显示动力学与隐式样动力学区别
ANSYS Workbench 17·0有限元分析：第11章-显式动力学分析
第11章 显式动力学分析自带有学的分析方法。
★ 了解显式动力学分析。
11.1 显式动力学分析概述显式算法主要用于高速碰撞及冲压成型过程的仿真，其在这方面的应用效果已超过隐式算法。
11.1.1 显式算法与隐式算法的区别1．显式算法动态显式算法是采用动力学方程的一些差分格式（如中心差分法、线性加速度法、Newmark 法和Wilson法等），该算法不用直接求解切线刚度，也不需要进行平衡迭代，计算速度较快，当时间步长足够小时，一般不存在收敛性问题。
动态显式算法需要的内存也比隐式算法要少，同时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。
显式算法要求质量矩阵为对角矩阵，而且只有在单元级计算尽可能少时，速度优势才能发挥，因而往往采用减缩积分方法，但容易激发沙漏模式，影响应力和应变的计算精度。
2．隐式算法在隐式算法中，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，这一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，但是实际运算中还要受到迭代次数及非线性程度的限制，所以需要取一个合理值。
第11章显式动力学分析在ANSYS中，显式动力学包括ANSYS Explicit STR、ANSYS AUTODYN 及ANSYSLS-DYNA 3个模块。
1．ANSYS Explicit STRANSYS Explicit STR是基于ANSYS Workbench仿真平台环境的结构高度非线性显式动力学分析软件，可以求解二维、三维结构的跌落、碰撞、材料成型等非线性动力学问题，该软件功能成熟、齐全，可用于求解涉及材料非线性、几何非线性、接触非线性的各类动力学问题。
2．ANSYS AUTODYNAUTODYN用来解决固体、流体、气体及其相互作用的高度非线性动力学问题。
AUTODYN 已完全集成在ANSYS Workbench中，可充分利用ANSYS Workbench的双向CAD接口、参数化建模以及方便实用的网格划分技术，还具有自身独特的前、后处理和分析模块。
显式与隐式算法区别
显式（explicit）和隐式（implicit）这两个词在有限元分析中大家可能经常看到，特别是涉及到动力学分析时。
但其实广义的说他们分别对应着两种不同的算法：显式算法（explicit method）和隐式算法（implicit method）。
所以不论在动力学或者静力学中都有涉及到。
显式算法：不直接求解切线刚度，不进行平衡迭代，计算速度快，时间步长只需要足够小，一般不存在收敛问题，需要的内存也小。
隐式算法：每一增量步都需要对静态方程进行平衡迭代，且每次迭代需要求解大量的线性方程组，这一特点使之占用大量的资源。
但该算法增量步可以很大，至少比显式算法大的多，实际计算中会受到迭代次数及非线性程度的影响我们都知道有限元分析FEA在计算微分方程（differential equations）时，由于计算本身的局限，比如计算机储存的位数有限，以及方程本身的复杂性，计算机运用的是数值算法（numerical algorithm）来逼近真实解的。
有限元分析中数值算法的基础是欧拉法（Euler method），欧拉法又分为forward Euler method 和backward Euler method，这两种方法被简称为显式法（explicit method）和隐式法（implicit method）。
中心差分法：（动力学分析）用有限差分代替位移对时间的求导，将运动方程中的速度与加速度用位移的某种组合来标示，这样就将常微分方程组的求解问题转化为代数方程组的求解问题，并假设在每个小的时间间隔内满足运动方程。
首先我们来看看这两种算法的区别。
显式算法（explicit method ）（forward Euler method ）考虑常微分方程：初始条件：设为每一步的时间步长， 在Tn 时刻，. （n=0,1,2,3...)，在T(n+1)时刻有：所以在显式算法中，T(n+1)时刻的值由T(n)时刻决定，也就是说当前时刻的值由上一时刻的值决定。
