學習ansys總結的案例
學習ANSYS經驗總結
學習ANSYS經驗總結
ANSYS必讀基礎.rar
學習ANSYS經驗總結.doc
ansys命令流中文說明.doc
學習ANSYS經驗總結-資料
ANSYS必讀基礎.rar
學習ANSYS經驗總結.doc
ansys命令流中文說明.doc
[轉貼] 學習ANSYS經驗總結
學習ANSYS經驗總結
1學習ANSYS需要認識到的幾點
相對于其他應用型軟件而言，ANSYS作為大型權威性的有限元分析軟件，對提高解決問題的能力是一個全面的鍛煉過程，是一門相當難學的軟件，因而，要學好ANSYS，對學習者就提出了很高的要求，一方面，需要學習者有比較扎實的力學理論基礎，對ANSYS分析結果能有個比較準確的預測和判斷，可以說，理論水平的高低在很大程度上決定了ANSYS使用水平；另一方面，需要學習者不斷摸索出軟件的使用經驗不斷總結以提高解決問題的效率。在學習ANSYS的方法上，為了讓初學者有一個比較好的把握，特提出以下五點建議：
1.1將ANSYS的學習緊密與工程力學專業結合起來
毫無疑問，剛開始接觸ANSYS時，如果對有限元，單元，節點，形函數等《有限元單元法及程序設計》中的基本概念沒有清楚的了解話，那么學ANSYS很長一段時間都會感覺還沒入門，只是在僵硬的模仿，即使已經了解了，在學ANSYS之前，也非常有必要先反復看幾遍書，加深對有限元單元法及其基本概念的理解。
作為工程力學專業的學生，雖然力學理論知識學了很多，但對許多基本概念的理解許多人基本上是只停留于一個符號的認識上，理論認識不夠，更沒有太多的感性認識，比如一開始學ANSYS時可能很多人都不知道鋼材應輸入一個多大的彈性模量是合適的。而在進行有限元數值計算時，需要對相關參數的數值有很清楚的了解，比如材料常數，直接關系到結果的正確性，一定要準確。
展開 學習ANSYS經驗總結
學習ANSYS需要認識到的幾點
相對于其他應用型軟件而言，ANSYS作為大型權威性的有限元分析軟件，對提高解決問題的能力是一個全面的鍛煉過程，是一門相當難學的軟件，因而，要學好ANSYS，對學習者就提出了很高的要求，一方面，需要學習者有比較扎實的力學理論基礎，對ANSYS分析結果能有個比較準確的預測和判斷，可以說，理論水平的高低在很大程度上決定了ANSYS使用水平；另一方面，需要學習者不斷摸索出軟件的使用經驗不斷總結以提高解決問題的效率。在學習ANSYS的方法上，為了讓初學者有一個比較好的把握，特提出以下五點建議：
（1）將ANSYS的學習緊密與工程力學專業結合起來
毫無疑問，剛開始接觸ANSYS時，如果對有限元，單元，節點，形函數等《有限元單元法及程序設計》中的基本概念沒有清楚的了解話，那么學ANSYS很長一段時間都會感覺還沒入門，只是在僵硬的模仿，即使已經了解了，在學ANSYS之前，也非常有必要先反復看幾遍書，加深對有限元單元法及其基本概念的理解。
作為工程力學專業的學生，雖然力學理論知識學了很多，但對許多基本概念的理解許多人基本上是只停留于一個符號的認識上，理論認識不夠，更沒有太多的感性認識，比如一開始學ANSYS時可能很多人都不知道鋼材應輸入一個多大的彈性模量是合適的。而在進行有限元數值計算時，需要對相關參數的數值有很清楚的了解，比如材料常數，直接關系到結果的正確性，一定要準確。
展開 
學習ANSYS軟件經驗總結
一 學習ANSYS需要認識到的幾點
相對于其他應用型軟件而言，ANSYS作為大型權威性的有限元分析軟件，對提高解決問題的能力是一個全面的鍛煉過程，是一門相當難學的軟件，因而，要學好ANSYS，對學習者就提出了很高的要求，一方面，需要學習者有比較扎實的力學理論基礎，對ANSYS分析結果能有個比較準確的預測和判斷，可以說，理論水平的高低在很大程度上決定了ANSYS使用水平；另一方面，需要學習者不斷摸索出軟件的使用經驗不斷總結以提高解決問題的效率。在學習 ANSYS的方法上，為了讓初學者有一個比較好的把握，特提出以下五點建議：
