二维热传导温度场有限元求解

每天都要进步的枝枝

已于 2023-07-21 22:10:35 修改

阅读量7.9k

点赞数 3

分类专栏：热传导有限元文章标签： python matlab

于 2022-07-07 14:16:39 首次发布

本文链接：https://blog.csdn.net/qq_58358755/article/details/125657006

版权

热传导同时被 2 个专栏收录

1 篇文章

订阅专栏

有限元

1 篇文章

订阅专栏

本文是作者在热传导结构优化开发时，关于二维热传导温度场有限元求解模块的理论学习总结。基于四边形单元分割理论，给出规则矩形单元刚度矩阵求算结果，详细整理相关理论和公式，用于指导求解程序开发，还介绍了有限元基本原理、单元分析及总体合成求解方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

有限单元法作为偏微分方程数值求解的有效方法，在热仿真分析领域得到了广泛应用。本文是作者在进行热传导结构优化开发时关于二维热传导温度场有限元求解模块的相关理论学习总结[1]，主要是基于四边形单元分割的相关理论，并给出了规则矩形单元刚度矩阵求算结果，对相关理论和计算公式进行了详细整理，用于指导二维热传导温度场求解程序开发。

有限元基本原理
二维平面温度场有限元求解基本方程

考虑二维平面有源稳态导热问题，控制方程为二维热传导微分方程：

$\small D\left[ {T\left( {x,y,t} \right)} \right] = \kappa \left( {\frac{{{\partial ^2}T}}{{\partial {x^2}}} + \frac{{{\partial ^2}T}}{{\partial {y^2}}}} \right) + {q_v} - \rho {c_p}\frac{{\partial T}}{{\partial t}} = 0$

取温度场试函数（温度场的近似解）：

$\small \widetilde T\left( {x,y,t} \right) = \widetilde T\left( {x,y,t,{T_1},{T_1},...,{T_n}} \right)$

式中： $\small {T_1},{T_1},...,{T_n}$ 是个离散温度点上的温度分布。根据加权余量法，温度场的近似解与精确解足够接近的判定条件是其在平面温度场计算域内的加权余量积分为零：

$\small \iint_{\Omega}{W_l}\left[ {\kappa \left( {\frac{{{\partial ^2}T}}{{\partial {x^2}}} + \frac{{{\partial ^2}T}}{{\partial {y^2}}}} \right)} \right.\left. { + {q_v} - \rho {c_p}\frac{{\partial T}}{{\partial t}}} \right]dxdy=0 \quad (l = 1,2, \cdots ,n)$

代入相应的边界条件，使用格林公式变换得到平面温度场有限元计算的基本方程：

$\small \iint_{D}{W_l}\left[ {\kappa \left( {\frac{{\partial {W_l}}}{{\partial x}}\frac{{\partial T}}{{\partial x}} + \frac{{\partial {W_l}}}{{\partial y}}\frac{{\partial T}}{{\partial y}}} \right) - {q_v}{W_l} + {\rho _p}{W_l}\frac{{\partial T}}{{\partial t}}} \right]dxdy - \oint_\Gamma {\kappa {W_l}\frac{{\partial T}}{{\partial n}}ds} = 0$

三种不同边界条件下线积分项分别有如下表达式：

（1）第一类边界条件：

$\small \oint_\Gamma {\kappa {W_l}\frac{{\partial T}}{{\partial n}}ds} = 0$

（2）第二类边界条件：

$\small \oint_\Gamma {\kappa {W_l}\frac{{\partial T}}{{\partial n}}ds} = \oint_\Gamma {q{W_l}ds}$

（3）第三类边界条件：

$\small \oint_\Gamma {\kappa {W_l}\frac{{\partial T}}{{\partial n}}ds} = \oint_\Gamma {h{W_l}\left( {T - {T_f}} \right)ds}$

四边形单元分析

将计算区域划分成任意形状大小的自由四边形单元，使用坐标变换将其投影到边长为2的正方形单元：

对应的坐标变换公式（使用型函数表示）

$\small {\begin{array}{*{20}{c}} {x = }&{{H_i}{x_i} + {H_j}{x_j} + {H_k}{x_k} + {H_m}{x_m}}\\ {y = }&{{H_i}{y_i} + {H_j}{y_j} + {H_k}{y_k} + {H_m}{y_m}} \end{array}}$

