本系列旨在探討在LS-DYNA仿真分析中若干問題的解決方案和優(yōu)化策略，涵蓋了從4節(jié)點殼單元的質(zhì)量計算，計算不穩(wěn)定的原因和解決方案，包括處理復合材料和薄殼接觸問題的方法，如何初始化幾何圖形和使用LS-PrePost進行位移輸出的指導等多個方面，以幫助用戶更有效地利用LS-DYNA進行工程模擬和分析。
常規(guī)質(zhì)量縮放（CMS）：增加小的或剛性單元的質(zhì)量以防止非常小的時間步長。因此，增加了影響所有特征頻率（包括剛體模式）的人造慣性力。這意味著，必須非常謹慎地使用這種額外的質(zhì)量，以使產(chǎn)生的非物理慣性效應不會影響整體結果。
選擇性質(zhì)量縮放（SMS）：使用選擇性質(zhì)量縮放，只有高頻受到影響，而低頻（剛體模式）不受影響。因此，可以在系統(tǒng)中添加大量的人造質(zhì)量，而不會影響整體結果。如果應用于臨界時間步長非常小的有限區(qū)域，這種方法非常有效。
[Olovsson et al. (2005), Selective mass scaling for explicit finite element analysis, IJNME 63, 1436-1445.]
// 理論
- 顯式時間積分方法：對角（集中）質(zhì)量矩陣，臨界時間步長
- 目的：降低系統(tǒng)的最高特征頻率（ωmax ），同時盡可能地影響較低的頻率
- 以下列方式修改單元質(zhì)量矩陣
- 其中，m 是原始的單元質(zhì)量矩陣，λ 包含人工添加的質(zhì)量項?；驹硎嵌x λ 以降低單元的非零特征頻率，同時完全不影響平移剛體的行為，即
- 修改后的質(zhì)量矩陣是一個稀疏矩陣，但不再是對角矩陣。因此，修改后的質(zhì)量矩陣的求逆不再像不使用選擇性質(zhì)量縮放那樣簡單。由于質(zhì)量矩陣的求逆在計算上非常耗時，動量平衡
使用迭代求解器（共軛梯度法）求解。
// 案例1
- 泡沫結構（250,000個四面體單元）的碰撞，具有 16個 CPU 的 MPP
展示
模擬結果: 動能, t = 17 ms時的變形
// 案例2
- “人體模塊”與方向盤的碰撞：細網(wǎng)格區(qū)域的失效
- 臨界時間步長dt<0.1ms的體積單元
- 50ms的模擬時間:
- CMS with dt=1.0e-7: 5.5 Stunden
- SMS with dt=1.0e-6: 0.7 Stunden
// 案例3
- 示例由四個文件組成。一個主文件（Example_SMS.key）和三個包含文件（mass_scaling_{1-3}.inc），它們可以互換以分別研究無質(zhì)量縮放、常規(guī)質(zhì)量縮放（CMS）或選擇性質(zhì)量縮放（SMS）的影響。
- 只有一個部分使用SMS（球體的下方即藍色部分，而CMS對于黃色部分仍處于活動狀態(tài)）
- 分別使用所有三個包含文件運行該示例。
- 通過檢查實例的內(nèi)能、動能和能量比，研究不同質(zhì)量縮放技術的效果。
時間: 0ms
仿真結果:
時間: 1ms
- 可以看出，在一開始，所有三個不同的模型都顯示了不同水平的動能。由于額外的質(zhì)量作用于黃色部分和藍色部分，CMS引入的動能最多。
- 圖中的藍線表示藍色部分的SMS，而黃色部分的CMS仍處于活動狀態(tài)。因此，動能明顯較低，但沒有無任何質(zhì)量縮放的情況下開始運行時的動能低（紅線）。
- 當然，對于內(nèi)能來說，情況正好相反。
- SMS和無質(zhì)量縮放運行的能量比為1，但為CMS提供額外的能量。
// 目前的局限性
- 應使用LS-DYNA V971 R4.2.1或更高版本激活SMS。
- SMS目前不能與其它約束定義組合使用，例如CONTACT_TIED_xxx、*CONSTRAINED_SPOTWELD等。
- 如果使用當前版本的LS-DYNA，則SMS應與關鍵字*MAT_RIGID和*NODAL_RIGID_BODIES結合使用。
- 一旦激活了相應的零件SMS或全局激活了 SMS，*CONTACT_SPOTWELD (7)就會自動切換到“_OFFSET” (o7) 接觸類型。備注：材料模型*MAT_SPOTWELD_DA需要定義*CONTACT_SPOTWELD ，即*MAT_SPOTWELD_DA不能與已激活SMS的零件結合使用。
- 通過選擇性質(zhì)量縮放增加的人造質(zhì)量與常規(guī)增加的質(zhì)量一起存儲在變量“增加的質(zhì)量”中。如果存在一個額外的變量來衡量通過SMS增加的人造質(zhì)量，那將是更可取的，因為使用SMS的積極影響（對動能和慣性效應的影響較?。┎⒉恢苯用黠@。相反，必須仔細研究動能。
更多內(nèi)容分享，歡迎繼續(xù)關注我們！