cflin
/
Thermo-elasticTopologyOptimization
1
0
Fork 0
Code Issues Pull Requests Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
12 Commits
2 Branches
0 Tags
44 MiB
 
 
 
 
 
 
Tree: d2787f90df
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'd2787f90df'
${ noResults }
Thermo-elasticTopologyOptim.../da-sha/sha-simulation-utils/shape_function_utils.cpp

347 lines
14 KiB
Raw Blame History

#include "shape_function_utils.h"
#include "sha-base-framework/frame.h"
namespace da::sha {
void ComputeKe(double a, double b, double c, const Eigen::Matrix<double, 6, 6> &D,
Eigen::Matrix<double, 24, 24> &Ke) {
Eigen::Vector2d GP(-1.0 / sqrt(3.0), 1.0 / sqrt(3.0));
Eigen::Vector2d GW(1.0, 1.0);
Ke.setZero();
Eigen::Matrix<double, 6, 9> L = Eigen::Matrix<double, 6, 9>::Zero();
L(0, 0) = 1.0;
L(1, 4) = 1.0;
L(2, 8) = 1.0;
L(3, 1) = 1.0;
L(3, 3) = 1.0;
L(4, 5) = 1.0;
L(4, 7) = 1.0;
L(5, 2) = 1.0;
L(5, 6) = 1.0;
Eigen::Matrix<double, 8, 3> tmp{{-a, -b, -c}, {a, -b, -c}, {a, b, -c}, {-a, b, -c},
{-a, -b, c}, {a, -b, c}, {a, b, c}, {-a, b, c}};
for (int i = 0; i < 2; ++i) {
for (int j = 0; j < 2; ++j) {
for (int k = 0; k < 2; ++k) {
double x = GP(i), y = GP(j), z = GP(k);
Eigen::RowVector<double, 8> dNx{-(1.0 - y) * (1.0 - z) / 8.0, (1.0 - y) * (1.0 - z) / 8.0,
(1.0 + y) * (1.0 - z) / 8.0, -(1.0 + y) * (1.0 - z) / 8.0,
-(1.0 - y) * (1.0 + z) / 8.0, (1.0 - y) * (1.0 + z) / 8.0,
(1.0 + y) * (1.0 + z) / 8.0, -(1.0 + y) * (1.0 + z) / 8.0};
Eigen::RowVector<double, 8> dNy{-(1.0 - x) * (1.0 - z) / 8.0, -(1.0 + x) * (1.0 - z) / 8.0,
(1.0 + x) * (1.0 - z) / 8.0, (1.0 - x) * (1.0 - z) / 8.0,
-(1.0 - x) * (1.0 + z) / 8.0, -(1.0 + x) * (1.0 + z) / 8.0,
(1.0 + x) * (1.0 + z) / 8.0, (1.0 - x) * (1.0 + z) / 8.0};
Eigen::RowVector<double, 8> dNz{-(1.0 - x) * (1.0 - y) / 8.0, -(1.0 + x) * (1.0 - y) / 8.0,
-(1.0 + x) * (1.0 + y) / 8.0, -(1.0 - x) * (1.0 + y) / 8.0,
(1.0 - x) * (1.0 - y) / 8.0, (1.0 + x) * (1.0 - y) / 8.0,
(1.0 + x) * (1.0 + y) / 8.0, (1.0 - x) * (1.0 + y) / 8.0};
Eigen::Matrix<double, 3, 8> tmp1;
tmp1(0, Eigen::all) = dNx;
tmp1(1, Eigen::all) = dNy;
tmp1(2, Eigen::all) = dNz;
Eigen::Matrix3d J = tmp1 * tmp;
Eigen::Matrix3d JInv = J.inverse();
double JDet = J.determinant();
Eigen::Matrix<double, 9, 9> G = Eigen::Matrix<double, 9, 9>::Zero();
G(Eigen::seq(0, 2), Eigen::seq(0, 2)) = JInv;
G(Eigen::seq(3, 5), Eigen::seq(3, 5)) = JInv;
G(Eigen::seq(6, 8), Eigen::seq(6, 8)) = JInv;
Eigen::Matrix<double, 9, 24> dN = Eigen::Matrix<double, 9, 24>::Zero();