型函数计算公式：

$\small \left. {\begin{array}{*{20}{l}} {{H_i} = (1 - \xi )(1 - \eta )/4}\\ {{H_j} = (1 + \xi )(1 - \eta )/4}\\ {{H_k} = (1 + \xi )(1 + \eta )/4}\\ {{H_m} = (1 - \xi )(1 + \eta )/4} \end{array}} \right\}$

在单元内部，温度分布也可以类似地用型函数表示：

$\small T = {H_i}{T_i} + {H_j}{T_j} + {H_k}{T_k} + {H_m}{T_m}$

在单元内部进行变分计算：

$\small \iint_{e}\left[ {\kappa \left( {\frac{{\partial {W_l}}}{{\partial x}}\frac{{\partial T}}{{\partial x}} + \frac{{\partial {W_l}}}{{\partial y}}\frac{{\partial T}}{{\partial y}}} \right) - {q_v}{W_l} + {\rho _p}{W_l}\frac{{\partial T}}{{\partial t}}} \right]dxdy - \int_{{\Gamma _e}} {\kappa {W_l}\frac{{\partial T}}{{\partial n}}ds} \, \, \,(l = i,j,k,m)$

根据Galerkin法计算权重系数：

$\small {W_l} = \frac{{\partial T}}{{\partial {T_l}}} = {H_l}$

根据链式求导法则，计算温度函数对坐标的偏导：

$\small \left[ {\begin{array}{*{20}{l}} {\partial T/\partial x}\\ {\partial T/\partial y} \end{array}} \right] = {[J]^{ - 1}}\left[ {\begin{array}{*{20}{l}} {\partial T/\partial \xi }\\ {\partial T/\partial \eta } \end{array}} \right]$

[J]是坐标变换的雅可比矩阵：

$\small [J] = \left[ {\begin{array}{*{20}{l}} {\partial x/\partial \xi }&{\partial y/\partial \xi }\\ {\partial x/\partial \eta }&{\partial y/\partial \eta } \end{array}} \right] = \frac{1}{4}\left[ {\begin{array}{*{20}{l}} {{a_1} + A\eta }&{{a_2} + B\eta }\\ {{a_3} + A\xi }&{{a_4} + B\xi } \end{array}} \right]$

式中：

$\small \left\{ {\begin{array}{*{20}{l}} {{a_1} = - {x_i} + {x_j} + {x_k} - {x_m}}\\ {{a_2} = - {y_i} + {y_j} + {y_k} - {y_m}}\\ {{a_3} = - {x_i} - {x_j} + {x_k} + {x_m}}\\ {{a_4} = - {y_i} - {y_j} + {y_k} + {y_m}}\\ {A = {x_i} - {x_j} + {x_k} - {x_m}}\\ {B = {y_i} - {y_j} + {y_k} - {y_m}} \end{array}} \right.$

代入单元变分公式，对四边形单元的四个节点，共有四个变分表达式，得到四个变分式的矩阵向量乘积形式：

$\small \left[ {\begin{array}{*{20}{c}} {{P_i}}\\ {{P_j}}\\ {{P_k}}\\ {{P_m}} \end{array}} \right]=\left[ {\begin{array}{*{20}{l}} {{k_{ii}}}&{{k_{ij}}}&{{k_{ik}}}&{{k_{im}}}\\ {{k_{ji}}}&{{k_{jj}}}&{{k_{jk}}}&{{k_{jm}}}\\ {{k_{ki}}}&{{k_{kj}}}&{{k_{kk}}}&{{k_{km}}}\\ {{k_{mi}}}&{{k_{mj}}}&{{k_{mk}}}&{{k_{mi}}} \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{T_i}}\\ {{T_j}}\\ {{T_k}}\\ {{T_m}} \end{array}} \right] + \left[ {\begin{array}{*{20}{c}} {{n_{ii}}}&{{n_{ij}}}&{{n_{ik}}}&{{n_{im}}}\\ {{n_{ji}}}&{{n_{jj}}}&{{n_{jk}}}&{{n_{jm}}}\\ {{n_{ki}}}&{{n_{kj}}}&{{n_{kk}}}&{{n_{km}}}\\ {{n_{mi}}}&{{n_{mj}}}&{{n_{mk}}}&{{n_{mm}}} \end{array}} \right]\left[ {\begin{array}{*{20}{l}} {\partial {T_i}/\partial t}\\ {\partial {T_j}/\partial t}\\ {\partial {T_k}/\partial t}\\ {\partial {T_m}/\partial t} \end{array}} \right]$