abaqus显式与隐式的区别
ABAQUS显式与隐式的区别ABAQUS中动态分析包括两大类基本方法：振型叠加法：用于求解线性动态问题；直接积分法：主要用于求解非线性动态问题。
ABAQUS显式（explicit）和隐式（standard）算法分别对应着直接积分法中的中心差分法（显式）和Newmark（隐式）法等。
比较两种算法，显式中心差分法非常适合研究波的传播问题，如碰撞、高速冲击、爆炸等。
显式中心差分法的M与C矩阵是对角阵，如给定某些有限元节点以初始扰动，在经过一个时间步长后，和它相关的节点进入运动，即U中这些节点对应的分量成为非零量，此特点正好和波的传播特点相一致。
另一方面，研究波传播的过程需要微小的时间步长，这也正是中心差分法的特点。
而Newmark法更加适合于计算低频占主导的动力问题，从计算精度考虑，允许采用较大的时间步长以节省计算时间，同时较大的时间步长还可以过滤掉高阶不精确特征值对系统响应的影响。
隐式方法要转置刚度矩阵，增量迭代，通过一系列线性逼近（Newton-Raphson）来求解。
正因为隐式算法要对刚度矩阵求逆，所以计算时要求整体刚度矩阵不能奇异，对于一些接触高度非线性问题，有时无法保证收敛。
下面分别介绍这两种算法。
1 显式算法（中心差分法）假定0，1t ，2t ，…，n t 时刻的节点位移，速度与加速度均为已知，现求解)(t t t n ∆+时刻的结构响应。
中心差分法对加速度，速度的导数采用中心差分代替，即为：)(21)2(12t t t t t t t t t t t U U tU U U U t U ∆-∆+∆+∆--∆=+-∆= （1） 将（1）式代入运动方程后整理得到tt t R U M ˆˆ=∆+（2） 式（2）中C tM t M ∆+∆=211ˆ2（3） t t t t t U C tM t U M t K R R ∆-∆-∆-∆--=)211()2(ˆ22（4） 分别称为有效质量矩阵，有效载荷矢量。
显示算法和隐式算法单点积分算法和全积分算法
先说说显示算法和隐式算法：这是ansys里面的两种求解方法。
大多数非线性动力学问题一般多是采用显式求解方法，特别是在求解大型结构的瞬时高度非线性问题时，显示求解方法有明显的优越性。
下面先简要对比一下隐式求解法和显示求解法。
动态问题涉及到时间域的数值积分方法问题。
在80年代中期以前，人们基本上采用纽曼法进行时间域的积分。
根据纽曼法，位移、速度和加速度有着如下关系：u(i+1)=u(i)+△t*v(i)[(1—2p)a(i)+2p*a(i+1)] (1)v(i+1)=V(i)+△t[(1-2q)a(i)+2qa(i+1)] (2)上面式子中 u(i+1),u(i)分别为当前时刻和前一时刻的位移，v(i+1)和V(i)为当前时刻和前一时刻的速度，a(i+1)和a(i)为当前时刻和前一时刻的加速度，p和q为两个待定参数，△t为当前时刻与前一时刻的时问差，符号* 为乘号。
由式(1)和式(2)可知，在纽曼法中任一时刻的位移、速度、加速度都相互关联，这就使得运动方程的求解变成一系列相互关联的非线性方程的求解，这个求解过程必须通过迭代和求解联立方程组才能实现。
这就是通常所说的隐式求解法。
隐式求解法可能遇到两个问题。
一是迭代过程不一定收敛，二是联立方程组可能出现病态而无确定的解。
隐式求解法最大的优点是它具有无条件稳定性，即时间步长可以任意大。
如果采用中心差分法来进行动态问题的时域积分，则有如下位移、速度和加速度关系式：u(i+1)=2u(i)-u(i-1)+a(i)(△t)^2 (3)v(i+1)=[u(i+1)-u(i-1)]／2(△t) (4)式中u(i-1)，为i-1时刻的位移。
由式(3)可以看出，当前时刻的位移只与前一时刻的加速度和位移有关，这就意味着当前时刻的位移求解无需迭代过程。
另外，只要将运动过程中的质量矩阵和阻尼矩阵对角化，前一时刻的加速度求解无需解联立方程组，从而使问题大大简化，这就是所谓的显式求解法。
显式与隐式方法对比
显式与隐式方法对比显式与隐式方法对比：隐式时间积分——不考虑惯性效应（[C]and[M]）。
——在t＋△t时计算位移和平均加速度：{u}={F}/[K]。
——线性问题时，无条件稳定，可以用大的时间步。
