基于SiPESC.OPT 使用Abaqus优化算例

cocoon · 发表于 2011-4-5 07:59:15

本帖最后由 cocoon 于 2011-4-11 19:25 编辑

如果你对设计变量的取值范围更严格，只能取0.0151，0.0152，0.0143这三个离散值，也就是说设计变量是离散型设计变量，可以修改脚本中定义设计变量的那部分代码：
// 设置优化模型中优化变量的初始值以及上、下限。
theModel.setVariable( "innerRadius" , 0.0151 ) ;
theModel.setVariable( "innerRadius" , Array( 0.0151，0.0152，0.0143 ) ); // 用这种方式定义离散型设计变量，设计变量的上下限软件会自动从数组Array中提取出来。

使用的优化算法则需要变成可以处理离散型设计变量的DGA算法,将脚本中设定优化算法参数的那部分修改如下（就是将GA替换成DGA）：

// 设置优化算法参数。
DGA.setMINMAX( -1 );
DGA.setGENERATION( 150 );
DGA.setPOPULATIONSIZE( 30 );
DGA.setMUTATIONPROBABILITY( 0.1 );
DGA.setCROSSOVERPROBABILITY( 0.8 );
var Solver = DGA ;

复制代码

Lug_opt.js脚本文件的其余部分不必做修改。

rogerzong · 发表于 2011-4-5 14:22:13

还有一个疑问请教，LZ的这个基于ABAQUS有限元优化的例子，除了使用GA，也是可以使用SLP SQP这样的优化算法的吧？

SLP SQP是传统的基于梯度寻优的数值优化算法，但是在该例中目标函数的数学模型未知，那岂不是和这些优化算法的理论基础向矛盾了？那还如何求的数学模型的梯度进而进行迭代寻优呢？也许我的理解有误，还希望LZ 多多指教

20# cocoon

rogerzong · 发表于 2011-4-5 16:25:50

还有一个问题想请教（不好意思。。。）
//运行计算软件来得到新的目标函数值# v)
var abaqusExeFileName = "D:/SIMULIA/abaqus/6.9-1/exec/abq691.exe"
var arguments = new Array( "cae","noGUI=D:\\SIMULIA\\workspace\\python_Lug02.py" );
process = new Process;
process.execute( abaqusExeFileName , arguments );
print("===========finished.==========")
process.kill();

如果我是在UNIX系统下运行ABAQUS，那命令应该是怎样的呢？

cocoon · 发表于 2011-4-5 16:46:18

本帖最后由 cocoon 于 2011-4-5 16:52 编辑

SLP SQP是传统的基于梯度寻优的数值优化算法，但是在该例中目标函数的数学模型未知，也就是说这个优化模型的没有具体的数学解析表达式，因此也就没有其梯度的解析表达式。
在具体的优化计算过程中，SLP等优化算法使用差分方法计算优化模型的梯度值，因此，也可以使用SLP等算法优化这个优化模型。
当然，对于具有解析表达式的优化模型，你可以直接计算并设置优化模型的梯度值，SLP等算法也就不用差分法计算梯度，这样会节约优化时间。

如果你是在Linux系统下运行ABAQUS，需要使用SiPESC.OPT的Linux版，优化脚本则不必做修改，这也是脚本语言的一种跨平台特性，Abaqus使用的Python也具有这种特性。

clear-lucky · 发表于 2011-4-9 16:17:38

楼主，您好，第一次用python语言和Sipesc.Opt，按照您上传的脚本语言，我运行脚本程序后，有以下几个问题向您请教：
一.cae出现错误：
Abaqus Error: cae exited with an error.

4/9/11 15:47:40 Debug: ===========finished.==========
4/9/11 15:47:40 Debug: innerRadius = 0.015
4/9/11 15:47:40 Debug: maxMises = 3244008960.000000
这一点我还不知道其原因。我把cae和脚本语言Lug_opt.js放在一个文件夹了，改的语言为：
var abaqusExeFileName = "E:/SIMULIA/abaqus/6.10-1/exec/abq6101.exe"
var arguments = new Array( "cae","noGUI=E:\\lug_opt\\xiao\\python_Lug02.py" );
process = new Process;
process.execute( abaqusExeFileName , arguments );

print("===========finished.==========")
process.kill();
二、

cocoon · 发表于 2011-4-9 19:18:35

本帖最后由 cocoon 于 2011-4-9 20:04 编辑

Abaqus Error: cae exited with an error.
说明Abaqus 已经运行，
可能是Abaqus 运行python_Lug02.py时出了问题，可以查看python脚本文件