（1）將ANSYS的學習緊密與工程力學專業結合起來
毫無疑問，剛開始接觸ANSYS時，如果對有限元，單元，節點，形函數等《有限元單元法及程序設計》中的基本概念沒有清楚的了解話，那么學ANSYS很長一段時間都會感覺還沒入門，只是在僵硬的模仿，即使已經了解了，在學ANSYS之前，也非常有必要先反復看幾遍書，加深對有限元單元法及其基本概念的理解。
作為工程力學專業的學生，雖然力學理論知識學了很多，但對許多基本概念的理解許多人基本上是只停留于一個符號的認識上，理論認識不夠，更沒有太多的感性認識，比如一開始學ANSYS時可能很多人都不知道鋼材應輸入一個多大的彈性模量是合適的。而在進行有限元數值計算時，需要對相關參數的數值有很清楚的了解，比如材料常數，直接關系到結果的正確性，一定要準確。
展開 abaqus學習總結（作業）
本次學習過程中接觸到的是簡單的操作知識，在之后的學習過程中，我們所需要用的知識還是比較深入的，所以還需要我們自己課下多多自學ABAQUS這個軟件，能夠更好地運用知識幫助我們解決問題。
清華學生總結的算法學習方法
經過一番研究，自學幾門課程后，我發現了他們的教學套路：
教授理論知識（一），小作業，用于鞏固理論知識（一）
教授理論知識（二），小作業，用于鞏固理論知識（二）
大作業，編程實踐，需要用到理論知識（一）與（二）
教授理論知識（三），小作業，用于鞏固理論知識（三）
教授理論知識（四），小作業，用于鞏固理論知識（四）
大作業，編程實踐，需要用到理論知識（三）與（四）
項目作業，編程實踐，多人協作，需要用到理論知識（一）～（四）+ hits
重復上述過程，一般重復4～6次，中間穿插期中考試，最后期末考試
由此“套路”總結出另一種學習方法——“迭代學習”法：
理解待解決的問題
學習部分理論知識
動手實踐嘗試解決，無法解決，回到1或2
成功解決抓緊總結
即使現在回頭看，我也不能說第一種學習方法有錯，“迭代”學習法更好！但這兩種學習方法都是以同一個核心為基礎的——
動手做，做中學！
你可以都嘗試一下，然后選取自己喜歡、又高效的學習方法！
當然也歡迎分享你的學習方法！
三、經驗總結
越早適應“迭代”學習法對你越有利。
大多數時候你沒有足夠的時間來“學完再做”。
展開 柔性體學習的總結
柔性體學習的總結
Proe/Creo學習總結
1.不得參考導入的線！！！
2、樣條曲線不得草繪鏡像
3、復制逼近曲線，必須相切
4、無法掃描調整：①曲線必須相切，復制逼近 ②變換掃描起點 ③ 多軌變換原點軌跡 ④插入點，設置掃描起點 ⑤ 控制掃描截面，恒定法向？垂直于投影 ？ ⑥ 直線，圓做輔助原點軌跡
機器學習回歸模型相關重要知識點總結
來源：機器學習研習院
回歸分析為許多機器學習算法提供了堅實的基礎。在這篇文章中，我們將總結 10 個重要的回歸問題和5個重要的回歸問題的評價指標。
1、線性回歸的假設是什么？
線性回歸有四個假設
線性：自變量（x）和因變量（y）之間應該存在線性關系，這意味著x值的變化也應該在相同方向上改變y值。
獨立性：特征應該相互獨立，這意味著最小的多重共線性。
正態性：殘差應該是正態分布的。
同方差性：回歸線周圍數據點的方差對于所有值應該相同。
2、什么是殘差，它如何用于評估回歸模型？
殘差是指預測值與觀測值之間的誤差。它測量數據點與回歸線的距離。它是通過從觀察值中減去預測值的計算機。
殘差圖是評估回歸模型的好方法。它是一個圖表，在垂直軸上顯示所有殘差，在 x 軸上顯示特征。如果數據點隨機散布在沒有圖案的線上，那么線性回歸模型非常適合數據，否則我們應該使用非線性模型。