——非线性问题时，通过一系列线性逼近（Newton－Raphson）来求解；要求转置非线性刚度矩阵[k]；收敛时候需要小的时间步；对于高度非线性问题无法保证收敛。
显式时间积分——用中心差法在时间t求加速度：{a}=([F(ext)]-[F(int)])/[M]。
——速度与位移由：{v}={v0}+{a}t,{u}={u0}+{v}t——新的几何构型由初始构型加上{X}={X0}+{U}——非线性问题时，块质量矩阵需要简单的转置；方程非耦合，可以直接求解；无须转置刚度矩阵，所有的非线性问题（包括接触）都包含在内力矢量中；内力计算是主要的计算部分；无效收敛检查；保存稳定状态需要小的时间步。
关于文件组织：jobname.k——lsdyna输入流文件，包括所有的几何，载荷和材料数据jobname.rst——后处理文件主要用于图形后处理（post1），它包含在相对少的时间步处的结果。
jobname.his——在post26中使用显示时间历程结果，它包含模型中部分与单元集合的结果数据。
时间历程ASCII文件——包含显式分析额外信息，在求解之前需要用户指定要输出的文件，它包括：GLSTAT全局信息，MATSUM材料能量，SPCFORC节点约束反作用力，RCFORC接触面反作用力，RBDOUT刚体数据，NODOUT节点数据，ELOUT单元数据……在显式动力分析中还可以生成下列文件：D3PLOT——类似ansys中jobname.rstD3THDT——时间历程文件，类似ansys中jobname.his关于单元：ANSYS/LSDYNA有7中单元（所有单元均为三维单元）:LINK160:显式杆单元；BEAM161：显式梁单元；SHELL163：显式薄壳单元；SOLID164：显式块单元；COMBI165：显式弹簧与阻尼单元；MASS166：显式结构质量；LINK167:显式缆单元显式单元与ansys隐式单元不同：——每种单元可以用于几乎所有的材料模型。
显式算法与隐式算法的区别
显式算法与隐式算法得区别1、显式算法最大优点就是有较好得稳定性。
动态显式算法采用动力学方程得一些差分格式(如广泛使用得中心差分法、线性加速度法、Newmark法与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,时间步长只要取得足够小,一般不存在收敛性问题。
因此需要得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,而且只有在单元级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,影响应力与应变得计算精度。
静态显式法基于率形式得平衡方程组与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,所以得出得结果会慢慢偏离正确值。
为了减少相关误差,必须每步使用很小得增量。
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得线性方程组,这以过程需要占用相当数量得计算资源、磁盘空间与内存。
该算法中得增量步可以比较大,至少可以比显式算法大得多,但就是实际运算中上要受到迭代次数及非线性程度得限制,需要取一个合理值。
3、求解时间t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得尺寸成反比;应用隐式方法,经验表明对于许多问题得计算成本大致与自由度数目得平方成正比;因此如果网格就是相对均匀得,随着模型尺寸得增长,显式方法表明比隐式方法更加节省计算成本。
所谓显式与隐式,就是指求解方法得不同,即数学上得出发点不一样。
并不就是说显式只能求动力学问题,隐式只能求静力学问题,只就是求解策略不通。
显式求解就是对时间进行差分,不存在迭代与收敛问题,最小时间步取决于最小单元得尺寸。
过多与过小得时间步往往导致求解时间非常漫长,但总能给出一个计算结果。
解题费用非常昂贵。
因此在建模划分网格时要非常注意。
隐式求解与时间无关,采用得就是牛顿迭代法(线性问题就直接求解线性代数方程组),因此存在一个迭代收敛问题,不收敛就得不到结果。