dN(0, Eigen::seq(0, 23, 3)) = dNx;
dN(1, Eigen::seq(0, 23, 3)) = dNy;
dN(2, Eigen::seq(0, 23, 3)) = dNz;
dN(3, Eigen::seq(1, 23, 3)) = dNx;
dN(4, Eigen::seq(1, 23, 3)) = dNy;
dN(5, Eigen::seq(1, 23, 3)) = dNz;
dN(6, Eigen::seq(2, 23, 3)) = dNx;
dN(7, Eigen::seq(2, 23, 3)) = dNy;
dN(8, Eigen::seq(2, 23, 3)) = dNz;
Eigen::Matrix<double, 6, 24> Be = L * G * dN;
Ke = Ke + GW(i) * GW(j) * GW(k) * JDet * (Be.transpose() * D * Be);
}
}
}
}
void ComputeBe(double a, double b, double c, std::vector<Eigen::Matrix<double, 6, 24>> &Be) {
assert(Be.size() == 8); // 8 Gauss Points
int gcnt = 0; // count for Gauss Points
Eigen::Vector2d GP(-1.0 / sqrt(3.0), 1.0 / sqrt(3.0));
Eigen::Matrix<double, 6, 9> L = Eigen::Matrix<double, 6, 9>::Zero();
L(0, 0) = 1.0;
L(1, 4) = 1.0;
L(2, 8) = 1.0;
L(3, 1) = 1.0;
L(3, 3) = 1.0;
L(4, 5) = 1.0;
L(4, 7) = 1.0;
L(5, 2) = 1.0;
L(5, 6) = 1.0;
Eigen::Matrix<double, 8, 3> tmp{{-a, -b, -c}, {a, -b, -c}, {a, b, -c}, {-a, b, -c},
{-a, -b, c}, {a, -b, c}, {a, b, c}, {-a, b, c}};
for (int i = 0; i < 2; ++i) {
for (int j = 0; j < 2; ++j) {
for (int k = 0; k < 2; ++k) {
double x = GP(i), y = GP(j), z = GP(k);
Eigen::RowVector<double, 8> dNx{-(1.0 - y) * (1.0 - z) / 8.0, (1.0 - y) * (1.0 - z) / 8.0,
(1.0 + y) * (1.0 - z) / 8.0, -(1.0 + y) * (1.0 - z) / 8.0,
-(1.0 - y) * (1.0 + z) / 8.0, (1.0 - y) * (1.0 + z) / 8.0,
(1.0 + y) * (1.0 + z) / 8.0, -(1.0 + y) * (1.0 + z) / 8.0};
Eigen::RowVector<double, 8> dNy{-(1.0 - x) * (1.0 - z) / 8.0, -(1.0 + x) * (1.0 - z) / 8.0,
(1.0 + x) * (1.0 - z) / 8.0, (1.0 - x) * (1.0 - z) / 8.0,
-(1.0 - x) * (1.0 + z) / 8.0, -(1.0 + x) * (1.0 + z) / 8.0,
(1.0 + x) * (1.0 + z) / 8.0, (1.0 - x) * (1.0 + z) / 8.0};
Eigen::RowVector<double, 8> dNz{-(1.0 - x) * (1.0 - y) / 8.0, -(1.0 + x) * (1.0 - y) / 8.0,
-(1.0 + x) * (1.0 + y) / 8.0, -(1.0 - x) * (1.0 + y) / 8.0,
(1.0 - x) * (1.0 - y) / 8.0, (1.0 + x) * (1.0 - y) / 8.0,
(1.0 + x) * (1.0 + y) / 8.0, (1.0 - x) * (1.0 + y) / 8.0};
Eigen::Matrix<double, 3, 8> tmp1;
tmp1(0, Eigen::all) = dNx;
tmp1(1, Eigen::all) = dNy;
tmp1(2, Eigen::all) = dNz;
Eigen::Matrix3d J = tmp1 * tmp;
Eigen::Matrix3d JInv = J.inverse();
Eigen::Matrix<double, 9, 9> G = Eigen::Matrix<double, 9, 9>::Zero();
G(Eigen::seq(0, 2), Eigen::seq(0, 2)) = JInv;
G(Eigen::seq(3, 5), Eigen::seq(3, 5)) = JInv;
G(Eigen::seq(6, 8), Eigen::seq(6, 8)) = JInv;
Eigen::Matrix<double, 9, 24> dN = Eigen::Matrix<double, 9, 24>::Zero();
dN(0, Eigen::seq(0, 23, 3)) = dNx;
dN(1, Eigen::seq(0, 23, 3)) = dNy;
