有限元分析是一种数值近似方法，既然是近似，就必然存在误差。很多初学者做有限元分析的时候，只关心能不能算出结果，不关心结果准不准、误差有多大，结果算出来就直接用，有时候误差很大，甚至得出错误的结论，还不知道。了解误差的来源，学会控制和评估精度，是有限元分析工程师的必备能力，也是保证分析结果可靠的基础。本文将详细介绍有限元分析中的误差来源、误差分类、精度控制的方法、结果验证的手段，以及如何在精度和效率之间找到平衡，帮助大家更准确、更可靠地进行有限元分析。
一、误差概述
1. 什么是有限元的误差
先搞清楚概念。
简单说：
- 有限元解是真实解的近似
- 近似值和真实值之间的差别，就是误差
- 误差是不可避免的，因为是数值方法
- 我们能做的是控制误差，让它在可接受的范围内
误差的表示：
- 绝对误差：计算值 - 真实值
- 相对误差：(计算值 - 真实值) / 真实值
- 一般用相对误差更有意义，能反映误差的大小比例
注意：
- 真实值很多时候我们不知道
- 所以误差很难精确计算
- 但我们可以估计误差的范围
- 或者通过各种方法验证结果的可靠性
2. 误差的分类
误差有很多种。
按来源分：
- 模型误差：数学模型和真实物理问题的差别
- 离散误差：把连续体离散成有限单元带来的误差
- 数值误差：求解过程中的数值计算误差
- 人为误差：操作失误、参数输错等低级错误
按性质分：
- 系统误差：有规律的、偏大或偏小的误差
- 随机误差：没有规律的、随机的误差
- 粗大误差：明显不对的错误，比如输错数
其中，模型误差和离散误差是最主要的，也是我们最需要关注的，人为误差是可以也应该避免的。
3. 为什么要关注误差和精度
很重要。
为什么重要：
- 结果不准的话，分析就没意义
- 甚至会误导决策，造成损失
- 不知道误差有多大，就不知道结果能不能用
- 工程问题是要负责任的，不能拍脑袋
- 精度和效率是矛盾的，要找到平衡点
很多人有误区：
- 觉得软件算出来的就是对的
- 网格越密越准，所以越密越好
- 其实不是
- 要知道误差在哪里，有多大
- 要在精度和效率之间找到平衡
二、误差的来源详解
1. 模型误差
最根本的误差。
什么是模型误差：
- 我们建立的数学模型和真实物理问题之间的差别
- 比如真实的材料是非线性的，我们假设成线弹性
- 真实的载荷是动态的，我们按静力算
- 真实的边界是复杂的接触，我们简化成固定约束
- 这些都会带来误差
模型误差的来源：
- 材料模型的简化：线弹性代替弹塑性、各向同性代替各向异性等
- 几何模型的简化：去掉小特征、对称假设、二维代替三维等
- 载荷的简化：集中力代替分布力、静力代替动力、均布代替非均布等
- 边界条件的简化：固定代替弹性支撑、理想接触代替真实接触等
- 忽略某些物理效应：比如忽略温度影响、忽略阻尼、忽略惯性等
模型误差的特点：
- 往往是最大的误差来源
- 也是最容易被忽略的
- 很多人只关注网格，不关注模型对不对
- 模型错了，网格再密也没用
- 垃圾进，垃圾出
2. 离散误差
有限元特有的误差。
什么是离散误差：
- 把连续的物体分成有限个单元
- 用单元的近似解代替连续的真实解
- 这带来的误差就是离散误差，也叫网格误差
离散误差的来源：
- 单元数量有限：单元越少，误差越大
- 单元形状不好：单元质量差，误差大
- 单元阶次低：线性单元比二次单元误差大
- 位移模式的近似：用多项式近似真实的位移场
离散误差的特点：
- 网格越密，离散误差越小
- 单元阶次越高，误差越小
- 单元质量越好，误差越小
- 理论上，网格无限密的时候，解会收敛到真实解
- 这就是收敛性
3. 数值误差
计算过程中的误差。
什么是数值误差：
- 求解方程组的时候，数值计算带来的误差
- 比如舍入误差、迭代误差等
数值误差的来源：
- 舍入误差：计算机的浮点数精度有限，四舍五入带来的误差
- 迭代误差：迭代求解的时候，没有迭代到完全收敛，剩下的误差
