e-works数字化企业网  »  文章频道  »  产品创新数字化(PLM)  »  CAE

基于Python的模流仿真数据分析方法

2023/11/30    来源:e-works    作者:郭蜻蜻  王月  王忠岩      
关键字:Python  模流仿真  模流分析  注塑  
跨领域的思维理念的应用,在模流仿真分析的领域中引进Python工具,实现了模流分析结果的价值利用优化和Python工具的应用拓展化
前言

       随着注塑生产技术的不断发展与进步,产品开模前的模流分析得到更为广泛的应用,并得到了广大产品开发、模具制造等领域的专业厂商与技术人员的一致认可,日益发挥着其强大的作用。行业领先的CAE软件Moldflow便是其中的佼佼者之一。

       在针对新开发塑件类产品进行开模前的仿真分析(即模流分析)完成后,分析软件会自动生成软件内部预先设定好的分析结果,包括注射填充动画,产品收缩情况,熔接线情况,产品变形情况等,可以被研发人员直接使用。但是,有部分很重要的分析结果信息并没有直观地作为结果勾选选项显示在结果界面,而是作为基础的日志信息生成并储存,即为分析日志记录,如图1所示。

日志记录

图1 日志记录

       如果要查看、选用或者作为基础数据进行后续处理,则需要经过打开软件、打开分析方案、打开分析日志记录、逐行查看日志信息、选择日志中需要的信息、复制到需要用到的文件中、对复制到的数据进行处理等步骤。由于日志的信息量很大,每次查找都需要耗费大量的时间,使用过程中也会有很大的时间成本、人力成本的浪费,而且,人为的操作可能会出现不可预见的错误。

       为优化并解决上述问题,实现高效、准确地读取、使用、处理日志记录中的有用信息,可以应用二次开发的思想。本文采用的方法是借助Python这一编程工具,对分析得到的日志记录结果进行程序化的处理,从而实现了既定的优化目标。

       以分析结果日志中非常关键且重要的两类信息作为案例,即产品的基础信息和填充过程中的实时压力、体积变化这个模块,进行精准快速的信息读取、处理,并按照指定的格式输出,供研发人员使用。

1 Python语言

       1.1 Python语言介绍

       Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。其设计具有很强的可读性,相比于其他语言经常使用英文关键字和其他的一些标点符号,它具有比更有特色的语法结构。Python语言在后端开发、前端开发、爬虫开发、人工智能、金融量化分析、大数据、物联网等各个方面的应用无处不在。目前来看,数据的读取与分析是其应用最广泛的领域之一。

       1.1.1 模块应用

       (1)Re模块

       正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配。Python自1.5版本起增加了Re模块,它提供Perl风格的正则表达式模式。Re模块使Python语言拥有全部的正则表达式功能。compile函数根据一个模式字符串和可选的标志参数生成一个正则表达式对象。该对象拥有一系列方法用于正则表达式匹配和替换。Re模块也提供了与这些方法功能完全一致的函数,这些函数使用一个模式字符串作为它们的第一个参数。

       (2)xlwt模块

       xlwt是Python语言中,写入Excel文件的扩展工具。可以实现指定表单、指定单元格的写入。相应的有xlrd扩展包,专门用于excel读取。

       (3)numpy模块

       numpy模块,是数据分析模块,可对numpy数组进行科学运算。主要方法和常用属性,都是用numpy生成的对象。

       (4)pandas模块

       pandas是基于numpy的一种工具,该工具是为解决数据分析任务而创建的。pandas纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。

       (5)Matplotlib模块 

       Matplotlib是一个Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib可以生成绘图、直方图、功率谱、条形图、错误图、散点图等。

