自研有限元软件与ANSYS精度对比-Bar3D2Node三维杆单元模型-央视大裤衩实例

目录

1、“央视大裤衩”自研有限元软件求解

1.1、选择单元类型

1.2、导入“央视大裤衩”工程

1.3、节点坐标定义

1.4、单元连接关系、材料定义

1.5、约束定义

1.6、外载定义

1.7、矩阵求解

1.8、变形云图展示

1.9、节点位移

1.10、单元应力

1.11、节点支反力

2、“央视大裤衩”Ansys软件求解

2.1、变形云图

2.2、节点位移

2.3、单元应力

2.4、节点支反力

3、结果对比

3.1、节点位移对比

3.2、单元应力对比

3.3、节点支反力对比

本系列文章致力于实现“手搓有限元，干翻Ansys的目标”，基本框架为前端显示使用QT实现交互，后端计算采用Visual Studio C++。

基于前文的准备工作，已具备初步的有限元分析的全流程计算，为了验证计算的准确性，将自研的有限元软件与商业软件ANSYS的计算结果进行对比。

手搓有限元 干翻Ansys-央视大裤衩有限元分析

（也可以点击此处进行视频跳转）

1、“央视大裤衩”自研有限元软件求解

使用自研有限元软件对“央视大裤衩”进行求解。模型中所有单元的杨氏模量E = 7e10Pa，横截面积A = 2e-4m^2。模型状态如下图所示（这里借用了Ansys的模型展示状态）：

在模型底端全部使用铰支座进行X、Y、Z三个方向固定，除与地面接触的节点外，所有节点受到X正方向大小为1000N的力，模拟为风荷载。

1.1、选择单元类型

这里选择Bar_3D2Node单元（点击这里跳转到Bar3D2Node介绍）。

1.2、导入“央视大裤衩”工程

这里导入提前准备好的“央视大裤衩”模型。

1.3、节点坐标定义

这里显示的是模型中节点的ID、X坐标、Y坐标、Z坐标。

1.4、单元连接关系、材料定义

这里显示的是单元的ID、起始点ID、结束点ID、杨氏模量E、横截面积A。

1.5、约束定义

这里显示的是模型节点X方向是否约束(0为自由，1为约束)、X方向初始位移、Y方向是否约束(0为自由，1为约束)、Y方向初始位移、Z方向是否约束(0为自由，1为约束)、Z方向初始位移。所有方向的初始位移均设置为0.

1.6、外载定义

这里显示的是模型节点X方向初始荷载、Y方向初始荷载、Z方向初始荷载，依照荷载条件，与地面接触的节点无风荷载，除此之外所有的节点均受到X方向大小为1000N的初始荷载。

1.7、矩阵求解

控制台窗口打印的是每个单元的全局刚度矩阵。

1.8、变形云图展示

这里展示的是模型的变形云图，可以调整云图的色阶以及比例缩放。

1.9、节点位移

这里展示的是不同节点的位移。

1.10、单元应力

这里展示的是不同单元的应力。

1.11、节点支反力

这里展示的是不同节点的支反力。

2、“央视大裤衩”Ansys软件求解

2.1、变形云图

2.2、节点位移

这里展示的是局部节点位移。

2.3、单元应力

这里展示的是局部单元应力，由于与地面相连节点没有加风荷载，所以到27号单元应力才不为0.

