损伤塑性混凝土模型(CDP)

分类: 構造解析 | 综合版 2026-04-06
CAE visualization for concrete damaged theory - technical simulation diagram
損傷塑性コンクリートモデル(CDP)

理论与物理

CDP模型是什么

🧑‍🎓

老师,CDP模型是什么?


🎓

CDP(Concrete Damaged Plasticity)是Abaqus的混凝土本构模型塑性(基于DP准则)+损伤(拉伸开裂+压缩压溃)的组合。


混凝土的特殊性

🎓
  • 抗拉强度仅为抗压强度的1/10 — 抗拉能力弱
  • 拉伸软化(开裂) — 拉伸应力在峰值后下降
  • 压缩也软化 — 峰值抗压强度后应力下降
  • 拉-压不对称性 — 拉伸损伤后,压缩时恢复(刚度恢复)

  • CDP的构成

    🎓
    • 屈服面 — 修正的Drucker-Prager。拉-压不对称性
    • 拉伸损伤 — 拉伸导致开裂→刚度下降
    • 压缩损伤 — 压缩导致压溃→刚度下降
    • 刚度恢复 — 拉伸裂缝闭合时压缩刚度恢复

    • FEM中的设置

      🎓

      ```

      *CONCRETE DAMAGED PLASTICITY

      dilation_angle, eccentricity, fb0/fc0, K, viscosity

      *CONCRETE COMPRESSION HARDENING

      stress, inelastic_strain

      *CONCRETE TENSION STIFFENING

      stress, cracking_strain

      *CONCRETE COMPRESSION DAMAGE

      damage, inelastic_strain

      *CONCRETE TENSION DAMAGE

      damage, cracking_strain

      ```


      总结

      🎓

      要点:


      • CDP = Drucker-Prager塑性 + 拉伸/压缩损伤 — 混凝土专用
      • 拉伸软化(开裂)+压缩软化(压溃) — 混凝土的特殊行为
      • 刚度恢复 — 拉伸裂缝闭合后在压缩下恢复
      • Abaqus的CDP是研究领域事实上的标准

      Coffee Break 闲谈

      CDP模型的两位之父

      混凝土损伤塑性(CDP)模型的原典是J. Lubliner和J. Oliver(巴塞罗那理工大学)于1989年发表的论文《A plastic-damage model for concrete》。随后在1998年,Abaqus团队的Lee & Fenves大幅改善了应变软化的数值稳定性,形成了目前世界上使用最广泛的公式。这个Lee-Fenves版本作为Abaqus/Standard的Concrete Damaged Plasticity被产品化。

      各项的物理意义
      • 惯性项(质量项):$\rho \ddot{u}$,即“质量×加速度”。您有过急刹车时身体被向前甩出去的经历吗?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。地震时建筑物摇晃,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“缓慢加载所以加速度可以忽略”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):$Ku$ 和 $\nabla \cdot \sigma$。拉弹簧时会感觉到“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——用相同的力拉铁棒和橡皮筋,哪个伸得更长?当然是橡皮筋。这种“不易伸长”的特性就是杨氏模量 $E$,它决定了刚度。常见的误解:“刚度高=强度高”是不对的。刚度是“不易变形”,强度是“不易破坏”,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)。可以这样想——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“只作用在表面上的力”(表面力)。风压、水压、螺栓紧固力…都是外力。这里容易犯的错误:弄错载荷方向。本想“拉伸”却成了“压缩”——听起来像笑话,但在3D空间中坐标系旋转时确实会发生。
      • 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或弦的内部摩擦转化为热能。汽车的减震器也是同样原理——故意吸收振动能量来改善乘坐舒适性。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,所以设置适当的阻尼很重要。
      假设条件与适用范围
      • 连续体假设:将材料视为连续介质,忽略微观不均匀性
      • 小变形假设(线性分析时):变形相对于初始尺寸足够小,应力-应变关系呈线性
      • 各向同性材料(未特别指定时):材料特性不依赖于方向(各向异性材料需另行定义张量)
      • 准静态假设(静力分析时):忽略惯性力·阻尼力,仅考虑外力与内力的平衡
      • 不适用的情形:大变形·大旋转问题需要几何非线性。塑性·蠕变等非线性材料行为需要扩展本构关系
      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mm时,载荷·弹性模量也需统一为MPa/N系
      应力 $\sigma$Pa(帕斯卡)= N/m²MPa = 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/m³mm系中为tonne/mm³(钢约为 10⁻⁹ tonne/mm³)
      力 $F$N(牛顿)mm系用N,m系也用N统一

      数值解法与实现

      CDP的参数

      🎓
      参数典型值含义
      Dilation angle ($\psi$)30〜40°剪胀角
      Eccentricity0.1双曲线的偏心率
      $f_{b0}/f_{c0}$1.16双轴/单轴抗压强度比
      $K$2/3屈服面形状参数
      Viscosity0.0001〜0.001粘性正则化
      🧑‍🎓

      为什么需要粘性正则化(Viscosity)?