dN(2, Eigen::seq(0, 23, 3)) = dNz;
dN(3, Eigen::seq(1, 23, 3)) = dNx;
dN(4, Eigen::seq(1, 23, 3)) = dNy;
dN(5, Eigen::seq(1, 23, 3)) = dNz;
dN(6, Eigen::seq(2, 23, 3)) = dNx;
dN(7, Eigen::seq(2, 23, 3)) = dNy;
dN(8, Eigen::seq(2, 23, 3)) = dNz;
Be[gcnt].setZero(6, 24);
Be[gcnt] = L * G * dN;
++gcnt;
}
}
}
}
void ComputeN(const Eigen::RowVector3d &P, Eigen::Matrix<double, 3, 24> &N) {
N.setZero();
double x = P(0), y = P(1), z = P(2);
// TODO: eps??
assert(x >= -1.0 && x <= 1.0 && y >= -1.0 && y <= 1.0 && z >= -1.0 && z <= 1.0);
Eigen::RowVector<double, 8> tmp;
tmp(0) = 0.125 * (1.0 - x) * (1.0 - y) * (1.0 - z);
tmp(1) = 0.125 * (1.0 + x) * (1.0 - y) * (1.0 - z);
tmp(2) = 0.125 * (1.0 + x) * (1.0 + y) * (1.0 - z);
tmp(3) = 0.125 * (1.0 - x) * (1.0 + y) * (1.0 - z);
tmp(4) = 0.125 * (1.0 - x) * (1.0 - y) * (1.0 + z);
tmp(5) = 0.125 * (1.0 + x) * (1.0 - y) * (1.0 + z);
tmp(6) = 0.125 * (1.0 + x) * (1.0 + y) * (1.0 + z);
tmp(7) = 0.125 * (1.0 - x) * (1.0 + y) * (1.0 + z);
N(0, Eigen::seq(0, 23, 3)) = tmp;
N(1, Eigen::seq(1, 23, 3)) = tmp;
N(2, Eigen::seq(2, 23, 3)) = tmp;
}
void ComputeB(double a, double b, double c, const Eigen::RowVector3d &P,
Eigen::Matrix<double, 6, 24> &B) {
B.setZero();
double x = P(0), y = P(1), z = P(2);
// TODO: eps??
assert(x >= -1.0 && x <= 1.0 && y >= -1.0 && y <= 1.0 && z >= -1.0 && z <= 1.0);
Eigen::Matrix<double, 3, 8> tmp;
tmp(0, 0) = -0.125 * (1.0 - y) * (1.0 - z);
tmp(0, 1) = 0.125 * (1.0 - y) * (1.0 - z);
tmp(0, 2) = 0.125 * (1.0 + y) * (1.0 - z);
tmp(0, 3) = -0.125 * (1.0 + y) * (1.0 - z);
tmp(0, 4) = -0.125 * (1.0 - y) * (1.0 + z);
tmp(0, 5) = 0.125 * (1.0 - y) * (1.0 + z);
tmp(0, 6) = 0.125 * (1.0 + y) * (1.0 + z);
tmp(0, 7) = -0.125 * (1.0 + y) * (1.0 + z);
tmp(1, 0) = -0.125 * (1.0 - x) * (1.0 - z);
tmp(1, 1) = -0.125 * (1.0 + x) * (1.0 - z);
tmp(1, 2) = 0.125 * (1.0 + x) * (1.0 - z);
tmp(1, 3) = 0.125 * (1.0 - x) * (1.0 - z);
tmp(1, 4) = -0.125 * (1.0 - x) * (1.0 + z);
tmp(1, 5) = -0.125 * (1.0 + x) * (1.0 + z);
tmp(1, 6) = 0.125 * (1.0 + x) * (1.0 + z);
tmp(1, 7) = 0.125 * (1.0 - x) * (1.0 + z);
tmp(2, 0) = -0.125 * (1.0 - x) * (1.0 - y);
tmp(2, 1) = -0.125 * (1.0 + x) * (1.0 - y);
tmp(2, 2) = -0.125 * (1.0 + x) * (1.0 + y);
tmp(2, 3) = -0.125 * (1.0 - x) * (1.0 + y);
tmp(2, 4) = 0.125 * (1.0 - x) * (1.0 - y);
tmp(2, 5) = 0.125 * (1.0 + x) * (1.0 - y);
tmp(2, 6) = 0.125 * (1.0 + x) * (1.0 + y);
tmp(2, 7) = 0.125 * (1.0 - x) * (1.0 + y);
tmp.row(0) /= a;
tmp.row(1) /= b;
tmp.row(2) /= c;
