مش‌بندی مناسب یکی از عوامل اصلی در دقت تحلیل اجزای محدود در آباکوس است. انتخاب یک اندازه مش یکنواخت برای کل مدل همیشه بهترین راهکار نیست؛ زیرا برخی نواحی مانند سوراخ‌ها، گوشه‌های تیز، محل اعمال بار، نواحی تماس و تغییرات شدید هندسی به مش ریزتری نیاز دارند، در حالی که در قسمت‌های ساده و دور از نواحی بحرانی می‌توان از المان‌های بزرگ‌تر استفاده کرد. آباکوس برای این منظور ابزارهایی مانند Global Seeding، Local Seeding، Bias، Mesh Controls و Element Type را در اختیار کاربر قرار می‌دهد.

مفهوم دانه‌بندی یا Seeding در آباکوس

در آباکوس، فرآیند مشخص‌کردن تراکم موردنظر مش با مفهوم Seeding انجام می‌شود. در این روش، روی لبه‌های هندسه مشخص می‌کنیم که المان‌ها تقریباً با چه اندازه یا چه تعدادی ایجاد شوند.

دانه‌بندی می‌تواند به دو شکل اصلی انجام شود:

  • Global Seeding برای کنترل کلی اندازه مش
  • Local Seeding برای کنترل مش در لبه‌ها و نواحی خاص

Global Seed معمولاً نقطه شروع مناسبی برای ایجاد مش است، اما در مدل‌های مهندسی واقعی معمولاً لازم است برخی لبه‌ها به‌صورت موضعی ریزتر یا درشت‌تر شوند.

دانه‌بندی موضعی لبه‌ها

با استفاده از Seed Edges می‌توان لبه‌های مشخصی از هندسه را انتخاب کرد و تراکم مش آن‌ها را مستقل از اندازه مش کلی تغییر داد.

برای مثال، فرض کنید یک صفحه دارای سوراخی در مرکز است. اگر اندازه مش کل صفحه نسبتاً بزرگ انتخاب شده باشد، می‌توان لبه‌های اطراف سوراخ را به‌صورت موضعی ریزتر کرد.

این کار باعث می‌شود در اطراف سوراخ تعداد بیشتری المان ایجاد شود و تغییرات تنش با دقت بیشتری ثبت شوند، بدون اینکه لازم باشد کل صفحه با همان اندازه مش ریز مش‌بندی شود.

تعیین تعداد المان‌ها روی یک Edge

یکی از روش‌های کنترل دانه‌بندی، تعیین مستقیم تعداد المان‌ها روی یک لبه است.

برای مثال می‌توان مشخص کرد یک Edge به 10 یا 20 المان تقسیم شود. این روش زمانی مفید است که هماهنگی تعداد المان‌ها در دو یا چند لبه اهمیت داشته باشد.

این موضوع در مش‌های Structured اهمیت بیشتری پیدا می‌کند؛ زیرا تعداد المان‌های لبه‌های متناظر باید با ساختار موردنظر مش سازگار باشد.

تعیین اندازه المان

روش دیگر، تعیین Element Size است. در این حالت به‌جای تعیین تعداد المان‌ها، اندازه هدف برای المان‌های ایجادشده مشخص می‌شود.

برای مثال، اگر اندازه کلی مش 5 میلی‌متر باشد، می‌توان در اطراف یک سوراخ اندازه مش را به 1 میلی‌متر کاهش داد.

این روش برای کنترل تراکم مش در نواحی بحرانی بسیار کاربردی است.

دانه‌بندی Bias

یکی از ابزارهای مهم برای کنترل ساختار مش، Biased Seeding است.

در دانه‌بندی یکنواخت، فاصله المان‌ها تقریباً ثابت است؛ اما در Bias می‌توان المان‌ها را در یک سمت لبه متراکم و سپس به‌تدریج درشت‌تر کرد.

برای مثال، در یک لبه می‌توان مش را به شکلی ایجاد کرد که:

المان‌های ریز → المان‌های متوسط → المان‌های درشت

در طول Edge تغییر کنند.

این روش زمانی بسیار مفید است که یک ناحیه بحرانی فقط در یک سمت مدل قرار داشته باشد.

کاربرد Bias در نواحی بحرانی

فرض کنید در نزدیکی یک سوراخ یا گوشه تیز به مش بسیار ریز نیاز داریم، اما هرچه از آن ناحیه دور می‌شویم اهمیت دقت مش کاهش پیدا می‌کند.

در این حالت به‌جای استفاده از مش بسیار ریز در کل مدل، می‌توان با Bias تراکم المان‌ها را از ناحیه بحرانی به سمت قسمت‌های دورتر کاهش داد.

این روش می‌تواند تعداد کل المان‌ها را کاهش دهد و در عین حال دقت مناسب در ناحیه موردنظر حفظ شود.

