返回映射算法

玻尔百科

核心要点

返回映射算法是一种预测-校正方法，通过确保应力状态保持在材料屈服面上或其内部，来数值求解弹塑性问题。
其“最近点投影”原理基于最小化弹性势能的物理基础，并在数学上保证了对于凸屈服面的解是唯一的。
该算法是有限元法的基础，通过使用一致算法切线以实现快速收敛，从而能够进行精确模拟。
其适应性强的框架超越了金属塑性，可用于模拟岩土地质材料、损伤力学、大变形，甚至接触摩擦问题。

引言

我们周围世界中的材料对力的响应方式十分复杂。有些变形是暂时的、可逆的，就像拉伸的橡皮筋；但许多变形是永久性的，从根本上改变了物体的形状。这种被称为塑性的不可逆变化，对从金属成形到地质过程的一切都至关重要，然而它给计算机模拟带来了巨大挑战。我们如何教会计算机可靠地在简单的弹性行为和复杂的永久塑性变形之间的临界边界上进行判断？本文通过全面概述现代计算塑性力学的核心工具——返回映射算法，来应对这一计算挑战。在接下来的章节中，您将首先深入探讨其基础性的“原理与机制”，通过其预测-校正逻辑和优雅的几何解释来探索该算法的工作原理。随后，“应用与跨学科联系”一章将揭示该算法的广泛用途，展示它如何使得从金属结构、岩土系统到损伤演化乃至接触摩擦的模拟成为可能。

原理与机制

想象一下，你正试图教会计算机理解一个金属部件如何变形。你轻轻地拉它，它就像弹簧一样伸长一点，放手后又弹回原状。这是弹性，一个可逆的、可预测的世界。但如果你拉得太用力，它就开始永久伸长，它屈服了。当你松开它时，它会回弹一些，但仍然比原来长。这就是塑性，一种永久改变了材料的不可逆变化。

返回映射算法，就是我们教给计算机的一套巧妙规则，用以驾驭从简单的可逆弹性世界到复杂的不可逆塑性世界的转变。在模拟的每一个微小步骤中，这都是计算机的一次探索之旅，一次从错误猜测走向物理正确答案的旅程。

新现实的边界：屈服面

首先，计算机需要一张地图。这张地图绘制在抽象的应力空间中——一个材料内部作用力的数学表示。我们可以将这个多维空间简化为几个关键坐标。其中最重要的两个是静水应力 $p$ （如同作用于某一点的平均压力）和偏应力 $q$ （衡量改变其形状的剪切力或扭曲力）。

在这张地图上，我们画一条线，或者更普遍地说，一个曲面。这就是屈服面。这条边界之内是弹性王国，一切皆可逆。内部的任何应力状态都是“合法的”。边界之外则是塑性之地。外部的任何应力状态对于处于稳定状态的材料来说都是“非法的”或物理上不可达到的。规则很简单：材料的应力状态永远不能存在于此边界之外。

这条边界的形状定义了材料的特性。对于大多数金属，屈服是由剪切而非压力引起的。挤压一块钢并不会使其抵抗扭转的能力增强多少。这意味着它们的屈服面在我们的 $(p,q)$ 图上是一条水平线，与 $p$ 无关。这就是著名的 von Mises 屈服准则。对于土壤、混凝土或岩石等材料，压力至关重要。你把它们压得越紧，它们在破碎前能抵抗的剪切力就越大。它们的屈服面是一条斜线，称为 Drucker-Prager 准则。这条线的形状本身就决定了破坏的物理机制。

预测-校正之舞

现在，让我们让计算机开始工作。在模拟中，变形是以微小的增量发生的。对于每一个应变增量 $\Delta\boldsymbol{\varepsilon}$ ，计算机必须计算出新的应力。最直接的初步猜测是什么？假设没有戏剧性的事情发生。假设这一步是纯弹性的。

这就是弹性预测步骤。计算机通过加上胡克定律（Hooke's Law）预测的应力变化来计算一个“试探应力” $\boldsymbol{\sigma}^{\text{tr}}$ ，就好像材料是一个完美的弹簧一样。