B(0, Eigen::seq(0, 23, 3)) = tmp.row(0);
B(1, Eigen::seq(1, 23, 3)) = tmp.row(1);
B(2, Eigen::seq(2, 23, 3)) = tmp.row(2);
B(3, Eigen::seq(0, 23, 3)) = tmp.row(1);
B(3, Eigen::seq(1, 23, 3)) = tmp.row(0);
B(4, Eigen::seq(1, 23, 3)) = tmp.row(2);
B(4, Eigen::seq(2, 23, 3)) = tmp.row(1);
B(5, Eigen::seq(0, 23, 3)) = tmp.row(2);
B(5, Eigen::seq(2, 23, 3)) = tmp.row(0);
}
void ComputeNForTet(const Eigen::RowVector3d &P, const Eigen::Matrix<double, 4, 3> &X,
Eigen::Matrix<double, 3, 12> &N) {
Eigen::Matrix<double, 4, 4> H;
H.col(0).setOnes();
H(Eigen::all, Eigen::seq(1, Eigen::last)) = X;
double V6 = H.determinant();
Eigen::Matrix<int, 4, 3> index;
index << 1, 2, 3, 0, 2, 3, 0, 1, 3, 0, 1, 2;
Eigen::RowVector4d a;
Eigen::RowVector4d b;
Eigen::RowVector4d c;
Eigen::RowVector4d d;
a(0) = H(index.row(0), index.row(0)).determinant();
a(1) = -H(index.row(1), index.row(0)).determinant();
a(2) = H(index.row(2), index.row(0)).determinant();
a(3) = -H(index.row(3), index.row(0)).determinant();
b(0) = -H(index.row(0), index.row(1)).determinant();
b(1) = H(index.row(1), index.row(1)).determinant();
b(2) = -H(index.row(2), index.row(1)).determinant();
b(3) = H(index.row(3), index.row(1)).determinant();
c(0) = H(index.row(0), index.row(2)).determinant();
c(1) = -H(index.row(1), index.row(2)).determinant();
c(2) = H(index.row(2), index.row(2)).determinant();
c(3) = -H(index.row(3), index.row(2)).determinant();
d(0) = -H(index.row(0), index.row(3)).determinant();
d(1) = H(index.row(1), index.row(3)).determinant();
d(2) = -H(index.row(2), index.row(3)).determinant();
d(3) = H(index.row(3), index.row(3)).determinant();
Eigen::RowVector4d NN;
NN(0) = (a(0) + b(0) * P(0) + c(0) * P(1) + d(0) * P(2)) / V6;
NN(1) = (a(1) + b(1) * P(0) + c(1) * P(1) + d(1) * P(2)) / V6;
NN(2) = (a(2) + b(2) * P(0) + c(2) * P(1) + d(2) * P(2)) / V6;
NN(3) = (a(3) + b(3) * P(0) + c(3) * P(1) + d(3) * P(2)) / V6;
N.setZero();
N(0, Eigen::seq(0, Eigen::last, 3)) = NN;
N(1, Eigen::seq(1, Eigen::last, 3)) = NN;
N(2, Eigen::seq(2, Eigen::last, 3)) = NN;
}
void ComputeBForTet(const Eigen::Matrix<double, 4, 3> &X, Eigen::Matrix<double, 6, 12> &B) {
Eigen::Matrix<double, 4, 4> H;
H.col(0).setOnes();
H(Eigen::all, Eigen::seq(1, Eigen::last)) = X;
double V6 = H.determinant();
Eigen::Matrix<int, 4, 3> index;
index << 1, 2, 3, 0, 2, 3, 0, 1, 3, 0, 1, 2;
Eigen::RowVector4d b;
Eigen::RowVector4d c;
Eigen::RowVector4d d;
b(0) = -H(index.row(0), index.row(1)).determinant();
b(1) = H(index.row(1), index.row(1)).determinant();
