首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Abaqus网格划分的python二次开发问题

Abaqus网格划分的python二次开发问题

作者头像
阿信老师CAE
发布于 2023-03-01 08:12:25
发布于 2023-03-01 08:12:25
1.1K00
代码可运行
举报
文章被收录于专栏:ABAQUS二次开发ABAQUS二次开发
运行总次数:0
代码可运行

本文为读者来信回复。

阿信老师,您好!

我目前是一名硕士一年级的学生,平时也在自己学习ABAQUS简单插件的制作。由于没有查找到资料,所以想请教您一些问题。

问题描述:打算完成一个自动划分网格的开发,给定相关基本参数即可完成网格的建立。目前自己在实施过程中,所用于完成插件开发的函数文件已经写好,但是在运行插件时发生如下错误,所生成的py文件在附件中。

这是制作的GUI界面:

然后在输入参数之后就出现了报错信息:

#~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~#

同学你好:

这个报错的问题在于python脚本中单元类型关键词不能用string,而必须为abaqus内置的关键词,比如报错信息中的TET、HEX等。

解决方法很简单,我这里提供一个示例,供参考学习。

比如下图的二维模型:

该模型可以用四边形网格,也可以用三角形网格进行划分,如下。

采用Python程序,可以这样处理单元类型的选择问题:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# -*- coding: utf-8 -*-
#公众号:ABAQUS二次开发
#阿信老师CAE
#email:axin_cae@163.com
from abaqus import *
from abaqusConstants import *
from caeModules import *
from driverUtils import executeOnCaeStartup

elem_shape = 'TRI'
p = mdb.models['Model-1'].parts['Part-1']
f = p.faces
pickedRegions = f[0:1]
if elem_shape == 'QUAD':
    p.setMeshControls(
        regions=pickedRegions, 
        elemShape=QUAD, 
        technique=STRUCTURED)
elif elem_shape == 'TRI':
    p.setMeshControls(
        regions=pickedRegions, 
        elemShape=TRI, 
        technique=FREE)

