有限元分析学习——Anasys Workbanch第一阶段笔记(10)桌子载荷案例分析_实际载荷与均布载荷的对比

目录

0 序言

1 桌子案例

2 模型简化

3 方案A 前处理

1)分析类型选择

2)材料加载

3)约束、载荷及接触 

4)控制网格(网格大小需要根据结果不断调整)

初始计算结果 

加密后计算结果

4 方案B、C 前处理

1)分析类型选择

2)材料加载

3)约束、载荷及接触

4)控制网格(网格大小需要根据结果不断调整)

初始计算结果

加密后计算结果

5 总结


0 序言

本章主要介绍基于桌子受载案例中不同载荷处理方法的相关操作,并对这些方法所得结果进行对比分析。

有限元分析基本操作流程

1 桌子案例

本文将分别使用方案A方案B方案C 分析该桌子案例

方案A:载荷不做简化(不压缩长方形物块,与桌面选择带摩擦接触"Frictional",选择惯性力"Inetial"中的标准地球引力"Standard Earth Gravity"负载)

方案B:将载荷简化为均布载荷(压缩长方体物块,给予长方体底面区域均布载荷)

方案C:将载荷简化集中在长方体的四个角(压缩长方体物块,分别给予长方体底面四角以1/4的等效力)

2 模型简化

方案A不压缩长方形物块,方案B、方案C压缩长方形物块

方案A
方案B 方案C

3 方案A 前处理

1)分析类型选择

设置几何结构"Geometry"特性"Properties"中的分析类型"Analysis Type"选择3D;

2)材料加载

 材料确定为结构钢Structural Steel

3)约束、载荷及接触 

约束:Fixed Support固定四个桌角

载荷:Inertial 给惯性力载荷(2020 R2 Inertial 在Environment选项栏),选择标准地球重力"Standard Earth Gravity",选择方向,朝桌底方向;

接触:长方形物块与桌面摩擦接触,摩擦系数设为0.2 

4)控制网格(网格大小需要根据结果不断调整)

控制过渡 

先先不对网格进行控制,自动生成网格Generate mash

初次计算,选择分别输出长方形物块和桌子的位移Deformation应力Equivalent(von-Mises)Stress还有支反力Force Reaction;(其中尾缀为2的为桌子)

(tip:版本不一样功能位置可能不同,可以直接使用Quick Launch)

 初次计算结果:

长方形物块位移
桌子位移
长方形物块应力

桌子应力
支反力结果

初始计算结果 

位移、应力最大值及支反力结果统计
位移/m应力/Pa支反力/N
长方形物块5.15e-51.07e6
桌子7.00e-59.06e6
支反力704.49

网格加密:

加密后计算结果

(因为趋势相同不再放置图片)

加密网格后位移、应力最大值及支反力结果统计
位移/m应力/Pa支反力/N
长方形物块5.07e-51.07e7
桌子8.96e-59.32e6
支反力704.49

 分析对比加密前后结果:

除了,长方形物块的最大应力结果相差较大,其余值均在误差范围内;造成长方形物块的最大应力结果相差较大的原因为:尖角的应力奇异,又案例要求求解的是桌子的变形情况所以,可忽略此问题。

4 方案B、C 前处理

1)分析类型选择

(同方案A)

2)材料加载

(同方案A)

3)约束、载荷及接触

约束:(同方案A)

载荷:

方案B:在桌子的长方形物块覆盖的矩形区域施加45.4*9.8=445N的均布载荷;

方案C:在桌子的长方形物四个顶角分别施加(45.4*9.8)/4=111.25N的载荷;

(为了控制变量,桌子而然施加惯性力,方便对比结果的支反力)

方案B
方案C

接触:

4)控制网格(网格大小需要根据结果不断调整)

控制过渡:slow(同方案A)

先先不对网格进行控制,自动生成网格Generate mash

初次计算,选择分别输出桌子的位移Deformation应力Equivalent(von-Mises)Stress还有支反力Force Reaction;

