Метод конечных элементов

Каждая деталь Boeing проходит МКЭ-симуляцию до производства. Стенты для коронарных артерий тестируются МКЭ при различных давлениях. iPhone корпус оптимизируется МКЭ для минимального веса. МКЭ - язык инженерного проектирования.

• **Структурный анализ в ANSYS/ABAQUS:** МКЭ для напряжений и деформаций в 3D деталях; матрица жёсткости миллионы×миллионы
• **FEniCS в научных вычислениях:** открытый исходный код; Python API; используется в академических исследованиях по гидродинамике и биомеханике
• **Электромагнитное моделирование:** уравнения Максвелла через МКЭ; ANSYS HFSS, OpenEMS для антенн и микросхем

Предварительные знания

• Finite Difference Methods for PDEs

Слабая формулировка

Метод конечных элементов (МКЭ) начинается с **слабой (вариационной) формулировки** PDE. Вместо требования уравнения в каждой точке (сильная форма), мы требуем, чтобы уравнение выполнялось «в среднем» относительно набора тестовых функций. Это позволяет работать с нерегулярными сетками и естественными граничными условиями.

**Слабая формулировка уравнения Пуассона:** Сильная форма: −∇·(k∇u) = f, u|_{∂Ω} = 0 Умножаем на тестовую функцию v и интегрируем по Ω: ∫_Ω k∇u·∇v dΩ = ∫_Ω f·v dΩ для всех v ∈ H₀¹(Ω) (интегрирование по частям убрало вторую производную!) **Преимущества слабой формы:** - Требует меньшей гладкости (H¹ вместо H²) - Естественно включает граничные условия Неймана - Допускает разрывные коэффициенты k(x)

Ключевая идея МКЭ: интегрирование по частям переносит производную с неизвестного u на тестовую функцию v. Это симметризует задачу (матрица жёсткости симметрична для самосопряжённых операторов) и снижает требования к гладкости.

Метод Галёркина и сборка матрицы

Метод Галёркина аппроксимирует u через конечную сумму базисных функций φᵢ: u_h = Σᵢ uᵢ·φᵢ. Подставляя в слабую форму с тестовыми функциями v = φⱼ, получаем систему Ku = f, где Kᵢⱼ = ∫ k∇φᵢ·∇φⱼ dΩ - матрица жёсткости.

**Матрица жёсткости и вектор нагрузки:** Kᵢⱼ = ∫_Ω k·∇φᵢ·∇φⱼ dΩ ← матрица жёсткости fᵢ = ∫_Ω f·φᵢ dΩ ← вектор нагрузки **Локально-глобальная сборка:** 1. Для каждого элемента Ωₑ: вычисляем K_local и f_local 2. Добавляем в глобальные K и f по таблице DOF **Базисные функции φᵢ:** - Линейные (P1): φᵢ = 1 в узле i, 0 в других узлах - Квадратичные (P2): параболическая интерполяция - Более высокие порядки: hp-МКЭ

FEniCS и применения

FEniCS/FEniCSx - открытая платформа для МКЭ, позволяющая формулировать PDE математически и автоматически генерировать оптимизированный код для сборки матриц и решения. Используется в аэрокосмической инженерии, биомеханике, электромагнетизме.

Ключевые идеи

• **Слабая форма:** интегрирование по частям снижает требования к гладкости; естественные граничные условия включены автоматически
• **Метод Галёркина:** u = Σ uᵢφᵢ → система Ku = f; Kᵢⱼ = ∫k∇φᵢ·∇φⱼ
• **Разреженность K:** Kᵢⱼ ≠ 0 только для соседних узлов; O(n) ненулей для P1
• **FEniCS:** Python API для автоматической сборки и решения; solve(a == L, u, bc)

Связанные темы

МКЭ объединяет PDE, линейную алгебру и численные методы:

• Метод конечных разностей для PDE — МКР - специальный случай МКЭ для регулярных сеток; одни и те же разреженные системы
• Разреженные матрицы — Матрица жёсткости K - разреженная; хранение CSR/CSC и iterative solvers обязательны

Вопросы для размышления

• Почему P2 МКЭ (квадратичные элементы) даёт O(h⁴) точность вместо O(h²) для P1?
• Как граничное условие Неймана (задание потока) естественно включается в слабую формулировку?
• Что такое hp-адаптация в МКЭ и когда она предпочтительнее равномерного уточнения сетки?

Связанные уроки

• la-01-vectors-intro