3、如何區分線性回歸模型和非線性回歸模型？
兩者都是回歸問題的類型。兩者的區別在于他們訓練的數據。
線性回歸模型假設特征和標簽之間存在線性關系，這意味著如果我們獲取所有數據點并將它們繪制成線性（直線）線應該適合數據。
非線性回歸模型假設變量之間沒有線性關系。非線性（曲線）線應該能夠正確地分離和擬合數據。
展開 網絡爬蟲學習總結（基于python）
雖然筆者水平一般，但對最近的學習過程，也有了一定的總結。學習網絡爬蟲的好處有很多：可以增加網絡相關知識，提高瀏覽器使用水平，自動獲取網絡資源等。
00 靜態網頁
爬取靜態網頁分為兩步：第一，獲取網頁的HTML文檔，第二，解析HTML文檔。
獲取HTML文檔的方法包含：urllib，urllib2，requestes；其中推薦requestes方法。
解析HTML文檔，推薦BeautifulSoup方法。解析HTML文檔的主要工作就是定位頁面元素，然后獲得這些元素。
01 動態網頁
所謂動態網頁，就是網頁上顯示的內容不全部包含在當前HTML文檔中，這樣使用上文靜態網頁爬取方法則可能無法獲取想要的信息。
爬取動態網頁的方法有：Selenium，Pyppeneer，PhantomJS，Mechanize等；筆者學習的是Selenium，該方法模擬用戶驅動瀏覽器，等需要的內容在瀏覽器中都加載完成，再爬取所需信息。學習Selenium方法的重點之一也是頁面元素定位，包含各種定位方式。
02 爬蟲框架
為了提高爬蟲編寫效率，存在很多爬蟲框架，爬蟲框架的主要作用就是寫盡量少的代碼，完成盡量多的工作。提高爬蟲程序編寫的效率。
03 數據庫
爬取到數據后需要存放，必然會使用到數據庫。比如SQL數據庫，比如MySQL，PostgreSQL等；也能使用NoSQL，比如MongoDB。
04 反爬蟲
如果每個網站都沒有反爬蟲，那爬取網絡資源真的太簡單了。然而現實是，網站并不希望程序來自動訪問服務器。所以各種反爬技術無疑提高了爬取信息的難度，提高了網絡爬蟲的門檻。可以說，網絡爬蟲的基本方法很簡單，學習怎么應付反爬蟲才是爬蟲水平的彰顯。
展開 
gambit學習手記（轉貼朋友總結的）
Double-middle-click
Journal view Double-right-click
drag left+right drag
c)task 執行任務操作
i)Picking entities
Shift-left-click 執行單純的選擇操作，在同一個位置有幾個實體時，容易選錯對象
Shift-middle-click 執行選擇操作，特別適合在一復雜位置處選擇一個自己需要的實體（通過不斷的Shift-middle-click
可以除去前一次的選擇，重新選擇臨近的對象）
ii)Executing actions
Shift-right-click =apply
四.Using the Global Control Toolpad
{4}GAMBIT MENU COMMANDS
一）file
1)Export
i)Mesh Files
export GAMBIT mesh, boundary-type, and continuum-type information in a format appropriate to the currently
selected solver
FDNEUT FIDAP
msh FLUENT/UNS RAMPANT FLUENT 5
GRD FLUENT 4
msh NEKTON
cdb ANSYS
展開 裝配式PC施工工藝總結，參考學習！
規范圖集大全——一個為建筑工程人，提供施工技術學習、交流的平臺，10萬工程人訂閱的微信大號。點擊標題下藍字“規范圖集大全”關注，我們為您提供有價值的工程閱讀。
來源：中天建設、豆丁施工
