有限元分析—高斯积分与减缩积分

0. 有限元积分方法简介

在有限元分析中，为了计算各个单元的刚度矩阵和荷载向量，需要对单元上的积分进行数值近似。两种常见的积分方法是高斯积分和减缩积分。

高斯积分是一种数值积分方法，基于高斯-勒让德公式，用于近似计算函数在给定区间上的积分。在有限元分析中，高斯积分用于计算单元上的刚度矩阵和荷载向量。具体而言，对于每个单元，将其内部积分区域划分为一系列高斯积分点，然后根据高斯积分点的权重和位置，对积分表达式进行数值近似。通过对所有高斯积分点的贡献进行累加，可以得到单元上的刚度矩阵和荷载向量的近似值。

减缩积分（Reduced Integration）是一种在有限元分析中用于减少计算量和存储需求的技术，它采用了较少的高斯积分点来近似计算单元的刚度矩阵。减缩积分的核心思想是，通过在单元内部使用较少的高斯积分点来减少计算量，同时尽可能保持良好的数值稳定性。传统的高斯积分在每个单元上使用一组完整的高斯积分点，这可能会导致计算量过大，尤其是对于高阶元素或复杂几何形状的单元。减缩积分通过选择适当的积分点子集，例如在三维问题中选择积分点子集的体心点，来近似计算刚度矩阵。减缩积分的优点是减少了高斯积分点的数量，从而降低了计算量和存储需求。然而，它也可能导致计算结果的不精确性。由于减少了积分点的数量，减缩积分可能无法捕捉到一些细节信息，特别是在处理某些特殊情况（如奇异问题）时。总结来说，减缩积分是一种在有限元分析中用于减少计算量和存储需求的技术，它通过使用较少的高斯积分点来近似计算刚度矩阵。它可以在一定程度上降低计算开销，但也需要注意其对计算结果的影响。

1. 高斯积分与减缩积分的精度探究

以平面应力问题为例，使用mathematical计算了四边形单元的刚度矩阵，对比了精确解，高斯积分解，减缩积分解的差异性。

​

​

​

刚度矩阵精确结果

​

​刚度矩阵高斯积分结果

​

刚度矩阵减缩积分结果

2. 结果分析与建议

如上图所示，高斯积分的结果与解析解几乎一致，减缩积分的误差略大，可见减缩积分的确会降低精度。进一步改变单元形状发现，误差与单元不规则程度相关，例如，单元越接近矩形，精度越高。其中当单元形状为矩形时，高斯积分解等于精确解，这就是有限元软件中强调网格质量的原因（当然加密网格密度也是一种解决方法），或许很多人都因为单元扭曲严重而被终止或者警告分析。当然如果因为网格问题影响收敛时，不妨考虑以下方法：

1. 重新网格划分：如果单元扭曲严重，可能需要重新划分网格，以改善单元的形状和质量。使用更合适的网格生成算法或软件工具，可以生成更好的网格布局，减少扭曲现象的发生。

2. 使用更适合的单元类型：对于特定类型的问题，某些单元类型可能更适合，并能够减少单元扭曲。

3. 局部修复或调整：对于少数扭曲严重的单元，可以尝试通过局部调整来修复它们。这可能包括重新定义节点位置或移动单元的某些节点，以改善其形状。

4. 增强积分（Enhanced Integration）：增强积分是一种用于提高有限元分析精度的技术。通过在高应变或高梯度区域增加高斯积分点，可以提高对这些区域的数值近似。增强积分可以帮助解决扭曲导致的数值不稳定性问题。

5. 错误估计与自适应网格：使用错误估计技术来检测扭曲严重的单元，并基于估计的错误信息进行自适应网格细化或粗化。这可以帮助优化网格，减少扭曲并提高计算结果的准确性。

3.结语

最近刚复习了一遍有限元分析基础，旨在希望加深理解原理，进一步更好的应用有限元软件，有不当之处，欢迎指正，后续会抽时间更新其他笔记，感兴趣的同学可以看看我的上一篇杆单元编程笔记，希望大家一起学习交流。