雨流法（循环计数）
理论与物理
雨流法是什么
老师，雨流法是什么？
雨流法（Rainflow Counting）是一种从变动载荷的时间历程中提取闭合迟滞回线（循环）的方法。Endo and Matsuishi（1968年，日本的远藤·松石）以雨水流动为例命名。
为什么需要循环计数
S-N曲线或Coffin-Manson公式给出的是恒定振幅的疲劳寿命。实际载荷是变动振幅的。通过雨流法将变动载荷分解为“多个恒定振幅循环的集合”，并使用Miner法则计算累积损伤。
算法
1. 提取应力时间历程的峰值/谷值
2. 像“雨水从屋顶（pagoda roof）流下”一样识别闭合循环
3. 记录每个循环的应力范围 $\Delta\sigma$ 和平均应力 $\sigma_m$
4. 构建直方图（雨流矩阵）
总结
“雨水从屋顶流下”算法
雨流法的名称来源于将应力时间历程图旋转90°后，看起来像雨水从屋顶流下。1968年由松本登·宗宫恒二等人提出，作为从不规则变动载荷中准确提取疲劳循环的方法，已成为世界标准。于1985年标准化为ASTM E1049。
各项的物理意义
- 惯性项（质量项）：$\rho \ddot{u}$，即“质量×加速度”。您是否有过急刹车时身体被向前甩出的经历？那种“被带走的感觉”正是惯性力。物体越重越难启动，一旦启动也越难停止。建筑物在地震中摇晃，也是因为地面突然移动，而建筑物的质量“被落下”。静力分析中此项设为零，这是“缓慢施力因此加速度可忽略”的假设。对于冲击载荷或振动问题，此项绝对不能省略。
- 刚度项（弹性恢复力）：$Ku$ 或 $\nabla \cdot \sigma$。拉伸弹簧时能感觉到“想要恢复原状的力”吧？那就是胡克定律 $F=kx$，也是刚度项的本质。那么提问——用相同的力拉伸铁棒和橡皮筋，哪个伸长更多？当然是橡皮筋。这种“难以伸长的程度”就是杨氏模量 $E$，它决定了刚度。常见的误解：“刚度高=强度高”是不对的。刚度是“抵抗变形的能力”，强度是“抵抗破坏的能力”，是不同的概念。
- 外力项（载荷项）：体积力 $f_b$（如重力）和表面力 $f_s$（如压力、接触力）。可以这样理解——桥上卡车的重量是“作用在整个内部上的力”（体积力），轮胎压路面的力是“仅作用在表面上的力”（表面力）。风压、水压、螺栓预紧力…都是外力。这里容易犯的错误：弄错载荷方向。本想施加“拉伸”却变成了“压缩”——听起来像笑话，但在3D空间中坐标系发生旋转时确实会发生。
- 阻尼项：瑞利阻尼 $C\dot{u} = (\alpha M + \beta K)\dot{u}$。试着弹一下吉他的弦。声音会一直持续吗？不，会逐渐变小。这是因为振动能量通过空气阻力和弦的内部摩擦转化为热能。汽车的减震器也是同样原理——故意吸收振动能量以提高乘坐舒适性。如果阻尼为零会怎样？建筑物在地震后会一直摇晃不停。实际上不会这样，因此设置适当的阻尼很重要。
假设条件与适用范围
量纲分析与单位制
| 变量 | SI单位 | 注意事项·换算备忘 |
|---|---|---|
| 位移 $u$ | m（米） | 输入为mm时，载荷·弹性模量也需统一为MPa/N系 |
| 应力 $\sigma$ | Pa（帕斯卡）= N/m² | MPa = 10⁶ Pa。与屈服应力比较时注意单位制不一致 |
| 应变 $\varepsilon$ | 无量纲（m/m） | 注意工程应变与对数应变的区别（大变形时） |
| 弹性模量 $E$ | Pa | 钢：约210 GPa，铝：约70 GPa。注意温度依赖性 |
| 密度 $\rho$ | kg/m³ | mm系中为tonne/mm³（钢为 = 10⁻⁹ tonne/mm³） |
| 力 $F$ | N（牛顿） | mm系和m系均统一为N |
数值解法与实现
雨流法的计算
所有疲劳软件都内置了雨流法。输入FEM的应力时间历程→雨流法→S-N/ε-N→Miner法则的自动流程。
在MATLAB/Python中也可使用 rainflow 库轻松计算。
总结
雨流矩阵的读法
雨流法的结果以雨流矩阵（RFC矩阵）表示，纵轴为最小应力，横轴为最大应力的频率分布。对角线元素振幅小、循环数低，边缘元素振幅大、损伤高。疲劳损伤由远离对角线的元素主导，实际评估中这些边缘数据的精度左右着Miner法则计算的精度。
线性单元（一阶单元）
节点间线性插值。计算成本低，但应力精度低。注意剪切锁定（可通过减缩积分或B-bar法缓解）。
二阶单元（带中间节点）
可表现曲线变形。应力精度大幅提高，但自由度约增加2~3倍。推荐：应力评估重要时使用。
完全积分 vs 减缩积分
完全积分：有过约束（锁定）风险。减缩积分：有沙漏模式（零能模式）风险。根据情况选择。
自适应网格
基于误差指标（ZZ估计量等）的自动细化。高效提高应力集中部位的精度。有h法（单元细分）和p法（增加阶次）。
