초록
다양한 산업 분야의 구조물은 여러 부구조의 조합으로 구성되며, 시스템의 자유도 또한 무수히 많다. 높은 복잡성을 가지는 구조물의 해석 및 계산 효율을 향상시키기 위해서 해석 모델의 단순화 및 자유도 축소가 요구된다. 지난 50여 년 동안 규모가 큰 공학적 문제를 단순화하기 위해 다양한 부분구조화 기법들이 개발되어 왔다. 이러한 부분구조화 기법들은 Newton-Raphson 알고리즘 등과 같은 반복계산을 동반하는 비선형 구조해석 문제 해석에 매우 효과적이다. 본 논문에서는 기 개발된 비선형 부분구조화 기법 중의 하나인 모드미분(modal derivatives)을 이용하여 기하비선형 보의 모델 축소에 적용하고자 한다. 모드미분은 모드 기반 축소 기저의 2차항의 형태로, 선형모드의 조합으로 근사 가능한 변위벡터를 미소변위에 대한 Taylor 급수를 통해 확인할 수 있으며, 시스템의 고유치 문제를 모드 좌표로 미분을 함으로써 얻어진다. 모드미분에는 비선형 접선 강성행렬의 미분을 포함하고 있으며, 이는 유한차분법 등의 근사를 통해 계산할 수 있다. 제안된 방법론은 기하학적 비선형 문제에 우수한 성능을 보이는 동시회전 유한요소법에 적용하였다. 수치예제를 통해 보의 경계가 수평으로 움직일 수 있는 문제에서는 기존의 모드축소기법이 매우 비효율적임을 알 수 있었다. 한편 모드미분을 이용한 축소기법은 다양한 경계조건에 대하여 우수한 성능을 보임을 확인하였다.
The structures, which are made up with the huge number of degrees-of-freedom and the assembly of substructures, have a great complexity. In order to increase the computational efficiency, the analysis models have to be simplified. Many substructuring techniques have been developed to simplify large-scale engineering problems. The techniques are very powerful for solving nonlinear problems which require many iterative calculations. In this paper, a modal derivatives-based model order reduction method, which is able to capture the stretching-bending coupling behavior in geometrically nonlinear systems, is adopted and investigated for its performance evaluation. The quadratic terms in nonlinear beam theory, such as Green-Lagrange strains, can be explained by the modal derivatives. They can be obtained by taking the modal directional derivatives of eigenmodes and form the second order terms of modal reduction basis. The method proposed is then applied to a co-rotational finite element formulation that is well-suited for geometrically nonlinear problems. Numerical results reveal that the end-shortening effect is very important, in which a conventional modal reduction method does not work unless the full model is used. It is demonstrated that the modal derivative approach yields the best compromised result and is very promising for substructuring large-scale geometrically nonlinear problems.