2.4、节点支反力

在前12号节点均有荷载。

3、结果对比

在自研的有限元软件与Ansys软件的计算结果进行对比。

3.1、节点位移对比

节点位移对比
节点ID（从1开始计数）自研软件节点位移（m）Ansys节点位移（m）
1

X:0.000000e+00

Y:0.000000e+00

Z:0.000000e+00

X:0.000000e+00

Y:0.000000e+00

Z:0.000000e+00

13

X:1.145608e-03

Y:-5.583721e-05

Z:-1.500025e-04

X:0.11456E-02

Y:-0.55837E-04

Z:-0.15000E-03

44

X:3.593812e-02

Y:-1.132481e-02

Z:9.641387e-03

X:0.35938E-01

Y:-0.11325E-01

Z:0.96414E-02

56

X:4.634266e-02

Y:-1.434761e-02

Z:1.284828e-02

X:0.46343E-01

Y:-0.14348E-01

Z:0.12848E-01

80

X:7.366890e-02

Y:-3.727720e-02

Z:2.816048e-02

X:0.73669E-01

Y:-0.37277E-01

Z:0.28160E-01

这里只选取了部分节点进行数据对比。可以看出计算结果几乎一致，除了舍入误差保留精度之外。

3.2、单元应力对比

单元应力对比
单元ID（从1开始计数）自研软件单元应力（Pa）Ansys单元应力（Pa）
10.000000e+00

0.0000

273.000622e+060.30006E+07
88-2.147518e+07-0.21475E+08
1254.148358e+070.41484E+08
2665.679809e+060.56798E+07

这里只选取了部分单元进行数据对比。可以看出计算结果几乎一致，除了舍入误差保留精度之外。

3.3、节点支反力对比

节点支反力对比
节点ID（从1开始计数）自研软件节点支反力（N）Ansys节点支反力（N）
1

X:-1.598386e+04

Y:1.061466e+03

Z:7.351554e+03

X:-15984.

Y:1061.5

Z:7351.6

2

X:-7.255753e+03

Y:-2.371771e+04

Z:-1.842327e+04

X:-7255.8        

Y:-23718.

Z:-18423.

3

X:-4.658990e+03

Y:-1.039396e+04

Z:-4.412918e+03

X:-4659.0        

Y:-10394.

Z:-4412.9

4

X:-1.697886e+04

Y:-1.189124e+04

Z:-6.063854e+02

X:-16979.        

Y:-11891.

Z:-606.39

5

X:-1.135751e+04

Y:-5.277917e+04

Z:-1.239206e+04

X:-11358.        

Y:-52779.

Z:-12392.

6

X:4.755060e+02

Y:3.057443e+04

Z:1.210375e+04

X:475.51          

Y: 30574.

Z:12104.

7

X:-7.595668e+03

Y:-4.415977e+04

Z:9.528992e+03

X:-7595.7          

Y:-44160.

Z:9529.0

8

X:-2.386487e+03

Y:5.215669e+04

Z:-4.339480e+03

X:-2386.5            

Y:52157.

Z:-4339.5

9

X:-3.410433e+03

Y:-2.099796e+04

Z:-4.992923e+03

X:-3410.4        

Y:-20998.

Z:-4992.9

10

X:-2.388713e+03

Y:-9.652879e+03

Z:5.519742e+03

X:-2388.7          

Y:-9652.9

Z:5519.7

11

X:3.610844e+03

Y:3.707225e+04

Z:1.442215e+04

X:3610.8            

Y:37072.

Z:14422.

12

X:-7.007064e+01

Y:5.272786e+04

Z:-3.759157e+03

X:-70.071          

Y:52728.

Z: -3759.2

这里选取了全部固定节点进行数据对比。可以看出计算结果几乎一致，除了舍入误差保留精度之外。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/12520.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Hot100之堆

Hot100之堆

我们的PriorityQueue默认为最小堆，堆顶总是为最小 215数组中的第K个最大元素 题目 思路解析 暴力解法（不符合时间复杂度） 题目要求我们找到「数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素」。「数组排序后的第 k …
阅读更多...
FinRobot：一个使用大型语言模型的金融应用开源AI代理平台

FinRobot：一个使用大型语言模型的金融应用开源AI代理平台

“FinRobot: An Open-Source AI Agent Platform for Financial Applications using Large Language Models” 论文地址：https://arxiv.org/pdf/2405.14767 Github地址：https://github.com/AI4Finance-Foundation/FinRobot 摘要 在金融领域与AI社区间&a…
阅读更多...
算法题（57）：找出字符串中第一个匹配项的下标

