
这是我用白板软件 Excalidraw 绘制的,这幅图在我粗疏的学习过程中反复得见。第一次见可能是格拉姆-施密特正交化(Gram-Schmidt orthogonalization),图中的箭头都是正常的向量。第二次见可能是维纳滤波器(Wiener filter),细节已经忘光了,图中的箭头好像是随机过程。第三次见就是伽辽金法(Galerkin method)了,图中的箭头现在是函数。
还是处理这个方程
上一篇文章里提到“最小物理知识”,其实相比里兹法的能量泛函,伽辽金法涉及的物理知识还要更少一些。
先分离变量,把上面的方程变得只与空间中的变量 $x,y$ 有关:
和里兹法一样,把近似解写成基函数加权求和的形式:
回想文章的题图,伽辽金法找近似解思路是:当近似解 $\hat w$ 最接近真实解 $w$ 时,每个基函数 $\psi_{i}$ 与根据方程得到的残差 $\nabla^{4}\hat w-k^{4}\hat w$ 正交。
先定义一个内积形式:函数相乘后在板区域内积分
逼近目标可以写作:
可以展开为下式:
为了获得与里兹法一致的结果,对这两个积分作尺度变换,得到:
至此,可以把上式写成矩阵特征值问题:
其中,质量矩阵 $\boldsymbol{M}$ 和刚度矩阵 $\boldsymbol{K}$ 的元素表达式分别为
自伴随算子
相比能量泛函得到的 $k_{ij}$(固定边界条件),这次得到的式子看似有些不同。
为了找到关联,先要补充一个条件。利用上面定义的内积形式,根据格林第二定理:
$\partial A$ 为板区域 $A$ 的边界,如果 $f,g$ 是满足固定边界条件或简支边界条件的模态振型函数,那么在边界上就有 $f=g\equiv0$,于是上式就可以大幅化简为
对于这个情况,称拉普拉斯算子 $\nabla^{2}$ 为自伴随算子。按照上面的规则,可以找到两种 $k_{ij}$ 之间的关系:
或许存在“悖论”
总结一下:对于固定边界条件,里兹法和伽辽金的结果都是 $k{ij}=\langle\nabla^{2}\psi{i},\nabla^{2}\psi{j}\rangle$。但对于简支边界条件,里兹法给出的 $k{ij}$ 显然更为复杂(复杂到上篇文章里都没有直接写出来):
式中 $\nu$ 为泊松比,伽辽金法的推导过程全然没有涉及。
用 RitzSolver 试算一下(与上篇文章相比,对程序包作了一点不重要的改动),可见简支方板和正六边形板的第一特征值 $\lambda{1}$ 随泊松比的变化保持恒定(形状看 PlotMarkers),而简支圆板的 $\lambda{1}$ 随泊松比的增大而单调递增。

简支边界的圆板与泊松比有关,而多边形板与泊松比无关。考古之后发现这一现象被称为“polygon-circle paradox”,也就是说,你可能会预期随着多边形的边数不断增加,趋近于圆形时,多边形板的解会与圆形板的解趋于一致,但实际上并非如此。
画一下取泊松比 $\nu=1$ 时简支边界的多边形薄板模态振型,分别是六边形、十边形、十五边形和二十边形:

可以看出随着多边形边数的增加,边界的“约束”也越来越大。对比 $\nu=1$ 时的简支边界圆板和固定边界圆板,可见简支边界二十边形薄板的“约束”甚至大于固定边界的圆板:

这个悖论的关键好像在于边界的曲直,但我没有真正看穿它。实际上我连“简支边界条件”都不是特别理解。这篇文章只是把我算出来的和查到的东西总结起来,然后放在这里。
24/12/27