Metodi di Soluzione per Problemi non lineari

La risoluzione di un problema non lineare mediante una formulazione agli elementi finiti prevede la risoluzione di un set di equazioni che può essere scritto, facendo riferimento alla relazione ( 173, come:

𝜳(𝒂) = {𝒇} − 𝑷(𝒂) = {𝟎} ( 174

avendo indicato con 𝒂 un set di parametri che descriva lo stato del sistema (parametri nodali e tempo, nel caso in cui l’analisi sia di tipo dinamico).

Tipicamente i problemi di tipo non lineare presentano soluzioni multiple, motivo per cui, non solo si complica il processo di ricerca della soluzione, ma è altresì possibile arrivare a soluzioni completamente diverse da quella ricercata. Ciò pone l’accento sull’importanza di procedere per piccoli step a partire da una soluzione nota, specie nel caso di problemi di non linearità del materiale, nei quali la relazione costitutiva tra stress e strain è dipendente dal carico.

Figura 47: Soluzioni multiple, [68]

Sarà pertanto necessario un approccio di tipo iterativo; partendo dalla ( 174 è possibile scrivere:

𝜳_𝑛+1= 𝜳(𝒂_𝑛+1) = {𝒇}_𝒏+𝟏− 𝑷(𝒂_𝑛+1) = {𝟎} ( 175

86 partendo da una soluzione nota del tipo:

𝒂 = 𝒂_𝑛, 𝚿_𝑛= {𝟎}, {𝒇} = {𝒇}_𝑛 e procedendo per step di carico del tipo:

{𝒇}_𝑛+1= {𝒇}_𝑛+ Δ{𝒇}_𝑛 che genera una variazione dei parametri di stato del sistema:

𝒂_𝑛+1= 𝒂_𝑛+ Δ𝒂_𝑛

Si noti che la scelta dell’ampiezza del singolo step di carico è un aspetto cruciale poiché:

• step di carico troppo grandi possono condurre a soluzioni diverse da quella ricercata o addirittura alla divergenza del metodo risolutivo;

• step di carico troppo ridotti generano problemi di costo computazionale;

In ogni caso lo step di carico dovrà essere sufficientemente piccolo da permettere di seguire il cosiddetto path di carico. Si noti che, nel caso di mild non-linearity, cioè non linearità di tipo molto debole e problema non dipendente dal path di carico, è possibile il raggiungimento della soluzione mediante un unico step di carico, per cui la ricerca della soluzione non avverrà in maniera iterativa. Per cui, riassumendo, l’idea di fondo è quella suddividere il problema non lineare in una serie di sotto-problemi caratterizzati da mild non-linearity, procedendo attraverso una serie di piccoli step di carico; la soluzione di ogni sotto-problema ottenuto in corrispondenza del singolo step di carico sarà raggiunta utilizzando un approccio di tipo iterativo.

Risolto l’ultimo sotto-problema, il processo iterativo sul carico termina. Quindi, essenzialmente, è possibile notare la presenza di due cicli di iterazione simultanei:

• uno sul problema non lineare completo che genera i sotto-problemi di non linearità debole;

• uno sul singolo sotto-problema di non linearità debole che ne permette la risoluzione;

I metodi numerici maggiormente utilizzati per la risoluzione di questo tipo di problemi sono:

• metodo di Newton-Raphson;

• metodi di Newton-Raphson modificati;

• metodo delle secanti incrementali;

Figura 48: Metodo di Newton-Raphson, [68]

Il metodo di Newton-Raphson è il metodo con la velocità di convergenza maggiore (a patto che la soluzione di partenza si trovi nel cosiddetto bacino di attrazione della soluzione ricercata, così da evitare la divergenza del metodo), poiché si suppone sia sufficiente una singola valutazione di 𝚿 ad ogni passo di iterazione;

87 questo equivale ad approssimare il problema non lineare come una serie di problemi lineari. Facendo

riferimento a ( 175 è possibile scrivere:

