openfoam生成的非均匀固体Solid数据分析、VTK数据格式分析、以及paraview官方用户指导文档和使用方法

一、openfoam生成的非均匀固体Solid数据分析

对于Solid/dealii-output文件,固体的数据文件,

复制代码
# vtk DataFile Version 3.0
#This file was generated by the deal.II library on 2024/7/10 at 9:46:15
ASCII
DATASET UNSTRUCTURED_GRID

POINTS 108000 double
0 0 -1.524
0.009525 0 -1.524
0.01905 0 -1.524
5.71584e-08 0.013716 -1.524
0.00952503 0.013716 -1.524
0.01905 0.013716 -1.524
6.28932e-08 0.027432 -1.524
......
(共20多万行)

数据解析如下:

line 8:points 108000 # 代表108000个point

line 108008:CELLS 4000 112000 #应该是4000个cell

line 112012 POINT_DATA 108000 #代表108000个 VECTORS displacement数据

line 112013:VECTORS displacement double #矢量数据位置,108000行,每行是三元组

line 220014: SCALARS strain_xx double 1 #占1行,后面跟了一大行数据,但是一行里预计有108000个strain_xx数据,SCALARS代表标量

line 220017:SCALARS strain_xy double 1

line 220018: SCALARS strain_xy double 1

后面跟的都是这几个数据(strai_xx,xy,xz,......)

共220040行

然后看paraview中展示的

Solid/linear_elasticity.prm文件里

set Mesh n_x = 8

set Mesh n_y = 25

set Mesh n_z = 20 # 100

这个8x25x20 = 4000个cell,定义cell数目

故在paraview的information中能看到

cells:4000

points:108000

>>>>>>>>>>cells中一个单元格由27个point组成,27:表示这个单元由27个顶点组成。所以4000个cellx27(每个cell由27个point表示) = 108000个point

根据上面分析,也就是说固体方面:108000个points的坐标在变化,4000个cell是不变的(因为对points序号),还有cell的位移值(等属性值)4000个矢量是变化的,其他不变。

二、VTK数据格式分析

这个部分可以参照官网的解析:

3. Understanding Data --- ParaView Documentation 5.11.0 documentation

三、paraview官方用户指导文档和使用方法

官网文档链接:在paraview软件中,点击工具栏中的help->paraview guide 即可直接跳转到浏览器打开官网指导页面。

官网链接如下:Welcome to ParaView Documentation ! --- ParaView Documentation 5.11.0 documentation

指导手册如下:(属于上面链接里的)

ParaView Reference Manual --- ParaView Documentation 5.11.0 documentation

用户指导如下:(属于上面链接里的)

ParaView User's Guide --- ParaView Documentation 5.11.0 documentation

相关推荐
hboot3 天前
AI工程师第二课 - 数据处理
人工智能·python·数据分析
王小王-1234 天前
基于 Hive 的网易云音乐数据分析及可视化系统
hive·hadoop·数据分析·音乐数据分析·网易云音乐分析·hive音乐分析·hadoop网易云
Database_Cool_4 天前
大规模数据分析降本指南:AnalyticDB Serverless 弹性架构实战
数据仓库·阿里云·架构·数据分析·serverless
YangYang9YangYan4 天前
2026初入职场学习数据分析的价值
学习·数据挖掘·数据分析
有Li4 天前
PTCMIL:基于提示 token 聚类的全切片图像多实例学习分析文献速递/多模态医学影像最新进展
论文阅读·学习·数据挖掘·聚类·文献·医学生
数睿数据无代码开发4 天前
打破数据孤岛:深度解析 smardaten 数据连接器核心功能
数据挖掘·无代码
砚底藏山河5 天前
沪深A股:如何获取基金持股数据
java·python·数据分析·maven
jarreyer5 天前
【数据分析绘图】excel绘图和bi工具区别
数据挖掘·数据分析·excel
装不满的克莱因瓶5 天前
了解多标签图像分类方法——从Sigmoid输出到真实世界复杂视觉理解
人工智能·pytorch·python·深度学习·机器学习·分类·数据挖掘