- 积分误差：数值积分的时候，积分点数量有限带来的误差
- 时间步长误差：瞬态分析的时候，时间步长带来的误差
数值误差的特点：
- 一般比较小，不是主要的误差来源
- 但有时候也会很大，比如收敛没做好的时候
- 双精度一般足够，舍入误差不用太担心
- 主要要注意迭代收敛的问题
4. 人为误差
最不该有的误差。
什么是人为误差：
- 就是操作失误、输入错误、理解错误等带来的错误
- 严格来说这不是误差，是错误
- 但实际中很常见，影响也很大
常见的人为错误：
- 单位搞错：最常见的低级错误
- 材料参数输错：比如弹性模量少个零
- 载荷加错：大小、方向、位置错了
- 边界条件加错：约束多了或者少了
- 几何建错：尺寸错了，或者特征漏了
- 单元类型选错：该用壳的用了实体
- 分析类型选错：该用动力的用了静力
- 等等，各种低级错误
人为错误的特点：
- 是可以也应该避免的
- 但实际中非常常见
- 有时候影响很大，甚至结果完全错了
- 一定要仔细检查，避免低级错误
三、精度控制的方法
1. 模型误差的控制
从源头控制。
怎么控制模型误差：
- 深入理解真实的物理问题，不要上来就建模
- 选择合适的材料模型，该用非线性就用非线性
- 合理简化，不要过度简化，也不要没必要的复杂
- 载荷和边界条件尽量符合实际
- 重要的物理效应不要忽略
- 不确定的地方做敏感性分析，看影响有多大
原则：
- 模型要能反映问题的本质
- 不是越复杂越好，也不是越简单越好
- 够用就好，该细的细，该粗的粗
- 对结果影响大的地方仔细建模，影响小的可以简化
- 要有工程判断
怎么验证模型对不对：
- 和理论解对比：简单问题有理论解的话
- 和实验结果对比：有实验数据最好
- 和经验对比：根据工程经验判断
- 参数敏感性分析：改个参数看变化是不是符合预期
- 不同方法对比：比如二维和三维对比，线性和非线性对比
2. 离散误差的控制
最常用的精度控制。
怎么控制离散误差：
- 加密网格：最直接的方法，网格越密误差越小
- 提高单元阶次：二次单元比线性单元精度高
- 提高网格质量：单元形状好，误差小
- 局部加密：重要的地方加密，不重要的地方粗一点
- 自适应网格：让程序自动加密误差大的地方
网格收敛性分析：
- 最可靠的离散误差评估方法
- 用不同密度的网格算同一个问题
- 看关键结果的变化
- 变化越来越小，说明在收敛
- 变化小于某个阈值，比如5%，就可以认为网格足够了
注意：
- 不是网格越密越好
- 网格太密，计算量太大，不划算
- 找到精度和效率的平衡点
- 满足工程要求就行，不用追求绝对精确
3. 数值误差的控制
一般不是重点，但也要注意。
怎么控制数值误差：
- 保证迭代收敛：非线性分析要收敛好，不要为了快放宽收敛准则太多
- 选择合适的求解器：不同的问题选不同的求解器
- 时间步长合适：瞬态分析时间步长不要太大
- 积分点数量足够：一般默认的就够，特殊情况可以加
- 用双精度计算：现在一般都是双精度，不用太担心
注意：
- 数值误差一般不是主要的误差来源
- 但收敛不好的话，误差也会很大
- 不要为了计算快，把收敛准则放得太松
- 至少要保证力和位移都收敛
4. 人为误差的避免
一定要避免。
怎么避免人为错误：
- 养成良好的习惯，做完检查一遍
- 单位统一，开头就确定好单位制
- 重要的参数多检查一遍
- 做完先做定性检查，看趋势对不对
- 反作用力平衡检查
- 用简单的情况验证
- 不确定的地方多问、多查
- 不要想当然，不确定的就验证
检查清单：
- 单位对不对
- 材料参数对不对
- 几何尺寸对不对
- 载荷大小、方向、位置对不对
- 边界条件对不对，有没有过约束或者欠约束
- 单元类型对不对
- 分析类型对不对
- 结果趋势合理不合理
- 反作用力平衡不
- 等等，根据问题列个检查清单
四、结果验证的方法
1. 定性验证
先看对不对。
什么是定性验证：