\boldsymbol{\sigma}^{\text{tr}} = \boldsymbol{\sigma}_n + \mathbf{C} : \Delta\boldsymbol{\varepsilon}

这里， $\boldsymbol{\sigma}_n$ 是该增量步开始时的应力， $\mathbf{C}$ 是弹性刚度张量，相当于材料的“弹簧常数”。

接下来是关键时刻。计算机检查这个试探应力在地图上的位置。我们计算屈服函数 $f(\boldsymbol{\sigma}^{\text{tr}})$ 。如果 $f^{\text{tr}} \le 0$ ，我们的试探应力位于边界上或其内部。猜测是正确的！这一步是纯弹性的。计算机接受试探应力作为最终应力，然后继续下一步。

但如果 $f^{\text{tr}} > 0$ 呢？奇妙之处就在于此。我们的试探应力已经闯入了塑性的禁区。对于给定的材料状态，计算机可能会计算出一个超出屈服边界的试探应力，比如说 $22.76$ MPa。这是一个物理上不可能的状态。材料一定是在增量步的某个中间点发生了屈服。最初的假设是错误的，我们需要进行校正。这就触发了塑性校正步骤。

整个过程由一组简洁优美的规则所支配，即 Karush-Kuhn-Tucker (KKT) 条件。在我们的情境下，它们对增量步结束时的最终状态规定如下：

$f_{n+1} \le 0$ ：最终应力必须是物理上允许的。
$\Delta\gamma \ge 0$ ：塑性变形是不可逆的；其量值 $\Delta\gamma$ 不能为负。
$\Delta\gamma \, f_{n+1} = 0$ ：这是关键。如果存在塑性流动（ $\Delta\gamma > 0$ ），最终状态必须正好位于屈服面上（ $f_{n+1}=0$ ）。如果最终状态严格位于弹性区域内（ $f_{n+1} < 0$ ），则不能有塑性流动（ $\Delta\gamma = 0$ ）。

预测-校正算法无非是执行这些简单而强大条件的巧妙程序。

返回之旅：最近点原则

所以，试探应力在边界之外。校正步骤必须将其“返回”到屈服面上。但是返回到哪里？沿什么路径？

答案是力学中最优雅的概念之一。算法将试探应力返回到屈服面上的最近点。这听起来简单，但“最近”具有深刻的物理意义。这里的距离不是你用尺子测量的普通直线欧几里得距离。距离是以一种特殊的方式度量的，由材料的弹性特性定义。返回路径是使不可能的试探状态与屈服面上最终的、可能的状态之间的弹性势能差最小化的路径。最终状态是与试探状态“最像弹性”的状态。该算法不仅仅是一种数值技巧；它是在强制执行最小能量耗散的物理原理。

这就是返回映射算法的精髓。对于压力不敏感的 von Mises 材料，这种基于能量的投影有一个非常简单的几何解释。返回完全发生在偏应力维度上，静水压力 $p$ 保持不变。试探偏应力 $\mathbf{s}^{\text{tr}}$ 只是被径向缩回，直到它接触到屈服圆柱面。这就是为什么它常被称为径向返回算法。

对于压力敏感的 Drucker-Prager 材料，情况则不同。返回路径是倾斜的。它同时改变了压力 $p$ 和偏应力 $q$ 。这种耦合具有重要的物理意义。压力的变化与塑性体积变化相关联——材料在屈服时可能会膨胀（剪胀）或压实，这是土壤和混凝土中的关键行为。返回路径的几何形状直接决定了塑性流动的物理特性。

为何这一切如此重要：唯一性、稳定性与速度

为什么要费这么多功夫？为什么“最近点投影”的概念如此核心？答案在于弹性区域的形状。对于稳定材料，屈服面总是凸的——它像球体一样向外凸出，而不是像马鞍一样向内凹陷。一条基本的数学定理保证，将一个点投影到一个凸集上，有且仅有一个解。这种唯一性是稳健模拟的基石。如果算法可以为应力产生多个“正确”的答案，整个模拟将陷入混乱。凸性保证了物理过程有一个单一的、确定性的答案。

