基于Python生成OPENSEES结构动画

最新推荐文章于 2023-07-29 07:54:20 发布

dinochenxuewei

最新推荐文章于 2023-07-29 07:54:20 发布

阅读量2.3k

点赞数 3

文章标签： python

本文链接：https://blog.csdn.net/dinochenxuewei/article/details/121769819

版权

基于Python生成OPENSEES结构动画
====
[Github地址]：GitHub - dinochen1983/Opensees_Python: Opensees_Python
[下载实例文件]：

点击下载实例文件:python源代码与实例包

我们一般采用OPENSEES做一些新型的结构分析方法的研究，可是OPENSEES是以命令流为主的建模分析软件，采用TCL语言开发结构显示变形动画也是比较麻烦的。在毕业设计，论文答辩，学术报告中加入OPENSEES的结构分析动画，比如结构的变形动画，会给整个展示带来加分，所以我们一般会通过编程的方法实现OPENSEES结果的动画展示。其实现在的ETO已经可以实现结构动画的展示，如下图所示。

在ETO程序中点击【Post】--【Animation】，输入总步数及显示变形比例，导入计算结果的文件就可以显示动画了。

ETO程序中显示动画的功能，ETO程序下载方法:http://dinochen.com/article.asp?id=149

有同学现在不只是采用ETO进行建模，也有可能采用自研究的程序进行建模，所以接下来我介绍一下采用Python语言简单编制OpenSEES的结构变形动画后处理程序的做法。基于这个Python的源代码，你也可以修改为显示结构的塑性铰开展，内力及应力的变形等等，都可以基于这个源代码进行修改。

以上两本书是我推荐的PYTHON入门教材

Python目前被广泛用于后处理的库，我常用的有三种：OPENGL(适用于大型三维), Matplotlib（适用于小模型计算科研使用）,还有一个就是pyGame（虽然用于游戏开发，但对于结构的后处理是相当好用的）。本篇博客介绍的是基于Matplotlib的OPENSEES后处理方法。如果经常使用matlab的小伙伴，看到Matplotlib的语句与逻辑就相当熟悉了，其实它就是用于绘制科学图表的命令流。

整个OPENSEES的后处理流程我以下面的例子展开：

（1）为了方便快速建模，在ETABS程序中建立以下框架结构模型，在例子文件包可以下载。导出S2K文件（ETABS程序采用ETABS9.6.0版本）

采用ETABS 960进行框架结构的建模

（2）导入ETO程序，生成OPENSEES的命令流分析代码，如下图所示。梁柱单元采用的是Elastic Beam Column Element，弹性梁柱单元。分析是采用弹性时程分析，在ETO的设置如下所示。

导出OPENSEES的文本模型文件

设置成生成时程分析输出

（3）通过ETO导出OPENSEES的分析文本文件 model.tcl，进行局部修改。Model.tcl可以以示例文件压缩包中找到。其中主要的修改如下：
地震波的名字改为 gm1x.txt
节点位移的保存方式修改如下：
recorder Node -file node0x.out -time -nodeRange 1 357 -dof 1 disp
recorder Node -file node0y.out -time -nodeRange 1 357 -dof 2 disp
recorder Node -file node0z.out -time -nodeRange 1 357 -dof 3 disp
代表X,Y,Z三个方向的位移值分开存储在3个不同的文件当中，一个文件储存全部节点的单个方向的位移。

（4）打开OPENSEES程序，运行该命令流文件，最终得到位移分析结果。下一步就是采用PYTHON（基于MATPLOTLIB库）进行结构变形的动画绘制了。

（5）准备结构模型信息传递给PYTHON程序，基于结构模型的TCL代码修改，这一步可以在EXCEL中操作，将节点信息保存为node.csv文件，将全部杆系单元的单元编号，节点编号保存element.csv，采用以下格式：

（6）下载示例包中的python源代码 p1.py，该python文件的功能，就是读取结构分析结果、结构节点、结构单元，生成结构变形的动画文件，以gif的形式。打开python就可以运行了。安装以下包：
Csv: 导入CSV文件
Imageio：生成GIF图形
Matplotlib: 科学图形工具
Numpy: 数列与矩阵计算
Pandas: 文本操作

（7）在运行PYTHON之前，需要填写以下信息:

nstep = 1000 opensees分析结果的总步数
step_size = 5 这里是每隔5步生成一帧动画
num_step = int(nstep/step_size) 实际的帧数
scr_factor=250.0 位移显示比例
zone_height = 60*1000.0 模型的总高度
center_x = 9000.0 模型X方向形心
center_y = 9000.0 模型Y方向形心
step_duration_gif = 0.02 实际GIF文件的播放速率

（8）通过PYTHON程序生成的动画如下所示。以ETO的程序对比如下图所示。ETO相对操作简单，但是python的开源性更好，同学可以根据自已的需要编制适用于自已的后处理。