abaqus提高計算速度的案例
如何提高ABAQUS計算速度
如何提高ABAQUS計算速度
當問題的自由度和復雜程度比較小的時候，計算速度也許不是什么太大的問題，但當自由度很多，比如幾百萬個自由度，又有復雜的接觸搜索計算時，計算速度就很重要了。我不精通計算機原理，但在Windows和Linux上安裝使用過32位和64位ABAQUS，也在64位工作站上用Linux并行計算過，對計算速度有一點自己的心得，寫出來和大家討論下，對計算機比較精通的，希望能解釋下原理和表達下自己的看法。
我認為影響計算速度的因素主要有3個：
1.計算模型的大小和復雜程度；
2.ABAQUS中關于內存和硬盤使用的設置；
3.計算機的配置。
在ABAQUS幫助文件中說，一個有限元模型在分析計算中，會生成兩種臨時文件，第一種臨時文件是必須放在內存中，第二種臨時文件可以放在硬盤里也可以放在內存中。由于內存讀寫速度比硬盤讀寫速度快，所以如果計算機配置不變的情況下，要達到最快計算速度，就要在計算時讓兩種臨時文件都放在內存中。在計算前進行datacheck，然后在dat文件中會告訴你能使模型計算所需最小的內存量，也就是在計算中所生成的第一種文件的大小，還會告訴你最小I/O交換情況所需的內存量，也就是兩種文件都放在內存中時所需要的內存量，我稱這叫“全速計算”所需內存量。在ABAQUS中，有個內存使用上限設置參數，也就是你允許你的計算機中有多少內存讓ABAQUS使用，如果你允許ABAQUS使用的內存上限大于“全速計算”所需內存，則ABAQUS會將兩種臨時文件放入內存使用。如果允許內存大于最小所需內存，小于“全速計算”計算內存，則ABAQUS會把第二種文件一部分放入內存，一部分放入硬盤。如果允許內存小于最小所需內存，則無法計算。
展開 ABAQUS提高計算速度的經驗總結
所以如果你的模型“全速計算”所需內存量很小的時候，或者相對你的計算機物理內存很小的時候，如果不改變計算機配置，速度就已經達到最快了，再加大內存或內存上限也沒用。如果你的模型無法進行“全速計算”，首先可以在可能的情況下，提高ABAQUS允許使用內存上限值來提速，如果本身物理內存的限制，那么加大物理內存也能提速。
下面說說CPU和內存的使用問題。首先CPU和內存頻率越高計算速度就會越快。當“全速計算”時，我看到的是CPU在分析計算時能100％使用（除了前處理，寫入計算結果和兩迭代計算中間隙時），多CPU計算也是如此。不是“全速計算”時，分析計算種CPU部分時間能100％使用，和部分CPU能100％使用，我想這應該和硬盤讀寫速度相對較慢導致的吧。如果有兩個模型在某計算機中都能“全速計算”，兩個“全速計算”的內存之和也不超過允許使用內存大小，如果同時計算，計算速度應該都小于分別單獨計算時的速度，因為CPU要分配給兩個模型用。如果兩個“全速計算”的內存之和大于允許使用內存，則同時計算時就會“搶內存”，計算速度就會大打折扣，這還沒考慮如果使用了虛擬內存的情況。
如果你設置的ABAQUS使用的內存上限大于你實際的物理內存，這個時候好像就會用到虛擬內存，計算速度也會大打折扣。如果你用ABAQUS時還有其它程序也在大量使用內存和CPU，也會很影響速度。所以務必保證你設置的允許使用內存上限，必須是計算機物理內存實際能空閑提供給ABAQUS使用的內存。
然后再是Linux和并行計算的問題，一臺計算機使用多個CPU進行計算也算是一種并行計算，在“全速計算”情況下參與計算的CPU越多，計算速度越快。我用的是ABAQUS6.8，Linux用的是opensuse10.3，計算機用的是兩臺64位8CPU工作站。
展開 ABAQUS提高計算速度的經驗總結（轉）