- 看结果的趋势、分布是不是合理
- 不用精确数值，先看大方向对不对
- 是最基本也是最快的验证方法
定性验证的内容：
- 变形趋势对不对：比如受拉应该伸长，受压应该缩短，弯曲应该凹向载荷方向
- 应力分布合理不合理：比如应力集中在孔边、圆角处，符合常识
- 反作用力平衡：外力和反作用力是不是大小相等、方向相反
- 对称问题结果是不是对称
- 量级对不对：比如应力应该是几百兆帕，结果出来几万兆帕，肯定不对
- 等等，根据经验判断
为什么重要：
- 很多低级错误，定性检查就能发现
- 比如单位错了，量级就不对
- 约束错了，变形就不对
- 很快，不用花太多时间
- 是第一道防线
2. 定量验证
再看准不准。
什么是定量验证：
- 用数值来对比，看误差有多大
- 比定性验证更准确，也更可靠
定量验证的方法：
- 和理论解对比：简单的问题有解析解，比如拉杆、简支梁、厚壁圆筒等，对比精确
- 和实验结果对比：最可靠的验证方法，有实验数据的话一定要对比
- 和其他软件对比：用不同的有限元软件算同一个问题，看结果是不是差不多
- 和经验公式对比：很多工程问题有经验公式，可以参考
- 和历史数据对比：类似的项目以前做过，对比一下
注意：
- 对比的时候要注意条件是不是一致
- 实验结果也有误差，不是绝对准确的
- 不同软件的结果也会有小的差别，正常
- 只要在可接受的范围内就行
3. 网格收敛性验证
专门验证离散误差。
什么是网格收敛性验证：
- 用不同密度的网格算同一个问题
- 看关键结果的变化
- 变化越来越小，说明在收敛
- 也叫网格无关性验证
怎么做：
- 先画一套比较粗的网格，算一遍
- 然后加密网格，比如加密一倍，再算一遍
- 看关心的结果，比如最大应力、最大位移，变化了多少
- 变化小于5%或者更小，就可以认为收敛了
- 还不收敛的话，继续加密
收敛的判断：
- 一般工程上，相对误差小于5%就可以接受
- 要求高的话可以到2%或者1%
- 看具体的工程要求
- 不用追求绝对收敛，够用就行
注意：
- 不要用应力奇异的点来判断收敛
- 选几个关键的位置来对比
- 位移一般比应力收敛得快
- 应力集中的地方收敛慢
- 可以用能量范数来判断，更准确
4. 参数敏感性分析
看参数的影响。
什么是参数敏感性分析：
- 改变某个参数，看结果变化多大
- 看这个参数对结果的影响有多大
- 既能验证结果，也能知道哪个参数重要
怎么做：
- 选几个关键参数，比如材料参数、载荷大小、边界条件等
- 每个参数改一定的比例，比如±10%
- 看结果变化了多少
- 变化大的就是敏感参数，要重点关注
用处：
- 验证模型是不是合理：参数变化的趋势符合预期吗
- 知道哪些参数对结果影响大，哪些影响小
- 影响大的参数要准确，影响小的可以粗略一点
- 为可靠性分析和优化设计打基础
5. 能量检查法
用能量来判断。
什么是能量检查：
- 看能量的平衡和分布
- 能量是标量，比应力更容易判断
- 也是常用的验证方法
常用的能量指标：
- 应变能：外力做的功应该等于应变能，能量守恒
- 动能和势能的和：动态分析中，总能量应该守恒或者变化合理
- 沙漏能：显式动力学中，沙漏能不能太大，一般不超过总能量的5%
- 人工应变能：不能太大，太大说明有问题
- 等等
好处：
- 能量是整体的，能反映整体的情况
- 比较稳定，不容易受局部的影响
- 容易判断
五、精度和效率的平衡
1. 精度和效率的矛盾
两者往往是矛盾的。
为什么矛盾：
- 精度越高，往往需要更密的网格、更复杂的模型、更小的时间步
- 这样计算量就大，计算时间就长，效率就低
- 反过来，要效率高，就要简化模型、粗网格，精度可能就不够
- 两者是矛盾的，要找平衡点
工程上的原则：
- 够用就好，满足工程要求就行
- 不用追求绝对精确
- 也不能太粗糙，结果不能用
- 找到合适的平衡点
怎么找平衡点：