初始计算结果

(除均布载荷应力结果有细微差异外,其余趋势相同不再放置图片)

方案B均布载荷下的应力结果图
初始方案B、C位移、应力最大值及支反力结果统计
位移/m应力/Pa支反力/N
方案B9.04e-59.96e6
方案C6.74e-58.89e6
支反力703.97

 网格加密:

加密后计算结果

加密后方案B、C位移、应力最大值及支反力结果统计
位移/m应力/Pa支反力/N
方案B9.23e-51.04e7
方案C6.88e-59.26e6
支反力703.97

5 总结

方案A与方案C的结果相似度高,在误差范围内,方案C结果偏差大,属于不适当的作用力简化。

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/651.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

用HTML + CSS实现太极图

目录 一、效果图 二、实现思路 三、完整代码 四、总结 一、效果图 如图所示,太极图一半为黑色(代表阴),另一半为白色(代表阳)。这两部分相互环绕,形成一种流动的、旋转的感觉。 二、实现思…

【Rust自学】11.7. 按测试的名称运行测试

喜欢的话别忘了点赞、收藏加关注哦,对接下来的教程有兴趣的可以关注专栏。谢谢喵!(・ω・) 11.7.1. 按名称运行测试的子集 如果想要选择运行的测试,就将测试的名称(一个或多个)作为cargo test的…

标准应用 | 2025年网络安全服务成本度量实施参考

01 网络安全服务成本度量依据相关新变化 为了解决我国网络安全服务产业发展中面临的服务供需两方对于服务成本组成认知偏差较大、网络安全服务成本度量缺乏依据的问题,中国网络安全产业联盟(CCIA)组织北京赛西科技发展有限责任公司、北京安…

HAMi + prometheus-k8s + grafana实现vgpu虚拟化监控

最近长沙跑了半个多月,跟甲方客户对了下项目指标,许久没更新 回来后继续研究如何实现 grafana实现HAMi vgpu虚拟化监控,毕竟合同里写了需要体现gpu资源限制和算力共享以及体现算力卡资源共享监控 先说下为啥要用HAMi吧, 一个重要原…

某地武警海警总队建筑物自动化监测

1. 项目概述 该项目分布于三个不同的地级市,都是位于临海港口的码头,由中国武警海警总队驻扎,守卫人民安全。 1号建筑物自动化监测系统项目由一道伸缩缝划分为两个监测单元,建筑物为三层混合结构,采用350mm厚石墙、2…

负载均衡原理及算法

什么是负载均衡? 负载均衡 指的是将用户请求分摊到不同的服务器上处理,以提高系统整体的并发处理能力以及可靠性。负载均衡服务可以有由专门的软件或者硬件来完成,一般情况下,硬件的性能更好,软件的价格更便宜&#x…

Windows 下Mamba2 / Vim / Vmamba 环境安装问题记录及解决方法终极版(无需绕过triton)

导航 安装教程导航 Mamba 及 Vim 安装问题参看本人博客:Mamba 环境安装踩坑问题汇总及解决方法(初版)Linux 下Mamba 及 Vim 安装问题参看本人博客:Mamba 环境安装踩坑问题汇总及解决方法(重置版)Windows …

LLMs之VDB:LanceDB的简介、安装和使用方法、案例应用之详细攻略

LLMs之VDB:LanceDB的简介、安装和使用方法、案例应用之详细攻略 目录 LanceDB的简介 1、LanceDB的主要特性 2、为何选择 LanceDB? LanceDB的安装和使用方法 1、安装方法 Javascript/Typescript Python 2、使用方法 Javascript Python LanceDB…

《拉依达的嵌入式\驱动面试宝典》—计算机网络篇(二)

《拉依达的嵌入式\驱动面试宝典》—计算机网络篇(二) 你好,我是拉依达。 感谢所有阅读关注我的同学支持,目前博客累计阅读 27w,关注1.5w人。其中博客《最全Linux驱动开发全流程详细解析(持续更新)-CSDN博客》已经是 Linux驱动 相关内容搜索的推荐首位,感谢大家支持。 《…