在ABAQUS幫助文件中說，一個有限元模型在分析計算中，會生成兩種臨時文件，第一種臨時文件是必須放在內存中，第二種臨時文件可以放在硬盤里也可以放在內存中。由于內存讀寫速度比硬盤讀寫速度快，所以如果計算機配置不變的情況下，要達到最快計算速度，就要在計算時讓兩種臨時文件都放在內存中。在計算前進行datacheck，然后在dat文件中會告訴你能使模型計算所需最小的內存量，也就是在計算中所生成的第一種文件的大小，還會告訴你最小I/O交換情況所需的內存量，也就是兩種文件都放在內存中時所需要的內存量，我稱這叫“全速計算”所需內存量。在ABAQUS6.8中，有個內存使用上限設置參數，也就是你允許你的計算機中有多少內存讓ABAQUS使用，如果你允許ABAQUS使用的內存上限大于“全速計算”所需內存，則ABAQUS會將兩種臨時文件放入內存使用。如果允許內存大于最小所需內存，小于“全速計算”計算內存，則ABAQUS會把第二種文件一部分放入內存，一部分放入硬盤。如果允許內存小于最小所需內存，則無法計算。
所以如果你的模型“全速計算”所需內存量很小的時候，或者相對你的計算機物理內存很小的時候，如果不改變計算機配置，速度就已經達到最快了，再加大內存或內存上限也沒用。如果你的模型無法進行“全速計算”，首先可以在可能的情況下，提高ABAQUS允許使用內存上限值來提速，如果本身物理內存的限制，那么加大物理內存也能提速。
下面說說CPU和內存的使用問題。首先CPU和內存頻率越高計算速度就會越快。當“全速計算”時，我看到的是CPU在分析計算時能100％使用（除了前處理，寫入計算結果和兩迭代計算中間隙時），多CPU計算也是如此。不是“全速計算”時，分析計算種CPU部分時間能100％使用，和部分CPU能100％使用，我想這應該和硬盤讀寫速度相對較慢導致的吧。
展開 云解決方案 | Ansys Gateway顯著提高仿真計算能力和求解速度
由AWS亞馬遜云提供支持的Ansys Gateway：為仿真而打造
這款云解決方案，即由AWS亞馬遜云提供支持的Ansys Gateway，顯著提高了仿真的計算能力和求解速度，專用于解決當今仿真所具有的海量數據、復雜工作流程和跨職能協作。
該解決方案可在AWS Marketplace上獲取，其巧妙結合了全球最全面、最廣泛采用的云平臺，與Ansys在通過HPC解決高級工程問題方面的深厚專業知識。Ansys專家深知如何將特定的Ansys解決方案與問題類型以及最佳HPC配置相匹配，因此，可提供優異的“即插即用”性能，其默認的虛擬桌面架構（VDI）和HPC設置已經針對工程仿真進行了優化。
由AWS亞馬遜云提供支持的Ansys Gateway還可為更高級的用戶提供對云環境的完全控制。用戶可以通過用戶門戶配置自己獨特的VDI或HPC集群，這些集群可根據用戶自己的仿真需求進行定制。用戶可從AWS云部署模板提供的豐富選項中進行選擇，其中包含CPU、內存、存儲和網絡容量的各種組合。由AWS亞馬遜云提供支持的Ansys Gateway還為每個求解器提供推薦的模板類型。
云定制化功能使Ansys Fluent用戶能夠在求解速度和計算成本之間進行平衡，以滿足他們自己的特定需求。有些用戶可能面臨緊迫的期限，需要選擇最快的運行時間，而不考慮成本；而另一些用戶可能不需要快速獲得CFD仿真結果，并選擇較慢的解決方案運行時間，從而最大限度地降低硬件成本。由AWS亞馬遜云提供支持的Ansys Gateway使仿真用戶能夠自己做出明智的選擇。
展開 
ANSYS模型的Model Order Reduction（提高瞬態計算速度數百倍）
（Solver_Option = 0 是使用external 的 MOR_MUMPS.exe程序做matrix factorization,速度可提高數倍。MOR_MUMPS.exe是自己寫的C語言程序，用到了GNU MUMPS linear solver library和BLAS library, 需用GNU fortran 和 gcc 編譯).
ANSYS模型的MOR步驟：
Model Order Reduction using Ansys & Matlab.rar
(1): 在ANSYS里建模，mesh,以及加載 （不必求解）。
(2): 用HBMAT命令輸出system matrice文件(Example.mac里有對應的code).