p.seedPart(size=0.5, deviationFactor=0.1, minSizeFactor=0.1)
p.generateMesh()
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-12-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 ABAQUS二次开发 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【大模型学习 | DeepSeek-V3原理】
DeepSeek-V3 的基本框架还是 Transformer。该模型仍然沿用了 V2 模型中的 Multi-head Latent Attention (MLA) 和 DeepSeekMoE,在这框架的基础上,提出了auxiliary-loss-free strategy 解决了MoE的负载平衡问题。另外,V3 模型是通过将预测多token作为训练目标。本文主要是对DeepSeek-V3的模型框架以及训练目标进行讨论。
九年义务漏网鲨鱼
2025/07/24
2690
【大模型学习 | DeepSeek-V3原理】
万字长文详解DeepSeek核心技术
在今年的春节期间,DeepSeek 火出了圈。凭借 DeepSeek-V3 与 DeepSeek-R1 的创新技术和卓越表现,DeepSeek 迅速成为了行业内外的焦点。不管是技术专家还是普通用户,都对 DeepSeek 赞不绝口。我们特别准备了这篇技术科普文章,期望无论你是不是技术同学,都能够读懂 DeepSeek。
腾讯云开发者
2025/02/18
2.4K0
万字长文详解DeepSeek核心技术
【DeepSeek】DeepSeek概述 | 本地部署deepseek
DeepSeek是由中国的深度求索公司开发的一系列人工智能模型,以其高效的性能和低成本的训练而受到关注。以下是其主要介绍:
枫叶丹
2025/02/08
1.9K1
【DeepSeek】DeepSeek概述 | 本地部署deepseek
深入了解Deepseek模型的最佳三篇论文
DeepSeek-R1:通过强化学习提升大型语言模型的推理能力。 2025年1月发布,提出了一种使用强化学习而非监督学习的方法,显著提升了语言模型在数学和逻辑推理任务中的表现,开辟了新的研究方向。
致Great
2025/02/09
1.6K0
深入了解Deepseek模型的最佳三篇论文
一本书读懂DeepSeek核心技术(文末送书)
2025年年初,DeepSeek 成为全球人工智能(AI)领域的焦点,其DeepSeek-V3 和DeepSeek-R1 版本在行业内引发了结构性震动。
老_张
2025/05/21
2940
一本书读懂DeepSeek核心技术(文末送书)
一文深入了解DeepSeek-R1:模型架构
DeepSeek-R1 从其基础模型 DeepSeek-V3-Base 继承了 128K 上下文长度。最初,DeepSeek-V3 使用 4K 上下文长度进行预训练。然后,利用 YaRN 技术,两阶段上下文长度扩展首先将其增加到 32K,然后增加到 128K。
致Great
2025/02/14
2.2K0
一文深入了解DeepSeek-R1:模型架构
深度解析为什么Deepseek v3的成本这么低
这个问题其实可以从它发布的技术报告中窥见一二。 DeepSeek V3的训练总共才用了不到280万个GPU小时,而Llama 3 405B却用了3080万GP
算法一只狗
2025/01/05
4.2K0
深度解析为什么Deepseek v3的成本这么低
DeepSeek 到底用了多少GPU呢?
【引子】近来,大家一直在谈论 DeepSeek R1,即 671B 的参数巨兽。如果得到这样的一个大模型,到底花费了600 万美元还是2.48 亿美元呢?到底用了多少张GPU呢?
半吊子全栈工匠
2025/02/10
3.1K0
DeepSeek 到底用了多少GPU呢?
探索DeepSeek:从核心技术到应用场景的全面解读
本文将全面了解DeepSeek的前世今生,文从DeepSeek模型论文和理论数学公式推理为依据,部分设计到复杂数学计算将以通俗易懂的案例解答理解,因此本文适用于刚刚入门DeepSeek探索的新手和想要了解DeepSeek但数学能力又不是很强的朋友,门槛较低。为做到写作全面本文篇幅可能较长,因此本文付出笔者诸多心血,希望大家诸多支持,随时欢迎讨论观点看法和落地运用。本文将从技术创新的角度,我们将深入探讨DeepSeek主流模型的核心优势,并与其他主流大模型进行对比;接着,我们将回顾DeepSeek的成长历程,揭秘它的核心逻辑和成功的关键;随后,我们将聚焦于DeepSeek在大模型蒸馏和实践中的应用;并分享一些实际场景的部署指南和使用技巧;最后,展望DeepSeek在未来AI领域的潜力与发展。
fanstuck
2025/02/18
5.8K6
探索DeepSeek:从核心技术到应用场景的全面解读
万字长文解构DeepSeek V1/V2/V3/R1进化史:从算法革命到推理涌现!
在今年的春节期间,DeepSeek 火出了圈。凭借 DeepSeek-V3 与 DeepSeek-R1 的创新技术和卓越表现,DeepSeek 迅速成为了行业内外的焦点。不管是技术专家还是普通用户,都对 DeepSeek 赞不绝口。我们特别准备了这篇技术科普文章,期望无论你是不是技术同学,都能够读懂 DeepSeek。