可能是python_Lug02.py脚本文件中
#-------------------------------------------------------------------------
# open result database
#-------------------------------------------------------------------------
o3 = session.openOdb(name='D:/SIMULIA/workspace/Lug3.odb')
路径有问题，
把它更改为
#-------------------------------------------------------------------------
# open result database
#-------------------------------------------------------------------------
o3 = session.openOdb(name='Lug3.odb')

使用中需要注意的是：
使用sipopt启动Abaqus运行时，Abaqus会把临时文件，结果文件等放在存放sipopt.exe的那个文件夹中，也就是 d:/sipopt/bin/ （假设你把软件安装在D盘中），在设置输入文件和结果文件路径时需要注意

我运行的输出显示是：

....

Abaqus JOB Lug3
Abaqus 6.9-1
Begin Analysis Input File Processor
04/09/11 19:54:47
Run pre.exe

04/09/11 19:54:48
End Analysis Input File Processor
Begin Abaqus/Standard Analysis
04/09/11 19:54:48
Run standard.exe

04/09/11 19:54:50
End Abaqus/Standard Analysis

Abaqus JOB Lug3 COMPLETED

4/9/11 19:54:52 Debug: ===========finished.==========
4/9/11 19:54:52 Debug: innerRadius = 0.0101951
4/9/11 19:54:52 Debug: maxMises = 349248288.000000
...

clear-lucky · 发表于 2011-4-11 15:53:13

楼主，您好，以前分析我都是直接在cae界面做的，对接口语言这些还不熟悉，还劳烦您多多指教，多谢多谢。第一次用python语言和Sipesc.Opt，按照您上传的脚本语言，我运行脚本程序后，有以下四个问题向您请教，问题描述比较详细，麻烦您看一下pdf，多谢多谢。

cocoon · 发表于 2011-4-11 18:13:40

本帖最后由 cocoon 于 2011-4-11 18:31 编辑

27# clear-lucky
在你的计算机中 SiPESC.OPT 已经安装，路径为：
E:/sipopt
Abaqus 安装在 E:/SIMULIA/ 中，其主程序abq691.exe 的路径为：
E:/SIMULIA/abaqus/6.10-1/exec/abq6101.exe

相应的吊耳有限元分析的脚本文件路径改为：
E:\\SIMULIA\\workspace\\python_Lug02.py
E:\\SIMULIA\\workspace\\parameterValues.txt

E:\\SIMULIA\\workspace\\maxMises.txt

你修改了参数文件路径，结果文件路径，python脚本路径，
在python_Lug02.py脚本中用到参数文件路径，结果文件路径的命令各有一处，
在Lug_opt.js脚本中用到参数文件路径，结果文件路径的命令也各有一处，
都需要做修改

在python脚本中，
# 是注释符，它表示在#所在的这一行中，在其后出现的都是脚本命令的注释。可以无视它们。

在脚本python_Lug02.py中，有打开参数文件，从中提取参数的语句，如下所示

# open parameter file
#-------------------------------------------------------------------------
parameterFile = open('D:\\SIMULIA\\workspace\\parameterValues.txt', 'r')
# read parameter values and assign to variables
#-------------------------------------------------------------------------
line = parameterFile.readline() innerCircleRadius = float(line)
# close parameter file
#-------------------------------------------------------------------------
parameterFile.close()

复制代码

其中'D:\\SIMULIA\\workspace\\parameterValues.txt'是参数文件的路径你应该将其改为'E:\\SIMULIA\\workspace\\parameterValues.txt'

同理在脚本python_Lug02.py中，有打开结果文件，保存最大Mises应力的语句，如下所示

#============================================================
# open output file
#============================================================
outputFile = open('D:\\SIMULIA\\workspace\\maxMises.txt', 'w')
#-------------------------------------------------------------------------
# ouput result to 'maxMises.txt'
#-------------------------------------------------------------------------
if(isStressPresent):
outString = '%f'%(maxMises)
else:
print 'Stress output is not available in' \
'the output database : %s\n' %(odb.name)
outputFile.write(outString)
#============================================================
# close output file
#============================================================
outputFile.close()