𝜳(𝒂_𝑛+1^𝑖+1) ≃ 𝜳(𝒂_𝑛+1^𝑖 ) + (^𝜕𝜳

𝜕𝒂)^𝒊

𝑛+1𝑑𝒂_𝑛^𝑖 = {𝟎} ( 176

Si noti che il pedice indica l’interazione relativa allo step di carico (ciclo iterativo sull’intero problema non lineare mentre l’indice indica l’iterazione relativa al singolo sotto-problema. Detto quindi 𝑛 un generico step di carico già arrivato a convergenza, il processo iterativo per la convergenza dello step di carico 𝑛 + 1 inizia con:

𝒂_𝑛+1¹ = 𝒂_𝑛

Introducendo, quindi, la matrice di rigidezza tangente [𝑲_𝑻] definita attraverso la relazione:

[𝑲_𝑻] =^𝜕𝑷

𝜕𝒂= −^𝜕𝜳

𝜕𝒂 ( 177 la ( 176 può essere riscritta come:

𝜳(𝒂_𝑛+1^𝑖 ) = 𝜳_𝑛+1^𝑖 ≃ [𝑲𝑻] 𝑑𝒂𝑛𝑖 ( 178 o, in alternativa, mettendo in evidenza l’incremento nella soluzione 𝑑𝒂_𝑛^𝑖:

𝑑𝐚_nⁱ = [𝑲_𝑻]^−𝟏 𝚿_𝑛+1^𝑖 da cui, considerando una serie di incrementi:

𝒂_𝑛+1^𝑖+1 = 𝒂_𝑛+1^𝑖 + 𝑑𝒂_𝑛^𝑖 = 𝒂_𝑛+ 𝛥𝒂_𝑛^𝑖 ( 179 avendo introdotto 𝛥𝒂_𝑛^𝑖 = ∑^𝒊_𝒌=𝟏𝑑𝒂_𝑛^𝑘.

Come già detto in precedenza il metodo di Newton-Raphson è il metodo che presenta la maggiore velocità di convergenza, ma, allo stesso tempo presenta alcuni difetti:

• ad ogni iterazione è necessario il calcolo di una matrice di rigidezza tangente [𝑲_𝑻] diversa dalla precedente;

• ad ogni iterazione sarà necessario fattorizzare una matrice diversa per la risoluzione di ( 178;

• può accadere, specie nel caso in cui siano necessarie molte iterazioni per la convergenza di un singolo step di carico, che la matrice di rigidezza tangente [𝑲_𝑻] perda la proprietà di simmetria, per cui sarà necessario prevedere l’implementazione di solutori per problemi con matrici non

simmetriche;

Appare, quindi, evidente che, specie nei casi in cui il numero di parametri di stato del sistema sia elevato (modelli FEM con un numero di elementi molto elevato), il costo computazionale tende a diventare quasi subito proibitivo, motivo per cui sono nati una serie di metodi noti come metodi di Newton-Raphson modificati.

Nei metodi di Newton-Raphson modificati la matrice di rigidezza tangente [𝑲_𝑻] viene mantenuta costante nel corso del processo di iterazione, per cui il costo computazionale risulta essere notevolmente ridotto rispetto al metodo di Newton-Raphson classico. Per quanto riguarda [𝑲_𝑻] è possibile:

• utilizzare ad ogni iterazione la matrice di rigidezza tangente ricavata alla prima iterazione [𝑲_𝑻]^𝟏;

• utilizzare ad ogni iterazione una matrice di rigidezza tangente imposta a priori [𝑲_𝑻]^𝟎;

• ricalcolare la matrice di rigidezza tangente [𝑲_𝑻] ogni numero prefissato di iterazioni;

88

Figura 49: Metodo di Newton-Raphson con utilizzo ad ogni iterazione di [𝑲𝑻]^𝟏 (a sinistra) e di [𝑲_𝑻]^𝟎 (a destra), [68]

In ogni caso, i metodi di Newton-Raphson modificati consentono un consistente risparmio di costo computazionale ma:

• la velocità di convergenza risulterà sicuramente inferiore al rate quadratico tipico del metodo di Newton-Raphson classico e il bacino di attrazione sarà ridotto;