算法题（57）：找出字符串中第一个匹配项的下标

审题: 需要我们根据原串与模式串相比较并找到完全匹配时子串的第一个元素索引，若没有则返回-1 思路： 方法一：BF暴力算法 思路很简单，我们用p1表示原串的索引，p2表示模式串索引。遍历原串，每次遍历都匹配一次…
阅读更多...
「全网最细 + 实战源码案例」设计模式——策略模式

「全网最细 + 实战源码案例」设计模式——策略模式

核心思想 策略模式（Strategy Pattern）是一种行为型设计模式，用于定义一系列算法或策略，将它们封装成独立的类，并使它们可以相互替换，而不影响客户端的代码，提高代码的可维护性和扩展性。 结构 …
阅读更多...
linux 进程补充

linux 进程补充

环境变量 基本概念 环境变量(environment variables)一般是指在操作系统中用来指定操作系统运行环境的一些参数 如：我们在编写C/C代码的时候，在链接的时候，从来不知道我们的所链接的动态静态库在哪 里，但是照样可以链接成功&#…
阅读更多...
排序算法--选择排序

排序算法--选择排序

选择排序虽然简单&#xff0c;但时间复杂度较高&#xff0c;适合小规模数据或教学演示。 // 选择排序函数 void selectionSort(int arr[], int n) {for (int i 0; i < n - 1; i) { // 外层循环控制当前最小值的存放位置int minIndex i; // 假设当前位置是最小值的索引// 内…
阅读更多...
java求职学习day27

java求职学习day27

数据库连接池 &DBUtils 1.数据库连接池 1.1 连接池介绍 1) 什么是连接池 实际开发中 “ 获得连接 ” 或 “ 释放资源 ” 是非常消耗系统资源的两个过程&#xff0c;为了解决此类性能问题&#xff0c;通常情况我们 采用连接池技术&#xff0c;来共享连接 Connection 。…
阅读更多...
接入DeepSeek大模型

接入DeepSeek大模型

接入DeepSeek 下载并安装Ollamachatbox 软件配置大模型 下载并安装Ollama 下载并安装Ollama&#xff0c; 使用参数ollama -v查看是否安装成功。 输入命令ollama list&#xff0c; 可以看到已经存在4个目录了。 输入命令ollama pull deepseek-r1:1.5b&#xff0c; 下载deepse…
阅读更多...
AI大模型（二）基于Deepseek搭建本地可视化交互UI

AI大模型（二）基于Deepseek搭建本地可视化交互UI

AI大模型&#xff08;二&#xff09;基于Deepseek搭建本地可视化交互UI DeepSeek开源大模型在榜单上以黑马之姿横扫多项评测&#xff0c;其社区热度指数暴涨、一跃成为近期内影响力最高的话题&#xff0c;这个来自中国团队的模型向世界证明&#xff1a;让每个普通人都能拥有媲…
阅读更多...
防火墙安全策略实验

防火墙安全策略实验

一、实验拓扑图及实验要求 实验要求&#xff1a; 1、VLAN2属于办公区&#xff1b;VLAN 3属于生产区。 2、办公区PC在工作日时间&#xff08;周一至周五&#xff0c;早8到晚6)可以正常访问0A Server&#xff0c;其他时间不允许。 3、办公区可以在任意时刻访问web Server 4、生产…
阅读更多...
【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】3.1 NumPy图像大小调整实战

【Numpy核心编程攻略：Python数据处理、分析详解与科学计算】3.1 NumPy图像大小调整实战

3.1 NumPy图像大小调整实战 目录 #mermaid-svg-uDg4hyooC74c0r2r {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-uDg4hyooC74c0r2r .error-icon{fill:#552222;}#mermaid-svg-uDg4hyooC74c0r2r .error-text{fill:#5…
阅读更多...
AI 编程工具—Cursor进阶使用 Agent模式

AI 编程工具—Cursor进阶使用 Agent模式

AI 编程工具—Cursor进阶使用 Agent模式 我们在使用Cursor 的是有，在Composer 模式下，提交的是有两种模式 Normal 模式，也就是默认的模式Agent 模式Agent 模式可以帮我们生成代码文件，执行程序，安装依赖，并且完成一些列的工作 这里有个点很重要就是在Agent 模式下，Cur…
阅读更多...
在React中使用redux

