基于Python二次開發進行CAE結果自動后處理

ansyent

2021年5月12日 20:29

瀏覽：3951 評論：3 收藏：15

前面講到了基于meta和hypergraph進行NVH分析（IPI、VTF、NTF）自動后處理，包括結果提取和自動出報告等功能。

基于META自動后處理：

Python二次開發在整車NVH分析后處理中的應用

Python二次開發在NVH分析VTF、NTF后處理中的應用

上面的后處理過程都是基于商業軟件進行的，很多數據加工的功能受限于軟件的函數接口，因此不夠豐富。同時，基于hypergraph或meta的后處理都需要啟動軟件來完成數據處理，如果進行優化集成則（后臺）啟動后處理軟件也需要一些時間。

這里介紹一些基于Python的CAE結果后處理方法，而不是基于商業軟件來完成。包括Nastran結果文件.op2和.pch，LSDYNA結果文件d3plot和binout等自動后處理過程。ABAQUS的開發語言支持Python，因此對于ABAQUS的.odb結果自動后處理就不做過多的介紹。這些自動后處理過程既可用于常規分析自動后處理，也可以用于多學科優化時優化流程的集成，且這些過程不需要商業軟件，只需要簡單的配置下Python環境即可。

本文介紹基于Python的Nastran結果文件.pch自動后處理，包括IPI、VTF等。

一、IPI自動后處理

基于Python二次開發進行CAE結果自動后處理的圖1

# -*- coding: utf-8 -*-"""Created on Tue Mar  9 12:31:51 2090@author: Ansyent"""import nastran_pch_readerimport mathimport numpy as npimport matplotlib.pyplot as plt
#獲得pch文件p = nastran_pch_reader.PchParser('F:/07_TempFileCheck/IPI_NTF_VTF/XXX_IPI.pch')
#設置動剛度目標值和節點列表target = 7000nodeidlist = ['1001','1002','1003','1004','2001','2002','2003','3001','3002'\              ,'3003','3004','4001','4002','4003','4004','4005','4006']
#獲得工況列表subcaselist = p.get_subcases()
#構造計算面積函數def integrate(x,y):    area = np.trapz(y=y,x=x)    return area

這里定義了一個計算曲線面積的函數，用于后續動剛度計算。

for i in range(int(len(subcaselist)/3)):    ax = p.get_accelerations(subcaselist[3*i+0])  #獲得工況3*i+0加速度，結果為字典    ay = p.get_accelerations(subcaselist[3*i+1])  #獲得工況3*i+1加速度，結果為字典    az = p.get_accelerations(subcaselist[3*i+2])  #獲得工況3*i+2加速度，結果為字典    freq = list(ax.keys())           #獲得頻率列表

其中ax、ay、az是通過get_accelerations函數得到的一個包含所有分析輸出頻率個數的字典，字典的鍵為頻率，值為包含六個方向的加速度值，即三個平動三個轉動加速度值的列表。并且是通過實部虛部給出的，我們要的是幅值和相位表達，因此后續需要通過abs函數求出對應的幅值。

基于Python二次開發進行CAE結果自動后處理的圖2

在spyder環境下運行的效果。

基于Python二次開發進行CAE結果自動后處理的圖3

結果圖片：

基于Python二次開發進行CAE結果自動后處理的圖4

二、VTF自動后處理

基于Python二次開發進行CAE結果自動后處理的圖5

# -*- coding: utf-8 -*-"""Created on Wed Mar 10 13:14:55 2090@author: Ansyent"""import nastran_pch_readerimport scipy.signal as sgnimport matplotlib.pyplot as plt
#獲得pch文件p = nastran_pch_reader.PchParser('F:/07_TempFileCheck/IPI_NTF_VTF/TB_VTF.PCH')
#設置VTF目標值target = 8nodeidlist = ['101','102','201','202','301','302','303','304','501','502'\              ,'503','504','601','602','603','604','1002','1003','1005'\              ,'1006','1007','1101','1102','1103','1104']
#獲得工況列表subcaselist = p.get_subcases()
directionlist = ['X','Y','Z']
for j in range(int(len(subcaselist)/3)):    for i , direction in enumerate(directionlist):        acc_motivation = p.get_accelerations(subcaselist[3*j+i])        freq = list(acc_motivation.keys())            targetcurve = [target]*len(freq)        acc_x = [abs(acc_motivation[f][0]) for f in freq]        acc_y = [abs(acc_motivation[f][1]) for f in freq]        acc_z = [abs(acc_motivation[f][2]) for f in freq]                for acc in [acc_x,acc_y,acc_z]:            numpeaks = sgn.find_peaks(acc,distance=3)            xpotion = list(numpeaks[0])            yvalue = [acc[freq.index(i)] for i in xpotion]            for y in yvalue:                if y > target:                    s = plt.scatter(xpotion[yvalue.index(y)], y, marker='*',c='r')

這里通過scipy中的find_peaks函數找到不滿足目標值的局部極值點，并在圖中用紅色的 * 號標記出來。

        width,height=10,6.6        plt.rcParams['figure.figsize'] = width, height            plt.plot(freq,acc_x,'r',label=nodeidlist[j]+direction+"-x")        plt.plot(freq,acc_y,'g',label=nodeidlist[j]+direction+"-y")        plt.plot(freq,acc_z,'y',label=nodeidlist[j]+direction+"-z")        plt.plot(freq,targetcurve,'--k',label="Target" + str(target))        plt.title("N" + nodeidlist[j])        plt.xlabel("Frequency[Hz]")        plt.ylabel("Acceleration[mm/s^2]")        plt.xlim(freq[0],freq[-1])        plt.ylim(bottom=0)        plt.legend()        #plt.savefig('F:/07_TempFileCheck/IPI/' + nodeidlist[i] + '.png')        plt.show()

基于Python二次開發進行CAE結果自動后處理的圖6

（注：這里只是為了演示，因此把目標值設置為8）。

以上只是簡單介紹了.pch文件的讀取和結果自動后處理過程，整個過程只需要幾行Python代碼即可完成。運行時間也就幾秒鐘。而不需要在商業軟件中來進行。如果是進行優化集成，則不要輸出結果圖片等信息，只需要輸出結果響應即可，會大大提高效率。同時，如果需要自動生成報告和結果統計等，只需要在次基礎上添加簡單的幾行命令即可，十分方便簡潔。

后續介紹ls-dyna結果d3plot和binout自動后處理方法。

登錄后免費查看全文

立即登錄