FEM计算中的显式与隐式算法的对比 (Explicit_VS_Implicit)
•
•
•
•
•
•
计算成本与自由度数目的平方成正比 因为每一增量步北都需要对静态平衡方程进行迭代求 解 , 且每次迭代都需要求解大型的线性方程组 , 所以 需要较大的计算资源 , 磁盘空间和内存 . 用于静态静力学
•
用于瞬间问题的解决 , 如碰撞 , 跌落 也可用于极度的非线性问题 , 如高变形 ( 钣金 )
显式算法 (Explicit) 隐式算法 (Implicit) 显式算法 Explicit
• 基于动力学方程 使用缩小时间步解决稳定问题 有条件的稳定 , 且有最小时间步 , 因此对小网格存在 计算时间的波动 动态显示算法采用动力学方程的差分格式 ( 如中心差 分法 , 线性加速度法 ,newmark 法 ,Wilson 法 ), 不直接 求解切线刚度 , 不进行平衡迭代 , 只要时间步足够小 , 就不存在收敛性问题 , 因此内存需要比隐式少 . 往往采用缩减积分方法 , 容易激发沙漏模式 , 影响应 力和应变的计算精度 . 静态显式算法基于率形式的平衡方程组与 Euler 向前 差分法 , 由于平衡方程式仅在率形式上得到满足 , 所 以结果会慢慢偏离正确值 , 为减少相关误差 , 必须每 步使用很小的增量 . 计算成本消耗于单元数量成正比
隐式算法 Implicit
• 基于虚功原理 不对所有的方程行列式在 t+dt 上进行确认 , 因此需 要迭代计算 无条件稳定 , 即稳定性与时间步无关 , 可加入很大的 时间步 , 如一个周期内定义 10-50 个时间步 大部分情况下使用新的 markt 作为积分的解 因为系统对于每个物理的时间点都可积分 , 所以此2013
隐式与显式动力学的区别-弹性动力学有限元基本解法
1.1. 弹性动力学有限元基本解法结构系统的通用运动学方程为：tR KU U C U M =++ （1） 求解该动力学振动响应主要有三类方法：（1）时域法（2）频域法（3）响应谱法时域法又可分为：（1）直接积分法，（2）模态叠加法。
直接积分法又可分为中心差分法（显式），Wilson θ（隐式）法以及Newmark （隐式）法等。
本文介绍中心差分法（显式）与Newmark （隐式）法。
1 中心差分法（显式）假定0，1t ，2t ，…，n t 时刻的节点位移，速度与加速度均为已知，现求解)(t t t n ∆+时刻的 结构响应。
中心差分法对加速度，速度的导数采用中心差分代替，即为：)2(12t t t t t t U U U t U ∆+∆-+-∆= )(21t t t t t U U tU ∆-∆+-∆= (2) 将（2）式代入（1）式后整理得到tt t R U M ˆˆ=∆+ （3） 式（3）中C tM t M ∆+∆=211ˆ2 t t t t t U C tM t U M t K R R ∆-∆-∆-∆--=)211()2(ˆ22 分别称为有效质量矩阵，有效载荷矢量。
R ，M ，C ，K 为结构载荷，质量，阻尼，刚度矩阵。
求解线性方程组（3），即可获得t t ∆+时刻的节点位移向量t t U ∆+，将t t U ∆+代回几何方程与物理方程，可得t t ∆+时刻的单元应力和应变。
中心差分法在求解t t ∆+瞬时的位移t t U ∆+时，只需t t ∆+时刻以前的状态变量t U 和t t U ∆-，然后计算出有效质量矩阵M ˆ，有效载荷矢量tR ˆ，即可求出t t U ∆+，故称此解法为显式算法。
中心差分法，在开始计算时，需要仔细处理。
t =0时，要计算t U ∆，需要知道t U ∆-的值。
因此应该有一个起始技术，因而该算法不是自动起步的。
由于0U ，0U ，0U 是已知的，由t =0时的（2）式可知： 02002U t U t U U t ∆+∆-=∆-中心差分法中时间步长t ∆的选择涉及两个方面的约束：数值算法的稳定性和计算时间。
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。
显式求解方法和隐式求解方法对比
采用有限元方法开展结构的动力学分析最终归结为求解离散后的常微分方程组tR KU U C U M =++ 。
在时域内求解该方程最常用的方法是直接积分法，而又根据求解过程中是否需要迭代求解线性方程组，将直接积分法分为隐式积分方法和显式积分方法两类。