这种稳健的局部算法对大型工程模拟的全局尺度有着深远的影响，例如用有限元法（FEM）分析桥梁或汽车碰撞。这些问题通常用一种复杂的求根方法来解决，典型的是 Newton-Raphson 法。为了实现其著名的二次收敛——感觉就像答案在几次迭代内就迅速锁定——该方法需要应力对应变的全导数。返回映射算法的一个显著特点是，尽管其逻辑是条件性的，但它是可以微分的。这个导数就是一致算法切线 $\mathbf{C}^{\text{alg}}$ 。使用这个精确的切线，是模拟在几分钟内优雅收敛与耗费数小时甚至无法收敛的区别所在。

走向现实：应对真实世界的复杂性

当然，真实世界比我们理想化的模型要混乱得多。

角点与顶点： 一些屈服面，如 Tresca 准则（一个六边形）或 Drucker-Prager 锥面，有尖锐的角点或顶点。在这些点上，“法线”方向不唯一，这给算法带来了麻烦。标准方法会失效。我们可以人为地平滑角点——这是一种实用但有风险的修复，可能导致数值问题——或者部署更先进的半光滑牛顿法，这些方法专门设计用来以数学上的严谨性和速度处理这类不可微点。
大变形： 当金属被锻造或冲压成新形状时，变形是巨大的。在这里，我们必须小心描述塑性流动的方式。总变形 $\mathbf{F}$ 被看作是先经过塑性永久重排 $\mathbf{F}^p$ 后，再施加一个弹性拉伸 $\mathbf{F}^e$ 。对于金属，这种由位错滑移引起的塑性重排是保持体积不变的过程，即 $\det(\mathbf{F}^p) = 1$ 。一个简单的数值更新可能会违反这个物理定律。优雅的解决方案是使用矩阵指数进行更新， $\mathbf{F}^p_{n+1} = \exp(\Delta\mathbf{L}^p) \mathbf{F}^p_n$ 。得益于矩阵演算的一个优美性质，这种公式能够自然而精确地保持塑性体积不变，使模拟保持物理上的真实性。
非传统流动： 对于某些材料，如特定的粘土或沙子，塑性流动的方向不垂直于屈服面。这被称为非关联塑性。返回映射框架足够灵活以处理这种情况，但这是有代价的。问题的美妙对称性被打破了。由此产生的一致切线变得非对称。这意味着在全局层面，我们不能再使用高效的对称求解器，而必须求助于为非对称系统设计的更复杂、计算成本更高的求解器。

从一个简单的“保持在线内”的规则，到一个由能量原理引导的、复杂的预测与校正之舞，返回映射算法为计算机理解材料在屈服和永久变形时的丰富而复杂的行为提供了一种稳健、高效且具有深刻物理意义的方法。它是物理学、数学和计算之间美妙相互作用的证明。

应用与跨学科联系

我们已经遍历了返回映射算法复杂的力学机制，看到了其优雅的预测-校正结构如何强制执行塑性定律。它是一套优美的逻辑机器。但它的目的是什么？这种试探状态与投影的抽象之舞在何处触及真实世界？你会发现，答案是，这个算法无异于让我们能够理解和预测我们周围固体世界行为的计算主力。从摩天大楼中的钢材到我们脚下的土壤，从涡轮叶片的锻造到两个滑动表面之间的摩擦，返回映射算法都是那个安静而必不可少的工具，它将物理定律转化为实用的预测能力。这是一个强大思想统一性的证明。