- 先明确精度要求：这个分析要求多准？误差10%能接受吗？还是5%？还是1%？
- 根据精度要求来选择模型和网格
- 要求高就细一点，要求不高就可以粗一点
- 不要用大炮打蚊子，也不要偷工减料
2. 提高精度又不明显降低效率的方法
有技巧的。
方法一：局部加密
- 整体用粗网格，重要的地方局部加密
- 这样整体单元数不会太多
- 重要的地方精度又有保证
- 比整体加密效率高多了
方法二：子模型技术
- 整体用粗网格算
- 关心的局部切出来，用细网格算
- 把整体的位移或者力作为边界条件
- 这样局部精度高，整体又不用太细
- 很适合应力集中的地方
方法三：提高单元阶次
- 有时候，用二次单元，网格不用太密，精度就很高
- 比用线性单元加密网格效率还高
- 尤其是应力问题，二次单元优势明显
- 当然，计算量也会增加，但可能比加密网格划算
方法四：合理简化模型
- 不重要的地方简化，去掉小特征
- 用对称、周期性等简化
- 不重要的物理效应忽略
- 这样模型简单了，计算快
- 对结果影响又不大
方法五：选择合适的分析类型
- 能用线性的就不用非线性
- 能用静力的就不用动力
- 能用二维的就不用三维
- 能用壳的就不用实体
- 当然，前提是满足精度要求
3. 不同阶段的精度要求
不一样。
方案阶段：
- 精度要求可以低一点
- 主要看趋势，对比方案
- 模型可以简单一点，网格可以粗一点
- 快一点，多算几个方案
详细设计阶段：
- 精度要求高一点
- 要得到比较准确的结果
- 模型要详细一点，网格要密一点
- 结果要可靠
验证和评定阶段：
- 精度要求最高
- 要满足规范或者标准的要求
- 模型要尽量准确，网格要做收敛性验证
- 结果要可靠，能作为依据
六、常见的误区
1. 误区一：网格越密越好
最常见的误区。
错误认识：
- 网格越密，结果越准
- 所以网格越密越好
- 拼命加密网格
为什么不对：
- 网格密到一定程度，结果变化就很小了
- 再加密，精度提高很少，计算量却增加很多
- 不划算
- 而且模型误差、载荷误差可能比离散误差大得多
- 网格再密也没用
正确做法：
- 做网格收敛性分析
- 找到满足精度要求的最疏网格
- 够用就好
- 不要过度加密
- 把时间花在更重要的地方，比如模型的准确性
2. 误区二：软件算出来的就是对的
盲目相信软件。
错误认识：
- 大公司的软件，肯定没问题
- 算出来的结果就是对的
- 不用验证
为什么不对：
- 软件只是工具，垃圾进垃圾出
- 模型错了、参数错了、边界错了，软件也算不对
- 软件本身也可能有bug，虽然很少
- 操作不当也会出问题
正确做法：
- 对结果要有怀疑精神
- 做完一定要验证
- 从定性到定量，一步步检查
- 不要盲目相信软件
- 软件是工具，人才是主导
3. 误区三：只关心最大应力
只看一个数。
错误认识：
- 结果就看最大应力多少
- 其他的都不重要
- 最大应力小于许用应力就安全
为什么不对：
- 最大应力可能是应力奇异，不是真实的
- 只看最大值，不看分布，不知道整体情况
- 可能其他地方有问题没发现
- 变形、反作用力、能量等也很重要
正确做法：
- 看整体的分布，趋势对不对
- 看关键位置的应力
- 区分应力奇异和真实应力集中
- 也要看变形、反作用力、能量等
- 全面评估结果
4. 误区四：复杂的方法一定更准确
追求复杂。
错误认识：
- 非线性比线性准
- 三维比二维准
- 实体比壳准
- 越复杂的方法越准
为什么不对：
- 方法复杂不代表结果就准
- 如果参数不准、模型不对，再复杂的方法也没用
- 复杂方法对输入要求更高，输入不准的话，误差可能更大
- 简单方法用好了，一样能得到可靠的结果
正确做法：
- 选择合适的方法，不是越复杂越好
- 能用简单方法解决的就不用复杂的
- 简单方法高效、稳定、好验证
- 复杂方法是用来解决简单方法解决不了的问题的
- 适合的才是最好的
七、总结