      🎓

      混凝土的拉伸软化具有很强的网格依赖性。粘性正则化可以“平滑”局部化以改善收敛性。$\mu = 10^{-4} \sim 10^{-3}$ 是常用值。过大则响应不准确。


      总结

      🎓
      • 5个塑性参数 + 压缩/拉伸硬化曲线 + 损伤变量
      • 粘性正则化改善收敛性 — $\mu = 10^{-4}$
      • Abaqus的CDP最具实绩 — RC结构的非线性分析

      • Coffee Break 闲谈

        抗拉强度仅为抗压的1/10

        普通混凝土的抗压强度一般为24〜60 N/mm²,但其抗拉强度仅为约1/10,即2〜5 N/mm²。CDP模型通过独立定义的拉伸和压缩损伤变量(d_t, d_c)来表现这种极端的非对称性。在FEM分析中,拉伸侧的应力-应变关系输入对最终结果影响最为敏感,因此拉伸软化曲线的设置精度左右着分析质量。

        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)

        可以表现曲线变形。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(如ZZ估计量)的自动细化。高效提高应力集中区域的精度。有h法(单元细分)和p法(增加阶次)。

        牛顿·拉夫森法

        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阶收敛性,但计算成本高。

        修正牛顿·拉夫森法

        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。

        收敛判定准则

        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,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。不过,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

        CDP的实务

        🎓

        用于RC结构建筑的抗震分析、混凝土大坝、核电站安全壳、PCa构件的详细分析。


        实务检查清单

        🎓
        • [ ] 压缩硬化曲线是否基于材料试验(圆柱体压缩试验)
        • [ ] 拉伸软化是否基于断裂能 $G_f$
        • [ ] 是否确认粘性正则化参数 $\mu$ 不影响结果
        • [ ] 钢筋是否通过embedded单元正确建模
        • [ ] 网格尺寸是否与拉伸软化特征长度匹配

        • Coffee Break 闲谈

          东日本大地震与抗震分析

          2011年东日本大地震后,许多现有RC建筑的抗震性能评估都采用了基于CDP模型的FEM分析。在国土交通省的委托研究(2012〜2014年)中,确认了使用CDP模型进行的静力增量分析(推覆分析)对最大载荷的预测误差在加载实验值的±15%以内,因此被正式认可作为现有建筑抗震诊断的补充方法。

          分析流程的比喻

          分析流程其实和烹饪非常相似。首先采购食材(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。

          初学者容易掉入的陷阱

          您确认了网格收敛性吗?是不是认为“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。求解器一定会根据给定的网格返回“一个像样的答案”。但如果网格太粗,这个答案就会与现实有很大偏差。至少用三个级别的网格密度确认结果是否稳定——如果忽略这一点,就会陷入“因为是计算机给出的答案所以应该正确”的危险误区。

          边界条件的思考方式

          边界条件的设置,和考试的“出题”是一样的。如果题目出错了呢?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

          CDP的工具

          🎓
          • Abaqus CDP — 研究领域事实上的标准。论文引用最多
          • Ansys — William-Warnke / SOLID65。虽旧但有实绩
          • ATENA — 混凝土专用FEM。用于RC结构详细分析
          • DIANA — 混凝土+地基专用FEM
          • LS-DYNAMAT_072R3(KCC),MAT_159(CSCM)

          • 选型指南

            🎓
            • RC结构研究Abaqus CDP
            • RC结构实务 → ATENA 或 DIANA(混凝土专用)
            • 冲击下的混凝土破坏LS-DYNA KCC/CSCM

            • Coffee Break 闲谈

              Midas与Abaqus的实现差异

              CDP模型除了Abaqus外,在Midas FEA NX、LS-DYNA(MAT_CDPM)、OpenSees(Concrete07)中也有实现。但屈服函数的形式略有不同,Abaqus采用双曲线型Drucker-P

              関連シミュレーター

              この分野のインタラクティブシミュレーターで理論を体感しよう

              シミュレーター一覧

              関連する分野

              熱解析製造プロセス解析V&V・品質保証
              この記事の評価
              ご回答ありがとうございます!
              参考に
              なった
              もっと
              詳しく
              誤りを
              報告
              参考になった
              0
              もっと詳しく
              0
              誤りを報告
              0
              Written by NovaSolver Contributors
              Anonymous Engineers & AI — サイトマップ
              关于作者