abaqus 算例教程:考虑动水压力的 koyna 地震非线性动力响应分析

一、教程简介

Abaqus 简介

Abaqus 是一款功能强大的有限元分析 (FEA) 软件,广泛应用于工程模拟领域。它通过有限元方法对各种工程问题进行模拟和分析,能够处理从简单的线性问题到复杂的非线性问题。Abaqus 最初于 1978 年发布,由 Hibbitt, Karlsson & Sorensen, Inc.(HKS) 开发,后更名为 ABAQUS 公司,并于 2005 年被达索系统 (Dassault Systèmes) 收购。

教程简介

该教程为 Abaqus 官方教程:混凝土重力坝的抗震分析。本例说明了混凝土损伤塑性材料模型在评估任意载荷作用下混凝土结构稳定性和损伤的典型应用。

教程将对 Koyna 大坝进行分析,该大坝于 1967 年 12 月 11 日遭受了里氏 6.5 级地震。之所以选择该问题,是因为它已被许多研究人员广泛分析过,包括 Chopra 和 Chakrabarti (1973)、Bhattacharjee 和 Léger (1993)、Ghrib 和 Tinawi (1995)、Cervera 等人 (1996) 以及 Lee 和 Fenves (1998)。

教程链接:https://go.openbayes.com/c9bW8

该教程将在云平台 http://OpenBayes.com 上进行演示,使用下方邀请链接注册即可获得 4 小时 RTX 5090 免费使用时长:
https://openbayes.com/console/signup?r=Dennis9801_1ohB

二、操作步骤

  1. 克隆并启动容器

登录 http://OpenBayes.com,在「公共教程」页面,选择「考虑动水压力的 koyna 地震非线性动力响应分析」教程。

页面跳转后,点击右上角「克隆」,将该教程克隆至自己的容器中。

选择「CPU」以及「abaqus」镜像,OpenBayes 平台提供了 4 种计费方式,大家可以按照需求选择「按量付费」或「包日/周/月」,点击「继续执行」。可以使用文章开头的邀请链接,获得 RTX 4090 使用时长!

待系统分配好资源,当状态变为「运行中」后,点击「通过 WEB 访问」。

2. 算例演示

模型已将所需文件保存好,分别为:fre(频率计算)、sesimic-water(时程计算)。下面将逐一进行演示。

sesimic-water(时程计算)

首先打开软件,设置一个工作路径。

然后导入 inp 文件。模型算例已将 inp 文件都准备好,其中的主要文件为 job.inp,即我们要导入的文件,该文件运行时会调用另外两个文件。

然后创建一个 job。

创建 job 后还需勾选一个子程序。

将文件都导入后,点击运行即可。这里我们已经准备好了运行的结果文件,可以直接打开。

然后要提取一些数据,包括上下两点的位移时程以及相对位移时程。

选择方向为水平向。

选择具体的两点,确定好点后,需要先点击「Save」保存。

将两个点的数据保存好之后,新开一个窗口方便绘制图形。

选中一个窗口,在左侧目录栏选择绘制图形。

最后得到所选两点的水平向的位移时程曲线。

想要绘制两点相对位移时程曲线,需要用上方点的数据减去下方点的数据。

此外,也可查看坝体损伤数据等。

选择「DAMAGET」可以查看坝体拉损伤数据:

选择「DAMAGEC」可以查看坝体压损伤数据:

fre(频率计算)

与之前步骤相同,先设置运行路径。

然后导入 inp 文件。

之后在 job 中创建计算。

最后得到计算结果如图。

该算例为频率计算,所以可以看到它的阶层。

相关推荐
V胡桃夹子7 分钟前
VS Code / Lingma AI IDE Java 开发攻略手册
java·ide·人工智能
Bruk.Liu7 分钟前
(LangChain实战3):LangChain阻塞式invoke与流式stream的调用
人工智能·python·langchain
小小工匠9 分钟前
大模型开发 - 零手写 AI Agent:深入理解 ReAct 模式与 Java 实现
人工智能·react
翱翔的苍鹰11 分钟前
法律问答机器人”技术方案”的实现
人工智能·rnn·深度学习·自然语言处理
m0_6038887114 分钟前
Structured Over Scale Learning Spatial Reasoning from Educational Video
人工智能·深度学习·机器学习·ai·论文速览
Bruk.Liu16 分钟前
(LangChain实战4):LangChain消息模版PromptTemplate
人工智能·python·langchain
HyperAI超神经20 分钟前
【TVM教程】设备/目标交互
人工智能·深度学习·神经网络·microsoft·机器学习·交互·gpu算力
应用市场21 分钟前
#AI对话与AI绘画的底层原理:从概率预测到创意生成的完整解析
人工智能·ai作画
肾透侧视攻城狮21 分钟前
《解锁 PyTorch 张量:多维数据操作与 GPU 性能优化全解析》
人工智能·numpy·张量的索引和切片·张量形状变换·张量数学运算操作·张量的gpu加速·张量与 numpy 的互操作
Tadas-Gao24 分钟前
大模型幻觉治理新范式:SCA与[PAUSE]注入技术的深度解析与创新设计
人工智能·深度学习·机器学习·架构·大模型·llm