}{pL^4/EI},alpha =frac{k^*L^4}{16EI}$

  • 相关阅读:
    Boost.Asio c++ 网络编程翻译(10)
    建站手册:网站品质
    建站手册-template
    CDN:分类
    CDN:BootCDN 项目列表-摘录-20180405
    CDN:BootCDN
    CDN:目录
    CDN-template
    JavaScript-Tool:md5.js
    Regexp-Utils:基本
  • 原文地址:https://www.cnblogs.com/zhanchao/p/7632525.html
Copyright © 2020-2023  润新知