کنترل ساختار مش با Mesh Controls

دانه‌بندی تنها به اندازه المان محدود نمی‌شود. باید مشخص شود المان‌ها با چه ساختاری در هندسه قرار بگیرند.

در آباکوس ابزار Mesh Controls برای تعیین روش تولید مش استفاده می‌شود. روش‌هایی مانند:

  • Free
  • Structured
  • Sweep
  • Bottom-up

در شرایط مناسب قابل استفاده هستند. همچنین بسته به روش مش‌بندی می‌توان شکل المان و الگوریتم تولید مش را نیز کنترل کرد.

مش Structured

در روش Structured Meshing کنترل بیشتری روی الگوی مش وجود دارد. این روش برای هندسه‌های منظم و قابل تقسیم به نواحی منطقی بسیار مناسب است.

در یک ناحیه چهارضلعی مناسب، می‌توان توزیع المان‌ها را در دو جهت کنترل کرد و یک شبکه منظم ایجاد نمود.

آباکوس در روش Structured تا حد زیادی توزیع Seedها را رعایت می‌کند، هرچند برای حفظ سازگاری مش در نواحی مجاور ممکن است تغییراتی در توزیع نهایی ایجاد شود.

مش Free

در Free Meshing آزادی بیشتری برای تولید مش در هندسه‌های پیچیده وجود دارد. این روش زمانی مفید است که هندسه نتواند به‌سادگی به نواحی منظم تقسیم شود.

مزیت آن انعطاف‌پذیری بیشتر است، اما کنترل مستقیم روی الگوی نهایی مش معمولاً کمتر از Structured خواهد بود.

به همین دلیل در هندسه‌های پیچیده، ترکیب مناسب Local Seeding و Free Meshing می‌تواند راهکار مناسبی باشد.

مش Sweep

در هندسه‌هایی که یک ناحیه را می‌توان از یک سطح به سطح دیگر امتداد داد، Sweep Meshing می‌تواند انتخاب مناسبی باشد.

در این روش، الگوی مش یک ناحیه در امتداد مسیر مشخصی به بخش دیگر منتقل می‌شود. این روش در بسیاری از هندسه‌های حجمی منظم برای تولید المان‌های Hexahedral یا شکل‌های مرتبط کاربرد دارد. آباکوس Sweep را به‌عنوان یکی از تکنیک‌های اصلی تولید مش معرفی می‌کند.

نقش Partition در کنترل ساختار مش

گاهی مشکل اصلی اندازه مش نیست، بلکه شکل هندسه برای تولید مش مناسب نیست.

در چنین شرایطی می‌توان با Partitioning هندسه را به نواحی کوچک‌تر و منظم‌تر تقسیم کرد.

برای مثال، یک سطح پیچیده ممکن است با یک مش Free قابل‌قبول مش‌بندی شود، اما با Partition کردن آن به چند ناحیه ساده‌تر، امکان استفاده از Structured Mesh نیز فراهم شود.

در نتیجه Partition و Mesh Controls معمولاً در کنار یکدیگر برای کنترل ساختار مش استفاده می‌شوند.

دانه‌بندی اطراف سوراخ‌ها و گوشه‌ها

نواحی دارای تغییرات شدید هندسی معمولاً به توجه بیشتری نیاز دارند.

نمونه‌های مهم عبارت‌اند از:

  • اطراف سوراخ‌ها
  • گوشه‌های تیز
  • Filletها
  • شیارها
  • محل تغییر ضخامت
  • محل اعمال نیرو
  • نواحی تماس
  • اطراف ترک یا ناحیه آسیب‌دیده

در چنین مناطقی معمولاً استفاده از Local Seed مناسب‌تر از ریزکردن کل مش است.

انتقال تدریجی اندازه المان‌ها

یکی از نکات مهم در ایجاد مش مناسب، جلوگیری از تغییر ناگهانی اندازه المان‌هاست.

اگر در یک ناحیه المان‌های بسیار ریز و بلافاصله در کنار آن المان‌های بسیار بزرگ قرار گیرند، کیفیت مش ممکن است کاهش پیدا کند.

استفاده از Bias می‌تواند انتقال تدریجی اندازه المان‌ها را ایجاد کند و ساختار مش را منظم‌تر کند.

کنترل تعداد المان‌ها در لبه‌های مجاور

در برخی مدل‌ها لازم است تعداد المان‌های دو Edge مجاور با یکدیگر سازگار باشد. این موضوع مخصوصاً در مش‌های Structured و Sweep اهمیت دارد.

برای مثال، اگر دو لبه متناظر قرار است به یکدیگر متصل شوند، اختلاف شدید در تعداد المان‌ها می‌تواند تولید مش سازگار را دشوار کند.

آباکوس در بسیاری از شرایط تلاش می‌کند Seedها را با نیازهای تولید مش سازگار کند و ممکن است توزیع اولیه را تغییر دهد.

