解收斂的重要性
最近幾天，我通過幾個例子發現收斂的重要性。以前這是被我忽略的地方，我想很多新手也會忽略這個。覺得圖形大致和想像差不多就是對的，仿真就是成功的。我覺得這是錯覺，如果不收斂，仿真就是不精確的，甚至是失敗的。
以下是我的一些感覺，不知道對不對
1.收斂的重要
2.判斷收斂，Delta Energe單調遞減，并且小于之前設定的目標。
3.提高收斂成功率的方法：
（1）提高迭代次數。
（2）自己動手設定網格，這個選項很多，我也不怎么會，只是直觀上覺得可行。
我們在【】請教HFSS中判斷收斂的物理意義【】一帖中討論過這個問題。
[quote]引用第5樓xp_mu于2007-07-08 18:13發表的 :
你看上面的兩個圖。
！這張收斂曲線圖1，基本上它的曲線就是逐漸遞減的。
但是也有這樣的非收斂曲線，如圖2。有點不是很規則，開始是上升 然后就下降了。
.......[/quote
所有，這個帖子就不能按原創給你加分了。不過還是不錯的資料。
剛做出來，迫不及待與大家分享：
簡單有效地提高收斂成功率：
在Analysis——setup——options——Do Lamda Refinement——Target
默認的好像是0.3333
我估計這個可能是網格大小和波長的比值
把這個值改小，也就是把網格改小
可以發現收斂成功率明顯提高，
但是同時運算時間也明顯提高
我剛才做還出現錯誤提示：
[error] Adaptive solution setup, process abc3d : Error in finite element matrix generation in subprocess "Column numbers do not monotonically increase.". Please check to make sure that a valid model has been created. (12:20 上午 七月 09, 2007)
[error] Simulation completed with execution error on server: Local Machine. (12:20 上午 七月 09, 2007)
不懂這是什么意思
請高手指點
樓主不錯，希望能多參與，看到你更好更好的貼子。
我也來加點分吧，就算鼓勵鼓勵！
Lamda Refinement是初始網格劃分的選項，0.3333 就是以1/3個波長初始化網格，如果改成0.2就是1/5，相當于第一次迭代把網格加密了。這個在對那種難于收斂的模型是很有效的，甚至可以通過減小迭代次數來縮短仿真時間。但對于那些容易收斂的模型，往往會增加仿真時間，所以還要對不同模型區別對待。
樓主遇到的那個錯誤不知道具體是什么原因引起的。
哦～～
謝謝飛石！說的很有道理
error] Adaptive solution setup, process abc3d : Error in finite element matrix generation in subprocess "Column numbers do not monotonically increase.". Please check to make sure that a valid model has been created. (12:20 上午 七月 09, 2007) {4I8G[-#
[error] Simulation completed with execution error on server: Local Machine. (12:20 上午 七月 09, 2007) |fR QK
monotonically nondecreasing function 單調非減函數
monotonically nonincreasing function 單調非增函數
好像是說你的收斂欄數由于不是單調遞減函數吧，導致了有限元矩陣計算出現錯誤。請檢查你的模型的有效可行。
謝謝xp_mu ！
我已經被這個收斂性 搞得身心疲憊了，
本來是個很簡單的模型，但是就是不收斂，所以得不到有用的結論
我換了CST做，結果還是不收斂，我也不知道哪里錯了
傳上來，希望各位達人能幫幫看看，謝謝了○|￣|＿
這該死的網速
傳不上來。。
大概說說是什么樣的模型？如果存在長短比例過大的模型（例如扁平、細長結構），有可能是網格奇異造成的。做一下mash operations的設置或許會有改善。
個人認為:
收斂對駐波影響很大,應為判斷收斂的辦法就是觀察疊代過程中的S 參數的該次與上次的比較,S參數對駐波,損耗,阻抗等與S 參數有關的物理量的影響很大,但是對方向圖的影響很大,應為方向圖的計算是按邊界條件來計算的,因此我們在計算的時候就可以根據我們的需要來設定是否要達到收斂的狀態,當然了做任何事情最好都要達到收斂狀態.