基础：变形的金属与结构

让我们从塑性故事最具体的地方开始：延性金属，如钢或铝。想象你是一位设计桥梁的工程师。你需要知道一根钢桁架在永久弯曲之前能承受多大的载荷。施加力会拉伸桁架，增加其应变。最初，这就像拉伸一个完美的弹簧——材料是弹性的。但推得太远，它就会屈服，发生永久性的，即塑性变形。返回映射算法正是现代有限元法（FEM）软件中用来计算这个不归点的工具。对于一个简单的桁架单元，该算法在一维上履行其职责：它“预测”一个纯弹性应力，检查这个假设的应力是否超过材料的屈服强度，如果超过，则通过计算使应力回到新的、硬化后的屈服强度所需的确切塑性流动量来“校正”状态。

当然，世界是三维的。汽车车身板或飞机机翼不是简单的1D杆件。然而，同样的基本逻辑也适用。一个复杂的物体被离散化为一个由许多小单元组成的精细网格，在每一个“高斯点 (Gauss points)”内部，都有一个返回映射算法在工作。它接收局部的应变增量，并像1D情况一样，计算局部应力和塑性变形的演化。这突显了计算力学中一个深刻的概念：一个复杂的全局问题是通过忠实地、重复地应用一个简单、稳健的局部规则来解决的。

例如，模拟薄金属板的弯曲需要一套不同于模拟厚重、受约束的块体（“平面应变”条件）的假设（“平面应力”条件）。返回映射算法能够无缝地适应这两种情况。在平面应力的情况下，该算法甚至被嵌入到另一个数值循环中，以确保平面外应力保持为零，这是算法嵌套的一个优美例子。

支撑这一切的是一个简单的几何图像。对于常用于金属的 von Mises 塑性模型，其“返回”是沿应力空间中最短可能路径投影回屈服面——一种“径向返回”。这并非数学上的便利；它是关联塑性流动物理学的直接结果，该物理学规定材料以最有效的方式变形来耗散能量。该算法还可以区分材料记忆其塑性历史的不同方式，例如均匀扩大其屈服面（各向同性硬化）或在应力空间中移动它（随动硬化），为工程师提供了模拟循环加载中 Bauschinger 效应等复杂现象的工具。

超越金属：一个材料的世界

一个真正基本思想的力量在于它不局限于单一情境。世界不仅仅是由闪亮的延性金属构成。我们脚下的土地、大坝中的混凝土，或者我们开凿隧道的岩石呢？这些“岩土地质材料”的行为与金属大相径庭。它们的强度通常取决于它们被挤压的程度——也就是说，它们对静水压力敏感。一块岩石在压缩状态下比在拉伸状态下强得多。此外，当它们“破坏”时，它们通常会膨胀（一种称为剪胀性的特性），而金属则在体积恒定的情况下流动。

我们的算法能处理这个吗？当然可以。只需将 von Mises 屈服准则换成一个压力敏感的准则，如 Mohr-Coulomb 模型，并允许塑性流动的方向与屈服面法线不同（一种“非关联”流动法则），返回映射算法就可以被改造。它仍然执行其预测-校正的职责，但现在它将试探应力投影到一个不同的景观上——一个有棱有角、金字塔状的屈服面，而不是一个光滑的圆柱面。这一扩展对于土木和岩土工程至关重要，使我们能够模拟边坡的稳定性、地基的承载能力以及地震期间土结构的行为。该算法适应这些截然不同的本构规则的能力，展示了其深刻的灵活性。

物理的相互作用：耦合现象

材料很少孤立存在。它们的属性随温度变化，并且随着时间的推移会退化和断裂。返回映射框架通过优雅地整合这些耦合物理效应，证明了其价值。

考虑一个喷气发动机中的部件。它在承受巨大应力的同时暴露在极端温度下。当材料升温时，其屈服强度降低——它变得更软。返回映射算法可以通过使屈服应力成为温度的函数来模拟这一点。现在，校正步骤的“目标”屈服面不再仅由硬化决定；它可以随着温度的每一次变化而收缩或膨胀。塑性甚至可以在没有任何机械载荷变化的情况下被诱发，只需将一个受约束的部件加热到足够弱，以至于在其内部应力下屈服。

