隨機(jī)場
關(guān)注創(chuàng)建者：文化人不大聰明 創(chuàng)建時(shí)間：2022-05-25
隨機(jī)場的視頻教程
abaqus中材料參數(shù)隨機(jī)場的實(shí)現(xiàn)
第二版程序是先用在場地內(nèi)生成參數(shù)隨機(jī)場分布，然后在批量修改inp文件，這么做是考慮集合模型有時(shí)候也會作為變量，同時(shí)方便進(jìn)行cnn訓(xùn)練。 第二版是兼容第一版程序的，第一版程序相對簡單，對于輔助理解隨機(jī)場計(jì)算過程有較大幫助。
￥200 1小時(shí)19分鐘 2970播放
查看
ansys fluent電路板強(qiáng)制對流換熱、熱應(yīng)力、模態(tài)、ncode隨機(jī)振動及正弦振動疲勞-多場耦合
熱應(yīng)力計(jì)算、熱應(yīng)力對模態(tài)的影響與不考慮熱應(yīng)力進(jìn)行對比分析； ncode進(jìn)行隨機(jī)振動疲勞以及正弦振動疲勞分析注意事項(xiàng)，S-N曲線的估計(jì)方法，以及后處理等操作
￥39.9 2小時(shí)24分鐘 237播放
查看
Abaqus網(wǎng)格單元播放Bad Apple基于圖像映射
在Abaqus軟件內(nèi)播放BadApple視頻，涉及的相關(guān)技術(shù)： 圖像映射單元、隨機(jī)材料指派、單元隨機(jī)賦予材料、邊界層處理、界面過渡區(qū)、材料參數(shù)隨機(jī)場、雙相及三相材料、批量刪除單元等。
免費(fèi) 4分鐘 135播放
查看
隨機(jī)場的實(shí)例教程
當(dāng)前，考慮材料參數(shù)空間變異性（即參數(shù)隨機(jī)場）的分析手段中，除了極少數(shù)非主流的數(shù)值分析軟件可以實(shí)現(xiàn)一鍵式隨機(jī)場分析以外，大多數(shù)復(fù)雜的隨機(jī)場實(shí)現(xiàn)都存在較高的門檻，且難以實(shí)現(xiàn)復(fù)雜的巖土對象相互作用分析。在主流巖土工程分析軟件中，如，flac和abaqus中，前者需要使用fish編程，且基本要借助第三方軟件計(jì)算隨機(jī)場才能實(shí)現(xiàn)；后者可以利用python進(jìn)行前處理，實(shí)現(xiàn)隨機(jī)場的過程相對較為簡單，且適合進(jìn)行復(fù)雜的巖土工程對象的數(shù)值分析，因此基于abaqus的數(shù)值分析更具有普適性。
在abaqus中實(shí)現(xiàn)隨機(jī)場的過程是先利用其他語言（如matlab,python）生成隨機(jī)場結(jié)果文件，然后在abaqusCAE中將結(jié)果文件中材料參數(shù)分別賦值給每個(gè)單元；然后批量生成inp文件，最后批量計(jì)算inp文件，其中，生成inp文件可以在CAE中進(jìn)行，也可以在matlab或者python里面直接編輯生成inp文件，批量計(jì)算可以在command或者cae中進(jìn)行。
2、隨機(jī)場文件生成
隨機(jī)場的生成主要參考的文獻(xiàn)是《考慮自相關(guān)函數(shù)影響的邊坡可靠度分析》，這篇文獻(xiàn)后面列出了生成隨機(jī)場的matlab代碼，其核心的算法是采用喬列斯基分解，5000個(gè)單元以內(nèi)時(shí)候，matlab的計(jì)算速度是很快的。以下是以函數(shù)形式調(diào)用的隨機(jī)場生成算法。
function [field]=midpoint_RF (Coord, mu,cov,dh,dv,Nsim,ACF)
%考慮自相關(guān)函數(shù)影響的邊坡可靠度分析,李典慶
sigma=mu.