隐式积分法认为ｔ＋Δｔ时刻系统的状态不仅与ｔ时刻状态有关，且与ｔ＋Δｔ时刻某些量有关。
因此隐式算法是根据t n 及t n-1...时刻体系的物理量值建立关于以t n+1时刻物理量为未知量的线性方程组，通过求解方程组确定t n+1时刻的物理量（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）。
而显式积分法认为ｔ＋Δｔ时刻系统的状态仅与ｔ时刻状态有关可，因此可由t n 及t n-1...时刻体系的物理量值直接外推t n+1时刻物理量值（如中心差分法），不需要求解线性方程组，实现了时间离散的解耦。
两种算法的比较 ：（1）隐式算法隐式算法基于虚功原理，要迭代计算。
隐式算法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，这一过程需要占用相当数量的计算资源、磁盘空间和内存。
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就是收敛问题不容易解决，且在开始起皱失稳时，在分叉点处刚度矩阵出现奇异。
（2）显式算法显示算法基于动力学方程，无需迭代，包括动态显式和静态显式算法。
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，而且只有在单元级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。
隐式与显式动力学的区别-弹性动力学有限元基本解法
1.1. 弹性动力学有限元基本解法 结构系统的通用运动学方程为： tR KU U C U M =++ （1） 求解该动力学振动响应主要有三类方法：（1）时域法（2）频域法（3）响应谱法时域法又可分为：（1）直接积分法，（2）模态叠加法。
直接积分法又可分为中心差分法（显式），Wilson θ（隐式）法以及Newmark （隐式）法等。
本文介绍中心差分法（显式）与Newmark （隐式）法。
1 中心差分法（显式）假定0，1t ，2t ，…，n t 时刻的节点位移，速度与加速度均为已知，现求解)(t t t n ∆+时刻的 结构响应。
中心差分法对加速度，速度的导数采用中心差分代替，即为：)2(12t t t t t tU U U tU ∆+∆-+-∆=)(21t t t t tU U tU ∆-∆+-∆= (2)将（2）式代入（1）式后整理得到 tt t R U M ˆˆ=∆+ （3） 式（3）中CtM tM∆+∆=211ˆ2t t t tt U C tM tU M tK R R ∆-∆-∆-∆--=)211()2(ˆ22分别称为有效质量矩阵，有效载荷矢量。
R ，M ，C ，K 为结构载荷，质量，阻尼，刚度矩阵。
求解线性方程组（3），即可获得t t ∆+时刻的节点位移向量t t U ∆+，将t t U ∆+代回几何方程与物理方程，可得t t ∆+时刻的单元应力和应变。
中心差分法在求解t t ∆+瞬时的位移t t U ∆+时，只需t t ∆+时刻以前的状态变量t U 和t t U ∆-，然后计算出有效质量矩阵M ˆ，有效载荷矢量tR ˆ，即可求出t t U ∆+，故称此解法为显式算法。
中心差分法，在开始计算时，需要仔细处理。
t =0时，要计算t U ∆，需要知道t U ∆-的值。
因此应该有一个起始技术，因而该算法不是自动起步的。
由于0U ，0U ，0U 是已知的，由t =0时的（2）式可知：202U t U t U U t ∆+∆-=∆- 中心差分法中时间步长t ∆的选择涉及两个方面的约束：数值算法的稳定性和计算时间。
有限元分析基础-隐式与显式算法的区别
有限元分析基础- 显式与隐式算法的区别所谓显式和隐式，是指求解方法的不同，即在数学上的计算方法不一样，是两种不同针对时间的积分方法。
显式求解是对时间进行差分，不存在迭代和收敛问题，最小时间步取决于最小单元的尺寸。
过多或过小的时间步都会导致求解时间非常漫长，但总能给出一个计算结果。
隐式求解和时间无关，采用的是牛顿迭代法（线性问题就直接求解线性代数方程组），因此存在一个迭代收敛问题，不收敛就得不到结果。