b(2) = -H(index.row(2), index.row(1)).determinant();
b(3) = H(index.row(3), index.row(1)).determinant();
c(0) = H(index.row(0), index.row(2)).determinant();
c(1) = -H(index.row(1), index.row(2)).determinant();
c(2) = H(index.row(2), index.row(2)).determinant();
c(3) = -H(index.row(3), index.row(2)).determinant();
d(0) = -H(index.row(0), index.row(3)).determinant();
d(1) = H(index.row(1), index.row(3)).determinant();
d(2) = -H(index.row(2), index.row(3)).determinant();
d(3) = H(index.row(3), index.row(3)).determinant();
B.setZero();
B(0, Eigen::seq(0, Eigen::last, 3)) = b;
B(1, Eigen::seq(1, Eigen::last, 3)) = c;
B(2, Eigen::seq(2, Eigen::last, 3)) = d;
B(3, Eigen::seq(0, Eigen::last, 3)) = c;
B(3, Eigen::seq(1, Eigen::last, 3)) = b;
B(4, Eigen::seq(1, Eigen::last, 3)) = d;
B(4, Eigen::seq(2, Eigen::last, 3)) = c;
B(5, Eigen::seq(0, Eigen::last, 3)) = d;
B(5, Eigen::seq(2, Eigen::last, 3)) = b;
B /= V6;
}
void ComputeKeForTet(const Eigen::Matrix<double, 4, 3> &X, const Eigen::Matrix<double, 6, 6> &D,
Eigen::Matrix<double, 12, 12> &Ke, double &Vol) {
Eigen::Matrix<double, 4, 4> H;
H.col(0).setOnes();
H(Eigen::all, Eigen::seq(1, Eigen::last)) = X;
double V6 = H.determinant();
Vol = V6 / 6.0;
Eigen::Matrix<int, 4, 3> index;
index << 1, 2, 3, 0, 2, 3, 0, 1, 3, 0, 1, 2;
Eigen::RowVector4d b;
Eigen::RowVector4d c;
Eigen::RowVector4d d;
b(0) = -H(index.row(0), index.row(1)).determinant();
b(1) = H(index.row(1), index.row(1)).determinant();
b(2) = -H(index.row(2), index.row(1)).determinant();
b(3) = H(index.row(3), index.row(1)).determinant();
c(0) = H(index.row(0), index.row(2)).determinant();
c(1) = -H(index.row(1), index.row(2)).determinant();
c(2) = H(index.row(2), index.row(2)).determinant();
c(3) = -H(index.row(3), index.row(2)).determinant();
d(0) = -H(index.row(0), index.row(3)).determinant();
d(1) = H(index.row(1), index.row(3)).determinant();
d(2) = -H(index.row(2), index.row(3)).determinant();
d(3) = H(index.row(3), index.row(3)).determinant();
Eigen::Matrix<double, 6, 12> B;
B.setZero();
B(0, Eigen::seq(0, Eigen::last, 3)) = b;
B(1, Eigen::seq(1, Eigen::last, 3)) = c;
B(2, Eigen::seq(2, Eigen::last, 3)) = d;
B(3, Eigen::seq(0, Eigen::last, 3)) = c;
B(3, Eigen::seq(1, Eigen::last, 3)) = b;
B(4, Eigen::seq(1, Eigen::last, 3)) = d;
B(4, Eigen::seq(2, Eigen::last, 3)) = c;
B(5, Eigen::seq(0, Eigen::last, 3)) = d;
B(5, Eigen::seq(2, Eigen::last, 3)) = b;
B /= V6;
Ke = Vol * (B.transpose() * D * B);
}
} // namespace da::sha