此外，材料不仅仅是弯曲；它们还会断裂。这个破坏过程从内部深处开始，伴随着微观空洞和裂纹的形成与生长——这个过程被称为损伤累积。连续介质损伤力学通过引入一个代表材料完整性退化的内部变量 d 来模拟这一点。返回映射算法可以扩展到与塑性应变和硬化同时求解该损伤变量的演化。对于多孔金属，像 Gurson-Tvergaard-Needleman (GTN) 模型这样的复杂模型描述了空洞如何在张力下生长，导致延性断裂。这些先进模型的数值实现完全依赖于一个广义的返回映射方案来更新塑性与损伤的耦合状态变量。这是预测材料最终何时以及如何失效的关键。

宏观图景：大变形与率效应

到目前为止，我们主要考虑的是小变形。但是在车祸中，或者当一块厚钢板被冲压成车门时会发生什么？在这里，变形是巨大的。几何形状本身发生了根本性的变化。我们简单的算法似乎会失效。

值得注意的是，它并不会。通过转向一个更复杂的数学框架——采用变形梯度的乘法分解（ $\boldsymbol{F}=\boldsymbol{F}_{e}\boldsymbol{F}_{p}$ ）并在一个概念性的“中间构型”中工作——返回映射算法的核心思想得以完整保留。具体的应力和应变度量变得更加抽象（例如，Mandel 应力），但算法的灵魂保持不变：一个弹性预测器，后面跟着一个强制执行塑性一致性条件的校正器步骤。这展示了物理学和数学中的一个优美原则：通过正确的坐标变换，一个复杂的问题往往可以变得像一个我们已经知道如何解决的简单问题。

另一个复杂性的维度是时间。如果你慢慢地拉一块橡皮泥，它很容易伸长。快拉，它就会断裂。它的阻力取决于变形的速率。这就是粘塑性。返回映射框架通过取代严格的屈服条件（ $f=0$ ）来适应这一点。取而代之的是，任何在屈服面之外的应力状态（一个“超应力”， $f>0$ ）都是允许的，但它会驱动一个与该超应力大小成正比的速率的塑性流动。算法发生了微妙而深刻的变化：它不再求解屈服面上的一个点，而是求解屈服面外一个与规定速率定律一致的点。这使我们能够模拟聚合物、高温下金属的蠕变以及高速制造过程。

一个惊人的联系：物体的摩擦

我们已经深入到变形晶体和生长空洞的微观世界。现在，让我们把视线拉回来，看一些似乎简单得多的东西：两个物体相互摩擦。这是接触力学和摩擦的世界。这与塑性又有什么关系呢？

这种联系惊人地直接。思考经典的库仑摩擦定律（Coulomb friction law）。接触的两个表面要么“粘滞”，要么“滑移”。粘滞条件类似于塑性中的弹性域。当切向力 $\mathbf{t}_t$ 达到由法向力 $p_n$ 和摩擦系数 $\mu$ 决定的临界值时，就会发生滑移： $\|\mathbf{t}_t\| = \mu p_n$ 。这个方程定义了一个“摩擦锥”，它完美地类比了接触牵引力空间中的屈服面！

我们如何数值求解这种行为呢？你猜对了：用一个返回映射算法。为了确定一个时间步结束时的状态，我们首先“预测”一个纯粹的粘滞状态。这给出了一个试探切向牵引力。然后我们检查这个试探牵引力是否在摩擦锥内。如果在，预测就是正确的——表面保持粘滞。如果它违反了摩擦定律，就会发生“滑移”事件，并应用一个“校正器”步骤。这个返回映射将试探牵引力缩回到摩擦锥的边缘，计算出发生的确切滑移量。其逻辑与塑性的逻辑完全相同。

从变形晶体的核心到轮胎在路面上的尖叫，同一个优雅而强大的算法在起作用。它有力地提醒我们，自然界以及我们用来描述它的数学，常常会重复其最佳创意。返回映射算法不仅仅是一个计算技巧；它是一种描述不可逆耗散过程基本模式的体现，而这一模式正处于力学的核心。