本文你将获得如下干货:
1.获得基于Python脚本的有限元模型修正法(FEMU)进行参数优化的源代码(通用代码,可直接反演各种材料参数,尺寸参数,相应的数据接口预留好了);
2.使用Python脚本反演了悬臂梁模型的载荷位置和集中力大小;
3.快速掌握材料参数反演流程;
源码获取:关注微信公众号:仿真社,相应文章便可获取。
1.导读
工程上要确定材料的参数通常是通过力学实验获得。然而当实验成本较高,实验数据稀少的时候,反演方法来确定材料参数就是一个非常不错的选择。有限元模型修正法是最常用的反演方法,主要包含两部分有限元计算和优化确定参数。有限元计算一般通过有限元软件来完成,而优化确定材料常用MATLAB或者Python程序。因此不同软件的协同工作是必须的一个过程。本文以悬臂梁的集中力和集中力位置作为优化变量编写了Python脚本的代码,然后通过最小二乘法获得了反演参数,这是一个通用程序,可直接嫁接到其他模型上。
2.研究内容
通过A点的位移数据,反演确定集中力F以及集中力的位置L。
图1 反演模型
3.代码详解
反演代码主要包含四个部分computModel、extractDisplacement、removeFile和Objective。
computeModel(location, load): 有限元计算部分,其中 loacation和load分别代表集中力的位置和集中力。这一部分是通过脚本完成有限元计算,需要给模型的集中力位置(Set-load)和A点(SET-REF)建立集合,方便后处理调用。
extractDisplacement(): 后处理程序提取出A点集合的SET-REF的最后一帧图片的位移,y方向位移。由于反演需要反复调用odb文件,每一步提取出位移后需要关闭odb文件,如odb.close(),这一步要特别重要,因为如果不关闭,相当于资源占用,无法正常保存下一次结果。
removeFile(): 删除所有有限元文件,防止资源占用,否则无法正常保存下一次计算结果。
Objective(x): 建立目标函数进行参数优化。
把上面的四个函数进行封装后使用主程序调用,位置和集中力初始值分别为10和70.
3.优化结果分析
本文目标值为L=50,F=100,位移为-0.1254,通过带约束的最小二乘法least_squares获得优化结果为L0=62.5 ,F0=70.2,优化位移为-0.1270。更改不同初始值L=45,F=90,优化结果L1=52,F1=94,优化位移为-0.1264。更改不同初始值L=20,F=60,约束位置最大为55,优化结果L2=52, F2=94,优化位移为-0.1264。
更改不同初始值和约束条件可以发现,优化值与目标值不尽相同,但是目标函数的位移值与目标位移的相对误差均在1%以内。这说明反演是一个多解问题,需要更多的约束来排除掉非目标值的可能。