牛顿·拉弗森法
非线性分析的标准方法。每次迭代更新切线刚度矩阵。在收敛半径内具有二次收敛性，但计算成本高。
修正牛顿·拉弗森法
切线刚度矩阵使用初始值或每隔几次迭代更新。每次迭代成本低，但收敛速度为线性。
收敛判定标准
力残差范数: $||R|| / ||F_{ext}|| < \epsilon$（通常 $\epsilon = 10^{-3}$〜$10^{-6}$）。位移增量范数: $||\Delta u|| / ||u|| < \epsilon$。能量范数: $\Delta u \cdot R < \epsilon$
载荷增量法
不一次性施加全部载荷，而是分小步增加。弧长法（Riks法）可以超越载荷-位移关系的极值点进行追踪。
直接法 vs 迭代法的比喻
直接法是“用笔算精确解联立方程”的方法——可靠但大规模问题耗时过长。迭代法是“反复猜测逼近正确答案”的方法——最初是粗略答案，但每次迭代精度都会提高。就像查字典时，从第一页开始顺序查找（直接法）不如先估计位置翻开，再前后调整（迭代法）来得高效，原理相同。
网格阶次与精度的关系
一阶单元是“用直尺近似曲线”——用直线折线表现，因此精度有限。二阶单元是“柔性曲线”——可以表现曲线变化，即使网格密度相同，精度也显著提高。但是，每个单元的计算成本增加，需要根据总体的成本效益来判断。
实践指南
雨流法的实务
评估汽车道路数据（实际行驶的应力时间历程）的疲劳寿命。飞机的飞行谱。管道的压力循环。
实务检查清单
从实际路面数据评估疲劳
在汽车的耐久性试验中，通过应变片测量实际路面行驶数据，并用雨流法解析以评估疲劳损伤。福特公司从1980年代开始通过EDAP（工程耐久性分析包）将此方法标准化，并优化了算法，使得处理10公里比利时路面行驶数据在1990年代的PC上仅需数秒。
分析流程的比喻
分析流程其实和烹饪非常相似。首先是采购食材（准备CAD模型），进行预处理（网格生成），开火烹饪（求解器执行），最后装盘（后处理可视化）。这里有个重要的问题——烹饪中最容易失败的工序是哪里？其实是“预处理”。网格质量差的话，无论使用多么优秀的求解器，结果都会一团糟。
初学者容易陷入的陷阱
您确认过网格收敛性吗？是否认为“计算能运行=结果正确”？这其实是CAE初学者最容易掉入的陷阱。求解器一定会对给定的网格返回“一个像样的答案”。但如果网格太粗糙，这个答案就会与现实有很大偏差。至少用3个级别的网格密度确认结果是否稳定——如果忽视这一点，就会陷入“计算机给出的答案应该正确”的危险误区。
边界条件的思考方式
边界条件的设置，与编写考试的“题目”是一样的。如果题目错了会怎样？无论计算多么精确，答案都是错的。“这个面真的是完全固定的吗？”“这个载荷真的是均匀分布的吗？”——正确建模现实的约束条件，其实是整个分析中最重要的步骤。
软件比较
工具
内置于所有疲劳软件。MATLAB/Python也可实现。
雨流计数的标准差异与实现
对于同一载荷历程，ASTM E1049-85和DIN 45667的循环计数结果可能相差最大15%。MSC Fatigue默认采用四点法（遵循ASTM），nCode默认采用HCM法（遵循DIN），汽车行业ZF公司则标准采用HCM法。标准选择直接关系到疲劳寿命预测的精度。
选定时最重要的3个问题
- “要解决什么问题”：雨流法（循环计数）所需的物理模型·单元类型是否支持。例如，流体方面是否支持LES，结构方面接触·大变形的支持能力有差异。
- “谁来使用”：新手团队适合GUI丰富的工具，有经验者适合脚本驱动的灵活工具。类似于汽车的自动挡（GUI）和手动挡（脚本）的区别。
- “要扩展到什么程度”：考虑到未来的分析规模扩大（HPC支持）、向其他部门扩展、与其他工具的联动，这样的选择有助于长期的成本削减。
尖端技术
雨流法的前沿
向高斯过程的扩展与非稳态载荷
传统的雨流法以稳态随机载荷为前提，但实际载荷多为统计特性随时间变化的非稳态过程。2010年代确立的“加窗雨流法”在时间窗口内进行循环提取，实现了对非稳态载荷的应对。已应用于风力涡轮机运行条件变化引起的疲劳评估。
故障排除
雨流法的问题
中途截断数据的残留循环问题
当实测数据的开头和结尾不完整时，会产生雨流法的“残留”循环。忽略此问题会导致损伤量被低估10~20%。ASTM E1049推荐使用范围对法来补全残留循环，但在实务中，根本的解决方法是设计测量协议，确保整个测量区间完整。
当“分析结果不符”时
- 首先深呼吸——慌张地随机更改设置会使问题更加复杂
- 创建最小重现案例——以最简单的形式重现雨流法（循环计数）的问题。“减法式调试”最有效率
- 每次只改变一个变量再执行——同时进行多项更改，会不知道哪个起了作用。与科学实验相同的“对照实验”原则
- 回归物理本质——如果计算结果出现“物体逆重力漂浮”等非物理现象，应怀疑输入数据存在根本性错误
相关主题
なった
詳しく
報告