Constrain کردن Seedها

آباکوس اجازه می‌دهد Seedهای یک Edge به‌صورت Unconstrained، Partially Constrained یا Fully Constrained تنظیم شوند.

در حالت Unconstrained، نرم‌افزار آزادی بیشتری برای تغییر تعداد المان‌ها هنگام تولید مش دارد.

در حالت Partially Constrained، تعداد المان‌ها می‌تواند افزایش پیدا کند اما کاهش پیدا نمی‌کند.

در حالت Fully Constrained، تعداد مشخص‌شده المان‌ها نباید توسط فرآیند مش‌بندی تغییر کند.

با این حال، استفاده بیش از حد از Fully Constrained Seeds توصیه نمی‌شود؛ زیرا می‌تواند آزادی Mesh Generator را کاهش داده و حتی باعث شکست فرآیند مش‌بندی شود.

اهمیت هندسه در کیفیت مش

کیفیت مش تنها به تنظیمات Mesh Module وابسته نیست. خود هندسه نیز نقش مهمی دارد.

برای مثال، محل قرارگیری Vertices روی Edge بر نحوه قرارگیری Nodes تأثیر دارد. آباکوس در رأس‌های هندسی Seedهای کاملاً محدود ایجاد می‌کند و در هنگام مش‌بندی Node را در آن نقاط قرار می‌دهد. بنابراین هندسه نامناسب یا رأس‌های اضافی می‌توانند روی کیفیت مش اثر بگذارند.

دانه‌بندی مناسب برای تحلیل مهندسی

هدف از Local Seeding این نیست که هرچه ممکن است مش را ریزتر کنیم. هدف، ایجاد تراکم مناسب مش در نقاطی است که پاسخ مدل در آن‌ها حساس‌تر است.

به‌عنوان یک روند عمومی می‌توان ابتدا مش نسبتاً مناسبی برای کل مدل تعریف کرد، سپس نواحی بحرانی را شناسایی و در آن‌ها Local Seed اعمال کرد. در صورت نیاز، با Bias انتقال بین مش ریز و درشت را کنترل کرد و در نهایت کیفیت و همگرایی مش را بررسی نمود.

مطالعه استقلال از مش

پس از ایجاد مش اولیه، بهتر است نتایج با تغییر اندازه مش مقایسه شوند.

برای مثال:

مش اولیه → مش متوسط → مش ریز

سپس یک کمیت مهندسی مانند تنش، جابه‌جایی یا نیروی واکنشی مقایسه می‌شود. اگر با ریزترشدن مش، مقدار موردنظر تغییر قابل‌توجهی نداشته باشد، می‌توان نتیجه گرفت که مش به سطح مناسبی از استقلال از مش نزدیک شده است.

این روش از ایجاد مش بسیار سنگین بدون افزایش واقعی دقت جلوگیری می‌کند.

جمع‌بندی

Local Seeding یکی از مهم‌ترین ابزارهای کنترل مش در آباکوس است و اجازه می‌دهد تراکم المان‌ها در قسمت‌های حساس مدل افزایش یابد، بدون اینکه تعداد المان‌های کل مدل بیش از نیاز زیاد شود. در کنار آن، Bias، Mesh Controls، Partition و انتخاب تکنیک‌های Free، Structured و Sweep امکان کنترل ساختار و الگوی مش را فراهم می‌کنند.

یک مش مناسب باید بین دقت، کیفیت المان و هزینه محاسباتی تعادل ایجاد کند. بنابراین بهترین مش الزاماً ریزترین مش نیست؛ بلکه مشی است که در نواحی بحرانی تراکم کافی داشته باشد، انتقال اندازه المان‌ها در آن منطقی باشد و نتایج تحلیل نسبت به ریزترشدن بیشتر مش حساسیت قابل‌توجهی نشان ندهند.

کلیدواژه ها : دانه‌بندی مش در آباکوس-Seeding در Abaqus-دانه‌بندی موضعی-Local Seeding-دانه‌بندی لبه‌ها-Edge Seeding-Seed Edges-اندازه المان-Element Size-تعداد المان روی لبه-Number of Elements-Biased Seeding-دانه‌بندی Bias-مش با تراکم متغیر-کنترل ساختار مش-Mesh Controls-Mesh Control در آباکوس-Free Meshing-مش آزاد-Structured Meshing-مش ساختاریافته-Sweep Meshing-مش جاروبی-Bottom-up Meshing-مش پایین به بالا-Global Seeding-دانه‌بندی کلی-Partition برای مش‌بندی-کنترل کیفیت مش-Mesh Quality-تراکم موضعی مش-مش ریز در نواحی بحرانی-استقلال از مش-Mesh Convergence-Mesh Refinement-ریزکردن مش در آباکوس-آموزش مش‌بندی آباکوس-آموزش Abaqus-