2 Python语言在CAE模流仿真数据处理中的应用

       2.1 应用逻辑说明

       基于Python可以读取大量数据信息并进行数据分析的能力,采用Python工具,结合Moldflow进行模流分析以后得到的日志记录数据,实现其数据分析处理。该实现方法及步骤具体包含以下内容:获取第一模流分析数据;使用目标数据特征与第一模流分析数据进行匹配,目标数据特征包括:数据的开始标识和结束标识;将具有数据特征的模流分析数据存储到指定存储区域作为第二模流分析数据,第二模流分析数据为第一模流分析数据的子集。具体应用逻辑流程图如图2所示。

应用逻辑流程图

图2 应用逻辑流程图


       2.2 程序及效用

       2.2.1 读取模型细节(即产品基础信息)


       通过以上程序,可以实现产品基础信息的快速读取,且以EXCLE的形式输出并保存,还可以实现并重点数据的着重标识。如图3到图4的改善与优化,以及颜色区域的重点标识。

分析得到的日志(产品基础信息)

图3 分析得到的日志(产品基础信息)

读取后的产品基础信息

图4 读取后的产品基础信息


       2.2.2 填充阶段(即填充阶段实时压力、体积变化)数据读取与分析


       通过以上程序,可以实现填充阶段基础信息读取,并以EXCLE的形式输出并保存,首先实现由图5到图6的转化。此外,由于注塑填充过程为动态持续过程,可以通过Python工具实现填充过程中关键数据的图表化,以达到可视、直观等目标。如图7所示,经过Python程序的处理,可以直观地看到各个时间阶段填充的体积变化、压力变化,而且能够快速地识别到该过程中的数值最大值等,如图示红线标示的填充过程中的压力最大值。

分析得到的日志(填充阶段信息)

图5 分析得到的日志(填充阶段信息)

 

读取后的填充阶段信息

图6 读取后的填充阶段信息

 

填充阶段信息处理分析结果

填充阶段信息处理分析结果

图7 填充阶段信息处理分析结果


       2.3 程序运行及说明

       以上案例的成功实现,均是通过在程序编辑界面中运行提前编辑好的程序得到。

       此外,需要读取的日志信息可以通过调整程序来进行增减,一切以需求为准,本文仅是以以上两个模块为例来说明应用的可行性及优势;读取后的数据保存或者输出格式也可以根据需求进行修改及完善;对读取输出后的数据进行后处理的方式可以根据需求增减、更改。柔性的功能适用也是其极具优势的特点之一。

3 结论

       1)本文采用Python工具,程序化地处理了通过模流仿真分析得到的结果日志记录数据,实现了从繁杂的信息档案中快速读取、转存、处理信息,大大地节约了手动操作的时间,能够提高查找和提取模流分析数据的速度。在数据量与日俱增、数字化处理日益举足轻重的今天,具有重要的实用意义。

       2)跨领域的思维理念的应用,在模流仿真分析的领域中引进Python工具,实现了模流分析结果的价值利用优化和Python工具的应用拓展化。

       3)数字化的思想的实际应用,本文以两个模块为例来说明了该方法的可行性。后续,可以拓展到更大的应用层面,实现数字化、智能化在模具制造领域的进一步发展。

参考文献

       [1]宋永生,吴新华,基于Python的Moodle学习平台日志分析[J].计算机时代,2018。
       [2]嵩天,礼欣,黄天羽,Python语言程序设计基础[M].北京:高等教育出版社,2017。
       [3]叶惠仙,Python在学院招生数据分析中的应用[J].计算机时代,2018。
       [4]祝永志,荆静,基于Python语言的中文分词技术的研究[J].通信技术,2019。
       [5]李强,白建荣,李振林等.基于Python的数据批处理技术探讨及实现[J].地理空间信息,2015。
       [6]庞继伟,王广勇,基于CAE的注塑模具结构优化设计[J].现代制造技术与装备,2006。

责任编辑:程玥
本文为e-works原创投稿文章,未经e-works书面许可,任何人不得复制、转载、摘编等任何方式进行使用。如已是e-works授权合作伙伴,应在授权范围内使用。e-works内容合作伙伴申请热线:editor@e-works.net.cn tel:027-87592219/20/21。
兴趣阅读
相关资料
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