• la convergenza è più difficile, per cui soluzioni convergenti con il metodo di Newton-Raphson classico non è detto convergano con metodi di Newton-Raphson modificati;

Figura 50: Metodo delle secanti, [68]

Nel metodo delle secanti il procedimento è leggermente diverso: si effettua una prima iterazione

perfettamente analoga a quella che si avrebbe utilizzando il metodo di Newton-Raphson così da determinare:

𝑑𝐚_n¹ = [𝑲_𝑻]^−𝟏 𝚿_𝑛+1¹

Noto il primo incremento del set di parametri che descrive lo stato del sistema 𝑑𝐚_n¹ è possibile determinare una matrice di rigidezza secante [𝑲_𝑺] (Figura 50); nota [𝑲_𝑺] si procede in maniera iterativa come nei casi precedenti:

𝑑𝒂_𝑛^𝑖 = [𝑲_𝒔]^−𝟏 𝜳_𝑛+1^𝑖 𝑐𝑜𝑛 𝑖 ≥ 2 ( 180

Si noti che [𝑲_𝑺] è determinata ad ogni step di iterazione in maniera tale che risulti soddisfatta la relazione:

𝑑𝒂^𝑖−1 = [𝑲_𝑺^𝒊]⁻¹(𝜳^𝑖−1− 𝜳^𝑖) = [𝑲_𝑺^𝒊]⁻¹𝜸^𝑖−1 ( 181

89 Il metodo delle secanti presenta una velocità di convergenza intermedia (super lineare) tra i metodi di Newton-Raphson modificati ed il metodo di Newton-Raphson classico.

Come per tutti i metodi iterativi la soluzione è raggiunta soltanto in maniera asintotica per cui risulta necessario stabilire dei criteri perché il processo termini, cioè devono essere introdotti dei criteri di convergenza. Tali criteri consistono nella definizione di un valore di tolleranza sulla norma di uno dei parametri del modello; il parametro monitorato con maggiore frequenza è il residuo, per cui è possibile scrivere:

‖𝜳_𝑛+1^𝑖 ‖ ≤ 𝜖 ‖𝒇_𝑛+1‖ ( 182 essendo:

‖𝚿_𝑛+1ⁱ ‖ = √(𝚿_𝑛+1ⁱ )^𝑇𝚿_𝑛+1ⁱ

In alternativa al confronto tra residuo ed un valore di tolleranza sul carico, è anche possibile un confronto tra il valore del residuo in corrispondenza di una specifica iterata e quello assunto dal residuo alla prima

iterazione:

‖𝚿_𝑛+1ⁱ ‖ ≤ 𝜖 ‖𝚿_𝑛+1¹ ‖

Per quanto riguarda il valore del parametro 𝜖 che definisce la tolleranza è necessario distinguere dei casi a seconda del metodo iterativo utilizzato:

• metodo di Newton-Raphson classico: 𝜖 = 10⁻⁸, cioè metà della precisione di macchina;

• metodo di Newton-Raphson modificato: valori comparabili al caso precedente non possono essere raggiunti se non con un numero di iterazioni estremamente elevato, per cui si assume un valore di tolleranza 𝜖 molto più alto (𝜖 ≃ 0.01 ÷ 0.001);

In ogni caso la scelta del valore del parametro di tolleranza 𝜖 risulta essere ancora una volta una scelta di compromesso tra la necessità di precisione, la stabilità dell’algoritmo ed il costo computazionale.

Ovviamente è importante notare che l’errore legato al non raggiungimento di una condizione di residuo perfettamente nullo si somma agli altri errori introdotti in precedenza. Accanto a ciò, si noti che anche la scelta dell’ampiezza dello step di carico risulta critica, poiché esso deve essere tenuto ragionevolmente piccolo per preservare l’accuratezza della soluzione (specie nel caso in cui i problemi sia path dependent) ma, allo stesso tempo, non eccessivamente ridotto per evitare un processo iterativo praticamente infinito.