在某些情况下，显式算法的计算效率远高于隐式算法，尤其是在多处理器并行运算的场景下，对于自由度较大的三维结构，显式算法可能具有较高的计算效率。
然而，对于自由度较小的二维结构，隐式算法可能更适合，因为它在每个增量步内不需要进行迭代，从而减少了计算时间。
总结来说，隐式方法适用于需要高计算精度和稳定性的场景，而显式方法则适用于需要高计算效率的场景。
有限元分析基础-隐式与显式算法的区别
有限元分析基础- 显式与隐式算法的区别所谓显式和隐式，是指求解方法的不同，即在数学上的计算方法不一样，是两种不同针对时间的积分方法。
显式求解是对时间进行差分，不存在迭代和收敛问题，最小时间步取决于最小单元的尺寸。
过多或过小的时间步都会导致求解时间非常漫长，但总能给出一个计算结果。
隐式求解和时间无关，采用的是牛顿迭代法（线性问题就直接求解线性代数方程组），因此存在一个迭代收敛问题，不收敛就得不到结果。
在某些情况下，显式算法的计算效率远高于隐式算法，尤其是在多处理器并行运算的场景下，对于自由度较大的三维结构，显式算法可能具有较高的计算效率。
然而，对于自由度较小的二维结构，隐式算法可能更适合，因为它在每个增量步内不需要进行迭代，从而减少了计算时间。
总结来说，隐式方法适用于需要高计算精度和稳定性的场景，而显式方法则适用于需要高计算效率的场景。
显示动力学与隐式样动力学区别
显式求解是对时间进行差分，不存在迭代和收敛问题，最小时间步取决于最小单元的尺寸。
过多和过小的时间步往往导致求解时间非常漫长，但总能给出一个计算结果。
解题费用非常昂贵。
因此在建模划分网格时要非常注意。
隐式求解和时间无关，采用的是牛顿迭代法（线性问题就直接求解线性代数方程组），因此存在一个迭代收敛问题，不收敛就的不到结果。
两者求解问题所耗时间的长短理论上无法比较。
实际应用中一般感觉来说显式耗时多些。
由于两者解题的出发点，所以一般来说显式用于求解和时间相关的动力学问题。
隐式用来求解和时间无关的静力学问题。
但也不是绝对的。
比如，用隐式求解时，为了克服迭代不收敛，改用显式算，但是要多给点时间，这样虽然克服了不收敛的问题，但是求解的时间费用也是相当客观的。
另外，隐式也可以求解动力学问题。
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2、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，而且只有在单元级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。
3、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，这个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。
隐式求解与显式求解
大多数非线性动力学问题一般多是采用显式求解方法，特别是在求解大型结构的瞬时高度非线性问题时，显示求解方法有明显的优越性。
下面先简要对比一下隐式求解法和显示求解法。
动态问题涉及到时间域的数值积分方法问题。
在80年代中期以前，人们基本上采用纽曼法进行时间域的积分。
根据纽曼法，位移、速度和加速度有着如下关系：u(i+1)=u(i)+△t*v(i)[(1—2p)a(i)+2p*a(i+1)] (1)v(i+1)=V(i)+△t[(1-2q)a(i)+2qa(i+1)] (2)上面式子中 u(i+1),u(i)分别为当前时刻和前一时刻的位移，v(i+1)和V(i)为当前时刻和前一时刻的速度，a(i+1)和a(i)为当前时刻和前一时刻的加速度，p和q为两个待定参数，△t 为当前时刻与前一时刻的时问差，符号* 为乘号。
由式(1)和式(2)可知，在纽曼法中任一时刻的位移、速度、加速度都相互关联，这就使得运动方程的求解变成一系列相互关联的非线性方程的求解，这个求解过程必须通过迭代和求解联立方程组才能实现。
这就是通常所说的隐式求解法。
隐式求解法可能遇到两个问题。
一是迭代过程不一定收敛，二是联立方程组可能出现病态而无确定的解。
隐式求解法最大的优点是它具有无条件稳定性，即时间步长可以任意大。
