Adaptive remeshing通常用于精度控制，通過迭代生成多個不同尺寸的網(wǎng)格，以確保在指定分析步中得到優(yōu)化后的網(wǎng)格。該方法僅適用于Abaqus/Standard分析?；玖鞒倘缦拢?/p>

1 網(wǎng)格類型必須設(shè)置為tet、tri或者quad-dominated(advancing front algorithm)，無需對網(wǎng)格進行額外的局部細化。

2 根據(jù)工況設(shè)置合理的remeshing rules，需要指定Region、Step and Indicator、Sizing Method 和 Constraint

3 完成分析后，由Module Mesh→Adaptivity→Manual Adaptive Remesh→Remeshing Model更新網(wǎng)格。

Adaptive remeshing在滿足網(wǎng)格離散誤差指標目標的前提下，獲得理想解決方案，同時減小單元數(shù)量，降低分析成本。以下圖為例，實現(xiàn)目標網(wǎng)格局部細化，提高了圓角周圍應(yīng)力結(jié)果的質(zhì)量。

注意事項：

Remeshing Rules

根據(jù)工況需求指定Region、Step and Indicator、Sizing Method和Constraint

其中Sizing Method：

Default methods and parameters

默認情況下，除了ENDENERI和HFLERI之外，所有的Error Indicator Targets都使用最小/最大控制網(wǎng)格尺寸算法。ENDENERI和HFLERI采用均勻誤差分布算法。同時Error Indicator Targets設(shè)置為Automatic target reduction。

Uniform error Distribution

迫使模型中每個單元的尺寸滿足指定誤差目標。在大多數(shù)情況下，可以獲得一個全局收斂的網(wǎng)格。

Minimum/Maximum control

選擇最小/最大控制網(wǎng)格大小算法來控制網(wǎng)格密度在最小和最大值的基礎(chǔ)解的位置。

Error Indicator

對于linear response和monotonic response，最終增量步的error indicator即為該工況下模型的最極端狀況，可以使用該指標重構(gòu)網(wǎng)格。因此無需記錄整個求解過程。

對于經(jīng)歷應(yīng)力應(yīng)變反轉(zhuǎn)的對稱模型，如果采用不記錄求解歷史的Error Indicator(以Mises stress為例)，中間過程中的峰值應(yīng)力不會被記錄，重構(gòu)網(wǎng)格的質(zhì)量就可能存在問題。