展開 三維可分向量隨機(jī)場局部平均的三維隨機(jī)有限元及可靠度計(jì)算
三維可分向量隨機(jī)場局部平均的三維隨機(jī)有限元及可靠度計(jì)算.rar
三維可分向量隨機(jī)場局部平均的三維隨機(jī)有限元及可靠度計(jì)算.JPG
5.2.2 非梯度迭代算法
5.3 功能函數(shù)Hessian矩陣計(jì)算及曲面擬合SORM分析
5.4 Latin hypercube法FORM精度修正
5.4.1 基本原理
5.4.2 算法討論
5.5 可靠度的靈敏度分析
5.5.1 隨機(jī)變量的重要性靈敏度指標(biāo)S（1）i
5.5.2 失效概率對隨機(jī)變量均值、方差的靈敏度指標(biāo)S（2）i，S（3）i
5.6 基于驗(yàn)算點(diǎn)的可靠度算法的分析流程
5.7 算例
5.8 本章小結(jié)
第6章 隨機(jī)場離散的方法
6.1 概述
6.2 隨機(jī)場相關(guān)模型
6.3 Karhunen-Loeve級數(shù)展開法
6.3.1 直接Karhunen-Loeve分解
6.3.2 正交級數(shù)展開法
6.4 線性回歸法
6.4.1 線性回歸原理
6.4.2 線性回歸原理應(yīng)用于隨機(jī)場離散
6.5 隨機(jī)場離散方法的比較
6.6 隨機(jī)場離散的影響規(guī)律分析
6.6.1 隨機(jī)場相關(guān)模型和離散變量數(shù)目的影響
6.6.2 隨機(jī)場相關(guān)長度的影響
6.7 線彈性隨機(jī)場梁單元
6.7.1 隨機(jī)場梁單元的剛度、質(zhì)量矩陣
6.7.2 隨機(jī)場梁單元的自重、均布荷載和溫度荷載隨機(jī)場
6.8 本章小結(jié)
第7章 靜力隨機(jī)有限元反應(yīng)的梯度計(jì)算
7.1 可靠度隨機(jī)有限元分析原理
7.2 線彈性靜力隨機(jī)有限元反應(yīng)梯度的計(jì)算
7.2.1 直接微分法與附加系統(tǒng)法
7.2.2 梯度計(jì)算過程
7.3 考慮幾何非線性的梯度計(jì)算
7.3.1 梁系單元考慮幾何非線性的直接迭代法
7.3.2 幾何非線性結(jié)構(gòu)反應(yīng)梯度計(jì)算的理論分析
7.3.3 梯度計(jì)算過程及算例考核
7.4 隨機(jī)有限元第一類穩(wěn)定分析
7.4.1 廣義特征值的梯度計(jì)算
7.4.2 幾何剛度矩陣的梯度計(jì)算
7.4.3 穩(wěn)定系數(shù)梯度計(jì)算過程及算例考核
7.5 本章小結(jié)
第8章 退化結(jié)構(gòu)的時(shí)變結(jié)構(gòu)可靠度、檢修制度優(yōu)化和剩余承載力評定
8.1 概述
8.2 抗力和作用效應(yīng)隨機(jī)過程
展開 5.2.2 非梯度迭代算法
5.3 功能函數(shù)Hessian矩陣計(jì)算及曲面擬合SORM分析
5.4 Latin hypercube法FORM精度修正
5.4.1 基本原理
5.4.2 算法討論
5.5 可靠度的靈敏度分析
5.5.1 隨機(jī)變量的重要性靈敏度指標(biāo)S（1）i
5.5.2 失效概率對隨機(jī)變量均值、方差的靈敏度指標(biāo)S（2）i，S（3）i
5.6 基于驗(yàn)算點(diǎn)的可靠度算法的分析流程
5.7 算例
5.8 本章小結(jié)
第6章 隨機(jī)場離散的方法
6.1 概述
6.2 隨機(jī)場相關(guān)模型
6.3 Karhunen-Loeve級數(shù)展開法
6.3.1 直接Karhunen-Loeve分解
6.3.2 正交級數(shù)展開法
6.4 線性回歸法
6.4.1 線性回歸原理
6.4.2 線性回歸原理應(yīng)用于隨機(jī)場離散
6.5 隨機(jī)場離散方法的比較
6.6 隨機(jī)場離散的影響規(guī)律分析
6.6.1 隨機(jī)場相關(guān)模型和離散變量數(shù)目的影響