如果采用中心差分法来进行动态问题的时域积分，则有如下位移、速度和加速度关系式：u(i+1)=2u(i)-u(i-1)+a(i)(△t)^2 (3)v (i+1)=[u (i+1)-u (i-1)]／2(△t) (4)式中u(i-1)，为i -1时刻的位移。
由式(3)可以看出，当前时刻的位移只与前一时刻的加速度和位移有关，这就意味着当前时刻的位移求解无需迭代过程。
另外，只要将运动过程中的质量矩阵和阻尼矩阵对角化，前一时刻的加速度求解无需解联立方程组，从而使问题大大简化，这就是所谓的显式求解法。
显式求解法的优点是它既没有收敛性问题，也不需要求解联立方程组，其缺点是时间步长受到数值积分稳定性的限制，不能超过系统的临界时间步长。
显式算法与隐式算法的区别
显式算法与隐式算法的区别(总4页) --本页仅作为文档封面，使用时请直接删除即可----内页可以根据需求调整合适字体及大小--显式算法与隐式算法的区别所谓显式和隐式，是指求解方法的不同，即数学上的出发点不一样。
并不是说显式只能求动力学问题，隐式只能求静力学问题，只是求解策略不通。
显式求解是对时间进行差分，不存在迭代和收敛问题，最小时间步取决于最小单元的尺寸。
过多和过小的时间步往往导致求解时间非常漫长，但总能给出一个计算结果。
解题费用非常昂贵。
因此在建模划分网格时要非常注意。
隐式求解和时间无关，采用的是牛顿迭代法（线性问题就直接求解线性代数方程组），因此存在一个迭代收敛问题，不收敛就的不到结果。
两者求解问题所耗时间的长短理论上无法比较。
实际应用中一般感觉来说显式耗时多些。
由于两者解题的出发点，所以一般来说显式用于求解和时间相关的动力学问题。
隐式用来求解和时间无关的静力学问题。
但也不是绝对的。
比如，用隐式求解时，为了克服迭代不收敛，改用显式算，但是要多给点时间，这样虽然克服了不收敛的问题，但是求解的时间费用也是相当客观的。
另外，隐式也可以求解动力学问题。
这是ansys里面的两种求解方法。
大多数非线性动力学问题一般多是采用显式求解方法，特别是在求解大型结构的瞬时高度非线性问题时，显示求解方法有明显的优越性。
下面先简要对比一下隐式求解法和显示求解法。
动态问题涉及到时间域的数值积分方法问题。
在80年代中期以前，人们基本上采用纽曼法进行时间域的积分。
根据纽曼法，位移、速度和加速度有着如下关系：u(i+1)=u(i)+△t*v(i)[(1—2p)a(i)+2p*a(i+1)] (1)v(i+1)=V(i)+△t[(1-2q)a(i)+2qa(i+1)] (2)上面式子中 u(i+1),u(i)分别为当前时刻和前一时刻的位移，v(i+1)和V(i)为当前时刻和前一时刻的速度，a(i+1)和a(i)为当前时刻和前一时刻的加速度，p和q为两个待定参数，△t为当前时刻与前一时刻的时问差，符号 * 为乘号。
AbaqusExplicit和AbaqusStandard比较
AbaqusExplicit和AbaqusStandard比较非线性动力学Abaqus/Explicit和Abaqus/Standard比较Abaqus/Standard没有稳定时间增量的限制：完成指定分析，一般需要较少的时间增量。
因为每个增量步都需要求解线性方程组，所以每个增量步的费用非常昂贵。
Abaqus/Explicit有稳定时间增量的限制：完成指定分析，一般需要较多的时间增量。
因为不需要求解线性方程组，所以每个增量步的费用较低。
–所有的计算费用与单元计算相关（形成和组装I ）。
计算时：Abaqus/Standard适合于模拟与模型的振动频率相比研究响应周期较长的问题。
由于时间增量的限制，使用显式动力学求解效率很低。
用于具有适度非线性的问题，其中非线性是平滑的（比如，塑性）。
如果是平滑的非线性响应，Abaqus/Standard需要较少次数的迭代找到收敛解。
Abaqus/Explicit适合于模拟高速动力学问题–需要较少的时间增量；隐式动力学效率较低。
对于包含不连续的非线性问题，一般更加可靠。
–接触行为是不连续的，并且包含碰撞。
对于隐式时间积分，接触和碰撞将产生求解问题。
–其它不连续行为包括屈曲和材料失效。
非线性动力学例子显式动力学过程概述显示动力学求解器与隐式求解器，比如Abaqus/Standard，是互为补充的。
