4. 接触算法选择：增广拉格朗日法、纯罚函数法、法向拉格朗日法的适用场景与优缺点
做插拔力仿真这么多年，我经常被问到同一个问题：“这三种接触算法，到底该选哪个？”
说实话，没有万能答案。每种算法都有自己的脾气。我刚开始做仿真那会儿，也踩过不少坑。有一次算一个精密连接器的插拔力，结果死活不收敛，折腾了两天，最后发现是接触算法选错了。
今天我就把这三兄弟掰开揉碎了讲清楚。你听完就能知道，什么场景该用谁。
4.1 核心原理：接触算法到底在算什么？
先简单说下原理。接触算法要解决的核心问题就一个：两个物体碰到一起了，怎么算它们之间的力？
说白了，就是处理“穿透”和“反力”的关系。你想想看，两个物体理论上不能互相穿透，但数值计算里，完全禁止穿透又会导致计算不稳定。所以各种算法就是在“允许多少穿透”和“计算多大反力”之间找平衡。
下面这张图，是我自己总结的算法选择逻辑，你先有个整体印象：
4.2 纯罚函数法（Pure Penalty）
原理很简单：就像在两个接触面之间放了一根弹簧。穿透越大，反力越大。弹簧刚度（即罚刚度）由你设定。
核心公式：F = k × δ
其中 k 是罚刚度，δ 是穿透量。
优点：
- 计算速度最快，没有额外自由度
- 收敛性好，很少出现震荡
- 实现简单，内存占用小
缺点：
- 存在人为穿透，精度受罚刚度影响
- 罚刚度太大 → 矩阵病态，收敛困难
- 罚刚度太小 → 穿透过大，结果失真
我的经验：纯罚函数法适合做初步分析。比如一个新产品的概念设计阶段，我经常先用它跑一遍，看看趋势对不对。速度快，能快速迭代。
适用场景：
- 大变形问题（如橡胶密封件的压缩）
- 碰撞冲击问题
- 对接触压力精度要求不高的场合
注意：如果你用纯罚函数法做插拔力仿真，一定要做罚刚度敏感性分析。我曾经有个项目，罚刚度差了10倍，插拔力结果差了30%。
4.3 增广拉格朗日法（Augmented Lagrange）
这个是我个人最常用的方法，也是插拔力仿真的首选。
它怎么工作的呢？说白了，就是纯罚函数法的升级版。它先按罚函数算一遍，然后检查穿透量，如果太大，就自动增加一个“拉格朗日乘子”来修正。这样反复迭代，直到穿透量满足要求。
核心思想：F = k × δ + λ
其中 λ 是拉格朗日乘子，通过迭代不断更新。
优点：
- 对罚刚度不敏感，不容易出现病态矩阵
- 穿透量可控，精度比纯罚函数高
- 收敛性比法向拉格朗日法好
缺点：
- 需要迭代，计算量比纯罚函数大
- 在某些高度非线性问题中可能收敛慢
我的习惯：做插拔力仿真时，我默认就用增广拉格朗日法。特别是当接触面有摩擦时，这个方法的稳定性明显更好。我记得有一次做USB Type-C连接器的插拔仿真，用纯罚函数法死活算不准插拔力曲线，换成增广拉格朗日法，一次就收敛了。
适用场景：
- 插拔力仿真（强烈推荐）
- 摩擦接触问题
- 需要中等以上精度的接触分析
- 大多数结构接触问题
4.4 法向拉格朗日法（Normal Lagrange）
这个方法比较“较真”。它严格禁止穿透，通过引入额外的自由度（拉格朗日乘子）来精确满足接触约束。
优点：
- 理论上零穿透，精度最高
- 接触压力计算结果最准确
缺点：
- 计算量最大，增加额外自由度
- 收敛性最差，容易出现震荡
- 对初始接触状态敏感
避坑指南：我曾经在一个精密仪器的接触分析中用了法向拉格朗日法，结果算了三天没收敛。后来发现，其实增广拉格朗日法已经够用了。法向拉格朗日法就像杀鸡用牛刀，不是万不得已别用它。
适用场景：
- 对接触压力精度要求极高的场合
- 小滑移问题
- 其他方法收敛困难时的备选方案
4.5 三种算法对比总结
| 特性 | 纯罚函数法 | 增广拉格朗日法 | 法向拉格朗日法 |
|---|---|---|---|
| 穿透量 | 有（较大） | 有（可控，较小） | 理论上零 |
| 计算速度 | 最快 | 中等 | 最慢 |
| 收敛性 | 最好 | 良好 | 较差 |
| 对罚刚度敏感度 | 高 | 低 | 不适用 |
| 额外自由度 | 无 | 无 | 有 |
| 插拔力仿真推荐度 | ★★☆☆☆ | ★★★★★ | ★★★☆☆ |
4.6 我的选择建议
如果你问我，做插拔力仿真到底选哪个？我的回答很明确：
- 首选增广拉格朗日法。90%的插拔力问题用它都能搞定。精度够，收敛性好，对罚刚度不敏感。
- 如果算不动，换纯罚函数法。比如模型特别大，或者收敛困难时，先用纯罚函数法跑通再说。
- 法向拉格朗日法，留着当底牌。只有当你对接触压力精度有极高要求，且其他方法都试过了，才考虑它。
一个小技巧：在ANSYS Workbench中，默认的接触算法就是增广拉格朗日法。这个默认设置其实很合理。我一般只会在遇到收敛问题时，才去调整它。
嗯，关于接触算法的选择，今天就聊到这里。记住一句话：没有最好的算法，只有最合适的算法。根据你的问题特点，选对工具，才能事半功倍。
公众号:蓝海资料掘金营，微信deep3321