6.6.2 隨機(jī)場相關(guān)長度的影響
6.7 線彈性隨機(jī)場梁單元
6.7.1 隨機(jī)場梁單元的剛度、質(zhì)量矩陣
6.7.2 隨機(jī)場梁單元的自重、均布荷載和溫度荷載隨機(jī)場
6.8 本章小結(jié)
第7章 靜力隨機(jī)有限元反應(yīng)的梯度計(jì)算
7.1 可靠度隨機(jī)有限元分析原理
7.2 線彈性靜力隨機(jī)有限元反應(yīng)梯度的計(jì)算
7.2.1 直接微分法與附加系統(tǒng)法
7.2.2 梯度計(jì)算過程
7.3 考慮幾何非線性的梯度計(jì)算
7.3.1 梁系單元考慮幾何非線性的直接迭代法
7.3.2 幾何非線性結(jié)構(gòu)反應(yīng)梯度計(jì)算的理論分析
7.3.3 梯度計(jì)算過程及算例考核
7.4 隨機(jī)有限元第一類穩(wěn)定分析
7.4.1 廣義特征值的梯度計(jì)算
7.4.2 幾何剛度矩陣的梯度計(jì)算
7.4.3 穩(wěn)定系數(shù)梯度計(jì)算過程及算例考核
7.5 本章小結(jié)
第8章 退化結(jié)構(gòu)的時(shí)變結(jié)構(gòu)可靠度、檢修制度優(yōu)化和剩余承載力評定
8.1 概述
8.2 抗力和作用效應(yīng)隨機(jī)過程
展開 而2D利用隨機(jī)生成的土屬性場，提供對隨機(jī)變化場全面的二維描述。這種方法允許生成隨機(jī)的或用戶指定的土參數(shù)場(如內(nèi)聚力或摩擦角)，這些參數(shù)在任何特定區(qū)域都有空間變化。這些場是按區(qū)域生成的，因此相鄰區(qū)域的不同場可以在分析中合并。"Generator Seed" 為隨機(jī)數(shù)產(chǎn)生器指定一個(gè)起始種子。該種子與生成的隨機(jī)場有唯一的聯(lián)系，即一個(gè)等于500的產(chǎn)生器種子將總是產(chǎn)生相同的隨機(jī)場。這樣一來，隨機(jī)場總是可以被復(fù)制，以便將來重新運(yùn)行同一模型。"Covariance Function"如果使用這個(gè)選項(xiàng)，程序內(nèi)部已經(jīng)內(nèi)置了5種協(xié)方差函數(shù)供用戶使用。
展開 
隨機(jī)場的相關(guān)專題、標(biāo)簽、搜索
隨機(jī)場的最新內(nèi)容
[NEWSLETTER] 用于超短脈沖的高效光柵7個(gè)月前
這種光柵的設(shè)計(jì)需要仔細(xì)考慮：它們應(yīng)該在整個(gè)頻譜帶上保持高的衍射效率，有時(shí)甚至是在隨機(jī)偏振的入射場情況下。 在VirtualLab Fusion中，您可以使用FMM / RCWA設(shè)計(jì)光柵，將光柵插入帶有脈沖激光源的設(shè)置中以進(jìn)行系統(tǒng)性能評估。 我們用以下示例進(jìn)行演示。
然而，這也并非易事：
為了切合實(shí)際，我們需要構(gòu)建一種輸入泵浦波，這種泵浦波相當(dāng)不連貫，但仍具有足夠的空間相干性，以便高效發(fā)射，在本示例中，我們的構(gòu)造如下：
我們從一個(gè)具有真實(shí)強(qiáng)度分布(僅限于泵浦包層)但具有隨機(jī)光學(xué)相位的場開始。這將導(dǎo)致巨大的光束發(fā)散，從而只有較小部分功率可以發(fā)射到泵浦包層中。
這種光柵的設(shè)計(jì)需要仔細(xì)考慮：它們應(yīng)該在整個(gè)頻譜帶上保持高的衍射效率，有時(shí)甚至是在隨機(jī)偏振的入射場情況下。 在VirtualLab Fusion中，您可以使用FMM / RCWA設(shè)計(jì)光柵，將光柵插入帶有脈沖激光源的設(shè)置中以進(jìn)行系統(tǒng)性能評估。 我們用以下示例進(jìn)行演示。
使用高效透射光柵進(jìn)行超短脈沖的拉伸或壓縮
根據(jù)T.