如有侵權，請聯系刪除
正文如下：
1、場內外準備
1
場內準備
施工現場搞好"三通一平" 路通、水通、電通和平整場地的準備，搭建好現場臨時設施和PC結構的堆場準備；為了配合PC結構施工和PC結構單塊構件的最大重量的施工需求，確保滿足每棟房子PC結構的吊裝距離，以及按照施工進度以及現場的場布要求，本項目1#~4#樓配備4臺STC7015塔吊，合理布置在每棟房子的附近，確保平均吊裝每5天~6天一層的節點。
展開 收藏 | 深度學習在計算機視覺領域的應用總結
先看看一個做MVS任務的基于RNN中LSTM的3D-R2N2模型：
它的系統框圖如下：
UIUC/Facebook合作的DeepMVS模型：
這是他們的系統框圖：
現在看到的是Berkeley分校Malik組提出的LSM（Learnt Stereo Machine ）模型：
下面是最近香港權龍教授組提出的MVSNet模型：
計算機視覺的高層：環境理解
這部分是深度學習在計算機視覺最先觸及，并展示強大實力的部分。出色的工作太多，是大家關注和追捧的，而且有不少分析和總結文章，所以這里不會重復過多，只簡單回顧一下。
1 語義分割/實例分割（Semantic/Instance Segmentation）
語義分割最早成功應用CNN的模型應該是FCN（Fully Convolution Network），由Berkeley分校的研究人員提出。它是一種pixel2pixel的學習方法，之后各種演變模型，現在都可以把它們歸類于Encoder-Decoder Network。
這里是去年CVPR的一片論文在總結自動駕駛的實時語義分割算法時給出的框圖：
其中Encoder部分特別采用了MobileNet和ShuffleNet。
實例分割是特殊的語義分割，結合了目標檢測，可以說是帶有明確輪廓的目標檢測，其代表作就是Mask R-CNN，應該是何凱明去FB之后的第一個杰作。
展開 abaqus學習總結2-論壇整理
加群方法：先加CAE仿真與數值模擬小編為好友（微信號 stokisyd ），發送消息“進群”
學習abaqus，整理的一些資料，經驗總結，慢慢分享。
ABAQUS中常用的單位制。單位制錯誤會造成分析結果錯誤，甚至不收斂。
ABAQUS中的時間對于靜力分析，時間沒有實際意義（靜力分析是長期累積的結果）。對于動力分析，時間是有意義的，跟作用的時間相關。
對于ABAQUS/Standard分析，增大內存磁盤空間會大大縮短計算時間;對于ABAQUS/Explicit分析，生成的臨時數據大部分是存儲在內存中的關鍵數據，不寫入磁盤，加快分析速度的主要方法是提高CPU的速度。
參考點對于離散剛體和解析剛體部件，參考點必須在PART模塊里面定義。而對于剛體約束，顯示休約束，耦合約束可以在PART ,ASSEMBLY,INTERRACTION,LOAD等定義參考點.
PART模塊里面只能定義一個參考點，而其它的模塊里面可以定義很多個參考點。
離散剛體：可以是任意的形狀，無需定義材料屬性，要定義參考點，要劃分網格。
解析剛體：只能是簡單形狀，無需定義材料屬性，要定義參考點，不需要劃分網格。
剛體約束的部件：要定義材料屬性，要定義參考點，要劃分網格。
顯示體約束的部件:要定義材料屬性，要定義參考點，不需要要劃分網格(ABAQUS/CAE會自動為其要劃分網格)。
剛體與變形體比較:剛體最大的優點是計算效率高，因為它在分析作業過程中不參與所在基于單元的計算，此外，在接觸分析，如果主面是剛體的話，分析更容易收斂。
剛體約束和顯示體約束與剛體部件的比較：剛體約束和顯示體約束的優點是去除約束后，就可以立即變為變形體。
剛體約束與顯示體約束的比較:剛體約束的部件會參與計算，而顯示約束的部件不會參與計算，只是用于顯示作用。
展開 