(3): 在Matlab里讀入system matrice文件進行MOR(code在MOR_ODE.m里).
(4): 在Matlab里用ODE solver求解并project solution back 得到原模型上的解。
限制： 模型必需是linear system response model.
ansys.dat 中包含了用ANSYS得到的MX和MN點的溫度變化曲線， 用來和MOR結果做比較。
下圖顯示了用matlab/MOR求解ANSYS模型結果和直接用ANSYS simulation的結果的比較，可以看出結果完全一樣，求解速度提高400倍！
展開 【經驗貼】關于影響帶UMAT的ABAQUS模型計算速度的若干因素的探討
聲明：貼主目前正在學習ABAQUS，對UMAT有一點淺淺的了解，若有不對的地方，請理性留言討論。
貼主的ABAQUS模型即使使用工作站，一運行也好幾天，苦惱不已，因此萌生了探討影響計算速度的相關因素的想法。
首先影響ABAQUS運行速度的最主要因素是模型的復雜程度，但往往模型是不易更改的，因此本文不做討論，而著重討論容易更改的部分，進而提高ABAQUS的運行效率。以下對計算效率的討論均使用了使用TEXGEN生成的2D編織模型，模型文件也會放在參考里。
1、載荷大小是否影響運算效率？
會。對模型的位移拉伸0.5，計算時間為1:45.12; 對模型的位移拉伸1，所需時間為2:53.65。可見，位移大小對計算時間是有影響的，位移越大，所需的時間越多，但單位位移所需的時間是遞減的。
2、約束是否會影響運算效率？
不會。我分別進行了模型一端tie到RP點上，然后施加靜止約束的運算，以及模型一端直接施加靜止約束的運算，所需時間差別不大。
3、調用核心數對運行效率影響多大？
貼主電腦CPU為I5-11400，共6個核心，做了以下試驗：
核心數 位移U 時間 CPU利用率
8 0.5 1:40 100%
7 0.5 1:43 100%
6 0.5 1:51 80%
2 0.5 3:29 35%
由此可發現，即使電腦內核只有6個，調用6個內核CPU是跑不滿的，建議調用CPU時候多調用兩個。
展開 巧用單元提高Abaqus計算效率：帶扭曲的軸對稱單元-橡膠阻尼器內摩擦生熱分析 ￥49.99
Abaqus有非常豐富的單元庫，其中就有軸對稱單元，比如CAX4（I/R/H/T），當一個回轉結構具有某種載荷對稱性時，可以用它將三維模型縮減為軸對稱模型來分析，能減少大量的內存和分析時間，而同樣的模型規模，3D實體單元要更耗費計算資源。
那么，回轉結構受到側向彎曲或軸向扭轉的載荷時，有沒有類似的單元可以用呢？
橡膠阻尼器的內摩擦生熱分析-節點溫度云圖
比如，假設上圖中的阻尼器不再是長方體，而是回轉體，且發生軸向扭曲變形，那么能不能用軸對稱單元來建模呢？
答案是可以的，在Abaqus的軸對稱單元系里還有一種可考慮Twist的單元，即帶字母G標識的那種類型，能夠在分析時充分考慮回轉體的整體扭轉變形。
首先，我們可以在part模塊使用Axisymmetric建立環形塊狀阻尼器的回轉截面；然后在mesh模塊劃分好四邊形網格；最后，定義單元類型為CGAX4T，即帶扭曲的4節點軸對稱位移-溫度耦合單元。
這里的橡膠阻尼器材料本構采用的是超彈性模型，應變能描述形式為Neo Hooke，再結合時域黏彈性Prony參數與非彈性變形能耗散比，來計算阻尼器周期性扭轉過程中的材料內摩擦生熱。
阻尼器上、下兩個端面的節點分別使用位于回轉軸上的兩個參考點來耦合，固定下端面參考點，并在上端面參考點施加軸向的周期性扭角位移。
阻尼器的回轉結構與網格-單元
雖然建模時只考慮了回轉截面，但是帶扭曲的軸對稱單元可以將回轉體發生扭轉時的整體結構響應考慮在內，這是因為這種單元多了一個扭轉自由度5，拿本例中的位移-溫度耦合單元CGAX4T來說，該單元的節點具有1、2、5和11四個自由度。
展開 