有限元分析是数值近似方法，误差是不可避免的，我们要做的是认识误差、控制误差、评估精度，保证结果在可接受的范围内。误差主要来源于模型误差、离散误差、数值误差和人为误差，其中模型误差和离散误差是最主要的，人为误差是应该避免的。精度控制要从模型、网格、数值、操作等多个方面入手，其中模型的合理性是根本，网格收敛性是常用的离散误差控制方法。结果验证有定性验证、定量验证、网格收敛性验证、参数敏感性分析、能量检查等多种方法，要综合运用，确保结果可靠。精度和效率是矛盾的，要在两者之间找到平衡点，够用就好，不要追求绝对精确，也不能太粗糙。常见的误区有：网格越密越好、软件算出来的就是对的、只关心最大应力、复杂方法一定更准等，这些都要注意。理解误差，控制精度，是有限元分析工程师的基本功，也是结果可靠的保证。
有限元分析中的误差分析与精度控制要点总结：
- 有限元是数值近似方法，误差不可避免，关键是认识误差、控制误差、评估精度，保证结果在可接受范围内
- 误差四大来源：模型误差、离散误差、数值误差、人为误差，前两者是主要的，人为误差是应该避免的
- 模型误差：材料、几何、载荷、边界条件的简化带来的误差，往往是最大的误差来源，也是最容易被忽略的，垃圾进垃圾出
- 离散误差：网格离散带来的误差，网格越密、单元阶次越高、质量越好，误差越小，可以通过网格收敛性验证评估
- 数值误差：计算过程中的舍入、迭代、积分等误差，一般比较小，主要注意迭代收敛问题
- 人为误差：操作失误、输入错误等低级错误，是可以也应该避免的，一定要养成检查的习惯
- 精度控制：从模型、网格、数值、操作多方面入手，模型合理性是根本，网格收敛性是常用方法，避免人为错误是基础
- 结果验证方法：定性验证看趋势、定量验证比数值、网格收敛性看离散误差、参数敏感性看影响、能量检查看整体
- 精度和效率是矛盾的，要找到平衡点，够用就好，不要追求绝对精确，也不能太粗糙
- 提高精度又保效率的方法：局部加密、子模型、提高单元阶次、合理简化模型、选择合适的分析类型
- 不同阶段精度要求不同：方案阶段可粗一点，详细设计要准一点，验证评定要最可靠
- 常见误区：网格越密越好、软件算出来就是对的、只关心最大应力、复杂方法一定更准
- 核心原则：全面验证、合理简化、平衡精度与效率
给初学者的建议：
- 一定要重视误差和精度，不要觉得算出结果就完事了，结果准不准更重要
- 做完分析先做定性检查，看趋势对不对，量级对不对，反作用力平衡不，很多低级错误这样就能发现
- 养成检查的习惯，单位、材料、载荷、边界，重要的参数多核对一遍，避免低级错误
- 重要的分析一定要做网格收敛性验证，不要想当然觉得网格够了
- 不要只看最大应力，要看整体分布，要看变形，要看反作用力，全面评估结果
- 区分应力奇异和真实应力集中，奇异的应力不用管，真实的应力集中要重视
- 模型的合理性比网格密度更重要，模型错了，网格再密也没用
- 不要追求绝对精确，工程上够用就行，找到精度和效率的平衡点
- 能用简单方法解决的就不用复杂方法，简单方法高效、稳定、好验证
- 多做验证，和理论解比、和实验比、和经验比、和其他软件比，验证越多越放心
- 参数敏感性分析很有用，既能验证模型，又能知道哪些参数重要
- 能量检查是个好方法，整体的能量平衡往往能反映大问题
- 不要盲目相信软件，软件是工具，人才是主导，要有怀疑和验证的精神
- 慢慢积累经验，做多了就知道哪些地方容易出问题，哪些地方要重点检查
- 记住：有限元是工具，是用来解决工程问题的，结果要可靠、能用，才是有意义的
误差分析和精度控制是有限元分析中非常重要的一部分，也是区分新手和老手的重要标志。新手只关心能不能算出结果，老手更关心结果准不准、能不能用。理解误差的来源，掌握精度控制的方法，学会验证结果，是每个有限元分析工程师的必修课。希望本文的介绍能帮助大家更好地理解误差，控制精度，做出更可靠的有限元分析。如果有相关的经验或者问题，欢迎在评论区交流讨论。
|