隨機(jī)方法，如隨機(jī)場方法、傳輸概率密度函數(shù)方法或線性渦流模型，可用于包括湍流-化學(xué)相互作用。也有自適應(yīng)方法，在空間領(lǐng)域的不同區(qū)域采用不同的化學(xué)模型和/或不同的湍流化學(xué)模型。在模擬過程中，可以使用人工神經(jīng)網(wǎng)絡(luò)(ANN)、原位自適應(yīng)制表(ISAT)等方法在線存儲和訪問化學(xué)計(jì)算結(jié)果。此外，可以采用將化學(xué)規(guī)模減少到數(shù)百或數(shù)十個(gè)反應(yīng)和數(shù)十或個(gè)位數(shù)的物種(分別為骨架和還原機(jī)制)的方法。
Belytschko通過考慮載荷條件、材料行為、幾何構(gòu)型和支承或邊界條件的不確定性，提出了
隨機(jī)場有限元法，已成為民用和航空航天工程及不確定性量化領(lǐng)域的重要研究課題；
20世紀(jì)80年代早期，通用汽車研究實(shí)驗(yàn)室的
M.E. Botkin和密歇根大學(xué)的
N.
湖南大學(xué)的Qihong Fang等人將原子模擬、離散位錯(cuò)動力學(xué)和晶體塑性有限元方法結(jié)合起來，建立了一個(gè)新的框架，研究MPEAs的應(yīng)變硬化行為，實(shí)現(xiàn)了包括納米尺度晶格畸變和微尺度位錯(cuò)硬化在內(nèi)的復(fù)雜跨尺度因素對塑性變形的影響，作者結(jié)合MD、DDD、CPFE模擬方法和隨機(jī)場理論(圖1)，提出了一種可捕捉MPEAs中嚴(yán)重晶格畸變的分層多尺度方法來建模MPEAs，該方法連接了三個(gè)長度尺度(納米尺度、微觀尺度和中尺度
簡單地講，隨機(jī)場可以看成是一組隨機(jī)變量的集合（這組隨機(jī)變量對應(yīng)同一個(gè)樣本空間）。當(dāng)給每一個(gè)位置按照某種分布隨機(jī)賦予一個(gè)值之后，其全體就叫做隨機(jī)場。當(dāng)然，這些隨機(jī)變量之間可能有依賴關(guān)系，一般來說，也只有當(dāng)這些變量之間有依賴關(guān)系的時(shí)候，我們將其單獨(dú)拿出來看成一個(gè)隨機(jī)場才有實(shí)際意義。
當(dāng)前，考慮材料參數(shù)空間變異性（即參數(shù)隨機(jī)場）的分析手段中，除了極少數(shù)非主流的數(shù)值分析軟件可以實(shí)現(xiàn)一鍵式隨機(jī)場分析以外，大多數(shù)復(fù)雜的隨機(jī)場實(shí)現(xiàn)都存在較高的門檻，且難以實(shí)現(xiàn)復(fù)雜的巖土對象相互作用分析。
最近在酒店隔離，恰好沒太多事，就鉆研了一下利用python實(shí)現(xiàn)abaqus中材料參數(shù)的隨機(jī)分布，準(zhǔn)備出一期內(nèi)容講解這個(gè)。
而2D利用隨機(jī)生成的土屬性場，提供對隨機(jī)變化場全面的二維描述。這種方法允許生成隨機(jī)的或用戶指定的土參數(shù)場(如內(nèi)聚力或摩擦角)，這些參數(shù)在任何特定區(qū)域都有空間變化。這些場是按區(qū)域生成的，因此相鄰區(qū)域的不同場可以在分析中合并。"Generator Seed" 為隨機(jī)數(shù)產(chǎn)生器指定一個(gè)起始種子。該種子與生成的隨機(jī)場有唯一的聯(lián)系，即一個(gè)等于500的產(chǎn)生器種子將總是產(chǎn)生相同的隨機(jī)場。