Java面试核心知识4

公平锁与非公平锁 公平锁(Fair) 加锁前检查是否有排队等待的线程,优先排队等待的线程,先来先得 非公平锁(Nonfair) 加锁时不考虑排队等待问题,直接尝试获取锁,获取不到自动到队尾…

探索AGI:智能助手与自我赋能的新时代

目录 1 AGI1.1 DeepMind Levels(2023年11月)1.2 OpenAI Levels(2024年7月)1.3 对比与总结1.4 AGI可能诞生哪里 2 基于AI的智能自动化助手2.1 通用型大模型2.2 专业的Agent和模型工具开发框架2.3 编程与代码生成助手2.4 视频和多模态生成2.5 商…

python迷宫寻宝 第4关 自动寻路(找宝箱、宝石、终点、获取企鹅信息)

目录 地图 ​编辑 1、成功获取粉宝石或黄宝石。 2、获取企鹅的信息 3、获取红宝石 (1)api.get.item获取红宝石 (2)context.items获取红宝石 4、获取宝箱 (1)api.get.item获取宝箱 (2)context.items获取宝箱 5、达到终点 …

慧集通(DataLinkX)iPaaS集成平台-业务建模之业务对象(二)

3.UI模板 当我们选择一条已经建好的业务对象点击功能按钮【UI模板】进入该业务对象的UI显示配置界面。 右边填写的是UI模板的编码以及对应名称;菜单界面配置以业务对象UI模板编码获取显示界面。 3.1【列表-按钮】 展示的对应业务对象界面的功能按钮配置&#xff1…

PyCharm 引用其他路径下的文件报错 ModuleNotFound 或报红

PyCharm 中引用其他路径下的文件提示 ModuleNotFound,将被引用目录添加到系统路径: # # 获取当前目录 dir_path os.path.dirname(os.path.realpath(__file__)) # # 获取上级目录 parent_dir_path os.path.abspath(os.path.join(dir_path, os.pardir))…

mysql本地安装和pycharm链接数据库操作

MySQL本地安装和相关操作 Python相关:基础、函数、数据类型、面向、模块。 前端开发:HTML、CSS、JavaScript、jQuery。【静态页面】 Java前端; Python前端; Go前端 -> 【动态页面】直观: 静态,写死了…

单片机Day1

目录 一.什么是单片机? 二.单片机的组成 三.封装形式 四.优势 五.分类 通用型: 专用型: 按处理的二进制位可以分为: 六.应用: 七.发展趋势 1.增加CPU的数据总线宽度。 2.存储器的发展。 3.片内1/0的改进 …

spring ApplicationContextAware的使用和执行时机

实际项目开发中,会写类似如下的工具类,方便做脚本执行或者一些判断,提供一些api方法等(可阅读:https://blog.csdn.net/qq_26437925/article/details/114213391 ,ApplicationContextAware就大派用场了),如下…

Pytorch导出onnx模型并在C++环境中调用(含python和C++工程)

Pytorch导出onnx模型并在C环境中调用(含python和C工程) 工程下载链接:Pytorch导出onnx模型并在C环境中调用(python和C工程) 机器学习多层感知机MLP的Pytorch实现-以表格数据为例-含数据集和PyCharm工程中简单介绍了在…

2025新春烟花代码(二)HTML5实现孔明灯和烟花效果

效果展示 源代码 <!DOCTYPE html> <html lang"en"> <script>var _hmt _hmt || [];(function () {var hm document.createElement("script");hm.src "https://hm.baidu.com/hm.js?45f95f1bfde85c7777c3d1157e8c2d34";var …

[Transformer] The Structure of GPT, Generative Pretrained Transformer

The Structure of Generative Pretrained Transformer Reference: The Transformer architecture of GPT models How GPT Models Work