RADIOSS隐式求解器及应用

RADIOSS隐式分析功能包含的隐式求解器有两种：线性求解器（直接求解器、迭代求解器和混合求解器）和非线性求解器（改进的牛顿法和拟牛顿法）。

线性求解器可以在线性分析和非线性分析两种类型中使用，因此选择合适的求解器是非常重要的。自RADIOSS Block的隐式求解功能发布起，PCG（Preconditioned Conjugate Gradient，预处理共轭梯度）求解器就已经包含在内了，从HW 9.0开始，又增加了直接求解器。默认的求解器是分解近似反演预处理方法的PCG求解器（PCG with Factored Approximate Inverse Preconditioning Method）。选择合适的求解器通常依赖求解的问题模型。一般地，迭代求解器适合状态良好的均匀刚度模型（比如，solid单元模型），而对于均匀刚度病态模型的计算则很昂贵。另一方面，直接求解器可以得到更加精确的结果，并对质量矩阵低敏感，但是需要更多的内存存储。当使用out-of-core时，直接求解器的计算效率将大大降低。

对于特定的问题，如果不能确定哪种求解器合适，在内存没有瓶颈的情况下，建议首先尝试直接求解器。对于大规模的模型，比如整车分析模型，内存需求可能不满足期望，这时可以使用更高质量预处理算子的PCG方法（在关键字/IMPL/PREPAT/n里设定，比如n=2）。对于非线性分析，可以在进行实际的分析之前先进行一个简单的线性求解以比较两种方法，这样做可能是值得的，两者的结果有可能并没有太大差别。对于接触刚度自由度远低于总自由度的接触仿真中，混合求解器有更好的效率。(www.xing528.com)

同样的，非线性求解器的选择也依赖分析类型。一般情况下，拟牛顿方法更适合高度非线性问题，但它需要更多的内存，每次迭代需要的计算成本也更大。