在React中使用redux

一、首先安装两个插件 1.Redux Toolkit 2.react-redux 第一步&#xff1a;创建模块counterStore 第二步&#xff1a;在store的入口文件进行子模块的导入组合 第三步&#xff1a;在index.js中进行store的全局注入 第四步&#xff1a;在组件中进行使用 第五步&#xff1a;在组件中…
阅读更多...
Leetcode - 周赛434

Leetcode - 周赛434

目录 一、3432. 统计元素和差值为偶数的分区方案二、3433. 统计用户被提及情况三、3434. 子数组操作后的最大频率四、3435. 最短公共超序列的字母出现频率 一、3432. 统计元素和差值为偶数的分区方案 题目链接 本题可以直接模拟&#xff0c;这里再介绍一个数学做法&#xff0…
阅读更多...
Linux： 网络基础

Linux： 网络基础

1.协议 为什么要有协议&#xff1a;减少通信成本。所有的网络问题&#xff0c;本质是传输距离变长了。 什么是协议&#xff1a;用计算机语言表达的约定。 2.分层 软件设计方面的优势—低耦合。 一般我们的分层依据&#xff1a;功能比较集中&#xff0c;耦合度比较高的模块层…
阅读更多...
Spring Boot常用注解深度解析：从入门到精通

Spring Boot常用注解深度解析：从入门到精通

今天&#xff0c;这篇文章带你将深入理解Spring Boot中30常用注解&#xff0c;通过代码示例和关系图&#xff0c;帮助你彻底掌握Spring核心注解的使用场景和内在联系。 一、启动类与核心注解 1.1 SpringBootApplication 组合注解&#xff1a; SpringBootApplication Confi…
阅读更多...
【大模型理论篇】DeepSeek-R1:引入冷启动的强化学习

【大模型理论篇】DeepSeek-R1:引入冷启动的强化学习

1. 背景 首先给出DeepSeek-V3、DeepSeek-R1-Zero、DeepSeek-R1的关系图【1】。 虽然DeepSeek-R1-Zero推理能力很强&#xff0c;但它也面临一些问题。例如&#xff0c;DeepSeek-R1-Zero存在可读性差和语言混杂等问题。为了使推理过程更具可读性&#xff0c;进而推出了DeepSee…
阅读更多...
【BUUCTF杂项题】荷兰宽带数据泄露、九连环

【BUUCTF杂项题】荷兰宽带数据泄露、九连环

一.荷兰宽带数据泄露 打开发现是一个.bin为后缀的二进制文件&#xff0c;因为提示宽带数据泄露&#xff0c;考虑是宽带路由器方向的隐写 补充&#xff1a;大多数现代路由器都可以让您备份一个文件路由器的配置文件&#xff0c;软件RouterPassView可以读取这个路由配置文件。 用…
阅读更多...
院校联合以项目驱动联合培养医工计算机AI人才路径探析

院校联合以项目驱动联合培养医工计算机AI人才路径探析

一、引言 1.1 研究背景与意义 在科技飞速发展的当下&#xff0c;医疗人工智能作为一个极具潜力的新兴领域&#xff0c;正深刻地改变着传统医疗模式。从疾病的早期诊断、个性化治疗方案的制定&#xff0c;到药物研发的加速&#xff0c;人工智能技术的应用极大地提升了医疗服务…
阅读更多...
解读“大语言模型（LLM）安全性测评基准”

解读“大语言模型（LLM）安全性测评基准”

1. 引入 OWASP&#xff0c;全称为Open Web Application Security Project&#xff0c;即开放式Web应用程序安全项目&#xff0c;是一个致力于提高软件安全性的非营利国际组织。 由于庞大的规模和复杂的结构&#xff0c;大语言模型也存在多种安全风险&#xff0c;如prompt误导…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023