从用户的角度出发，隐式与显式方法显著的区别为：显式方法需要小的时间增量。
只与模型的最高自然频率相关。
与载荷类型和载荷持续时间无关。
一般的，增量步的数量级为10,000到1,000,000个增量，但是每个增量步内的计算费用相对较小。
隐式方法对于时间增量没有内在的限制。
增量大小一般由精度和收敛性控制。
同显式方法相比，隐式模拟中的增量步成数量级的少。
然而，因为必须在每个增量步内求解系统总体方程组，隐式方法在每个增量步中的费用比显式方法大很多。
知道两种方法的特征之后，在实际分析过程中就可以为所分析的问题选择合适的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
显式求解是对时间进行差分，不存在迭代和收敛问题，最小时间步取决于最小单元的尺寸。
过多和过小的时间步往往导致求解时间非常漫长，但总能给出一个计算结果。
解题费用非常昂贵。
因此在建模划分网格时要非常注意。
隐式求解和时间无关，采用的是牛顿迭代法（线性问题就直接求解线性代数方程组），因此存在一个迭代收敛问题，不收敛就的不到结果。
两者求解问题所耗时间的长短理论上无法比较。
实际应用中一般感觉来说显式耗时多些。
由于两者解题的出发点，所以一般来说显式用于求解和时间相关的动力学问题。
隐式用来求解和时间无关的静力学问题。
但也不是绝对的。
比如，用隐式求解时，为了克服迭代不收敛，改用显式算，但是要多给点时间，这样虽然克服了不收敛的问题，但是求解的时间费用也是相当客观的。
另外，隐式也可以求解动力学问题。
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
2、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，而且只有在单元级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。
3、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，这个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。
4、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
隐式求解法
将冲压成型过程的计算作为动态问题来处理后，就涉及到时间域的数值积分方法问题。
在80年代中期以前，人们基本上使用牛曼法进行时间域的积分。
根据牛曼法，位移、速度和加速度有着如下的关系：上面式子中，分别为当前时刻和前一时刻的位移，和为当前时刻和前一时刻的速度，和为当前时刻和前一时刻的加速度，β和γ为两个待定参数。
由上式可知，在牛曼法中任一时刻的位移、速度和加速度都相互关联，这就使得运动方程的求解变成一系列相互关联的非线性方程的求解。
这个求解过程必须通过迭代和求解联立方程组才能实现。
这就是通常所说的隐式求解法。
隐式求解法可能遇到两个问题。
一是迭代过程不一定收敛；二是联立方程组可能出现病态而无确定的解。
隐式求解法的最大优点是它具有无条件稳定性，即时间步长可以任意大。
显式求解法
如果采用中心差分法来进行动态问题的时域积分，则有如下位移、速度和加速度关系：
由上式可以看出，当前时刻的位移只与前一时刻的加速度和位移有关，这就意味着当前时刻的位移求解无需迭代过程。
另外，只要将运动方程中的质量矩阵和阻尼矩阵对角化，前一时刻的加速度求解无需解联立方程组，从而使问题大大简化，这就是所谓的显式求解法。
显式求解法的优点是它即没有收敛性问题，也不需求解联立方程组，其缺点是时间步长受到数值积分稳定性的限制，不能超过系统的临界时间步长。
由于冲压成型过程具有很强的非线性，从解的精度考虑，时间步长也不能太大，这就在很大程度上弥补了显式求解法的缺陷。
在80年代中期以前显式算法主要用于高速碰撞的仿真计算，效果很好。
自80年代后期被越来越广泛地用于冲压成型过程的仿真，目前在这方面的应用效果已超过隐式算法。
显式算法在冲压成型过程的仿真中获得成功应用的关键，在于它不像隐式算法那样有解的收敛性问题。
附加说明：
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。