腾讯云开发者
2025/02/27
1.1K0
万字长文解构DeepSeek V1/V2/V3/R1进化史:从算法革命到推理涌现!
DeepSeek R1&V3 原版论文摘要
论文还开源了DeepSeek-R1-Zero、DeepSeek-R1以及基于Qwen和Llama的多个蒸馏模型,为研究社区提供了宝贵的资源。
用户11468258
2025/02/05
5680
DeepSeek R1&V3 原版论文摘要
DeepSeek V3把训练大模型的成本给干下来了
一夜之间,DeepSeek突然之间炸场,各个大佬都在纷纷转发,而且发布即开源,直接用50多页的论文公布了其训练细节
算法一只狗
2024/12/29
5.1K0
DeepSeek V3把训练大模型的成本给干下来了
DeepSeek-R1深度解析:工作原理、强大功能与潜在缺陷
OpenAI 竞争对手 DeepSeek-R1 如何工作,它有什么能力,又有哪些潜在的缺陷?我们来看看它内部的构造。
云云众生s
2025/02/19
8320
DeepSeek-R1深度解析:工作原理、强大功能与潜在缺陷
Deepseek-V2技术报告解读!全网最细!
深度求索Deepseek近日发布了v2版本的模型,沿袭了1月发布的 Deepseek-MoE(混合专家模型)的技术路线,采用大量的小参数专家进行建模,同时在训练和推理上加入了更多的优化。沿袭了一贯的作风,Deepseek对模型(基座和对话对齐版本)进行了完全的mit协议开源,可以商用。对于算力不是那么充足的开发者,官方提供了API调用的方案,费用更是达到了全场最低!
zenRRan
2025/02/03
1.4K0
Deepseek-V2技术报告解读!全网最细!
深度揭秘DeepSeek:核心技术架构剖析与未来展望(1/18)
DeepSeek 是一家专注于开发先进大语言模型(LLM)和相关技术的研究公司,由知名量化资管巨头幻方量化于 2023 年 7 月 17 日创立。自成立以来,DeepSeek 凭借其在大语言模型领域的创新与突破,迅速在 AI 领域崭露头角。
正在走向自律
2025/02/13
1.9K0
深度揭秘DeepSeek:核心技术架构剖析与未来展望(1/18)
对DeepSeek事件的复盘和展望
作者简介:腾讯云TVP、北京交通大学计算机学院教授、计算机科学系主任、交通大数据与人工智能教育部重点实验室副主任。主要研究方向为多模态计算、网络数据挖掘、可信与对齐、AI Agent等。曾获中科院院长特别奖、ACM中国新星奖,作为负责人先后承担相关方向的国家自然科学基金重点项目、(首批)新一代人工智能重大项目课题、北京市杰出青年基金和国家级青年人才计划,第一/二作者论文7次获得中国计算机学会推荐国际会议的主会论文奖项,以第二完成人获得中国电子学会自然科学一等奖和北京市科学技术奖。
TVP官方团队
2025/02/03
1.3K0
对DeepSeek事件的复盘和展望
刚刚,DeepSeek开源MoE训练、推理EP通信库DeepEP,真太Open了!
上周五,DeepSeek 发推说本周将是开源周(OpenSourceWeek),并将连续开源五个软件库。
机器之心
2025/02/25
2600
刚刚,DeepSeek开源MoE训练、推理EP通信库DeepEP,真太Open了!
DeepSeek发布最新论文,5大杀手锏让大模型训练、推理暴涨
前天,全球知名的开源大模型平台DeepSeek在Hugging Face发布了其最新版本V3的论文。该论文从硬件架构和模型设计两个方面出发,探讨了如何在保持性能不降低的前提下,实现大规模训练和推理的更高效率,以突破现有硬件的限制。其中,DeepSeek-MoE技术、多头潜在注意力机制、FP8混合精度训练方法以及多标记预测策略成为关键的创新亮点。
福大大架构师每日一题
2025/05/17
3680
DeepSeek发布最新论文,5大杀手锏让大模型训练、推理暴涨
AI智能体研发之路-模型篇(二):DeepSeek-V2-Chat 训练与推理实战
5月6日私募基金幻方发布DeepSeek-V2,千亿级模型,每百万Tokens仅需1元-2元。5月15日,字节发布白菜价的豆包大模型,5月21日阿里、百度相机大幅下调甚至免费开放自家商用模型接口,大模型价格战正式打响。而被誉为大模型价格屠夫的“DeepSeek-V2”到底是怎么个事儿,是否可以进行训练和推理,今天我们来展开讲一讲。
LDG_AGI
2024/08/13
1.7K0
AI智能体研发之路-模型篇(二):DeepSeek-V2-Chat 训练与推理实战
Deepseek V3/R1 技术内核 及 RAG 技术前沿进展
我知道大家和我一样,都是以一种特别积极的心态沉浸在这个 DeepSeek 的学习世界中。实际上,DeepSeek 在我们春节期间送给我们的这份“大礼包”,对我个人来说,就像是一下子把我抛回到了两年前的那个夜晚——2022 年 11 月 30 号,ChatGPT 诞生的那个夜晚。那时候,我充满了兴奋,感觉到了这个世界的不同,也感受到了大家对知识的渴望。所以,我非常急迫地想和大家分享我在这段时间里的心路历程和总结,一起探索这一切。
深度学习与Python
2025/02/27
2840
Deepseek V3/R1 技术内核 及 RAG 技术前沿进展
推荐阅读
相关推荐
【大模型学习 | DeepSeek-V3原理】
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验