复制代码

其中'D:\\SIMULIA\\workspace\\maxMises.txt'是参数文件的路径你应该将其改为'E:\\SIMULIA\\workspace\\maxMises.txt'

cocoon · 发表于 2011-4-11 18:26:55

本帖最后由 cocoon 于 2011-4-11 18:29 编辑

在Lug_opt.js脚本文件中，用到参数文件路径的代码如下：

//经过上次优化处理后，模型对象theModel中会产生新的，算法判断较好的设计变量值。
//将新值赋给参数建模的参数。
var innerRadius = theModel.getVariable( "innerRadius" );
parser = new FileParser;
parser.open( "D:\\SIMULIA\\workspace\\parameterValues.txt");
parser.replaceString( 0, 7, innerRadius );
parser.close();

复制代码

其中'D:\\SIMULIA\\workspace\\parameterValues.txt'是参数文件的路径你应该将其改为'E:\\SIMULIA\\workspace\\parameterValues.txt'

在Lug_opt.js脚本文件中，用到结果文件路径的代码如下：

//从计算软件的输出文件中提取目标函数值
parser = new FileParser;
parser.open( "D:\\SIMULIA\\workspace\\maxMises.txt");
var obj = parser.retriveString( 0, 17 );
theModel.setObject( "obj" , obj );
parser.close();

复制代码

其中'D:\\SIMULIA\\workspace\\maxMises.txt'是参数文件的路径你应该将其改为'E:\\SIMULIA\\workspace\\maxMises.txt'

cocoon · 发表于 2011-4-11 18:34:12

在python脚本中，
# 是注释符，它表示在#所在的这一行中，在其后出现的都是脚本命令的注释。可以无视它们。

outString = '%f'%(maxMises)

复制代码

f代表float
表示将变量maxMises的内容看作浮点数，将其插入%f所在的位置，也就是说把浮点数maxMises到保存在outString这个字符串中，

%s\n' %(odb.name)

复制代码

同理，s代表string，
\n是回车符，也就是另起一行。
'%s\n' %(odb.name)是将字符串 odb.name的内容插入到%s所在的位置，然后另起一行

cocoon · 发表于 2011-4-11 18:53:42

本帖最后由 cocoon 于 2011-4-11 19:10 编辑

在 Lug_opt.js脚本中

//经过上次优化处理后，模型对象theModel中会产生新的，算法判断较好的设计变量值。
//将新值赋给参数建模的参数。
var innerRadius = theModel.getVariable( "innerRadius" );
parser = new FileParser;
parser.open( "D:\\SIMULIA\\workspace\\parameterValues.txt");
parser.replaceString( 0, 7, innerRadius );
parser.close();

复制代码

这一段代码就是用变量innerRadius替换是旧的内径值。
第3行脚本代码是从theModel中提取名为innerRadius的设计变量的当前值，将其赋值给变量innerRadius， var 是variable的简写，在JavaScript中作为变量声明。

第5行脚本代码是创建一个新 FileParser对象，将其赋值给变量parser
第6行脚本代码是parser打开参数文件D:\\SIMULIA\\workspace\\parameterValues.txt
第7行脚本代码是将parameterValues.txt文件中从第0个字符到第7个字符之间的字符用innerRadius替换，也就是用新的内径值替换旧的内径值。
第8行脚本代码是关闭参数文件。

parameterValues.txt文件的内容如下：
0.01499
一共有7个字符，是旧的内径值
parser.replaceString( 0, 7, innerRadius );
就是用变量innerRadius替换是旧的内径值
就是将parameterValues.txt文件中从第0个到第7个字符之间的字符用innerRadius的值替换，
例如 innerRadius的值为0.013456788964
则替换后parameterValues.txt文件的内容如下：
0.01345
只取它的前7位，后边的数字6788964就略去了，如果调整精度，可以将7改为其它数字，如8、6等，parameterValues.txt文件中字符的数量也要做相应的调整。

cocoon · 发表于 2011-4-11 19:16:16

// 设置优化算法参数。
GA.setMINMAX( -1 );
GA.setGENERATION( 150 );
GA.setPOPULATIONSIZE( 30 );
GA.setMUTATIONPROBABILITY( 0.1 );
GA.setCROSSOVERPROBABILITY( 0.8 );

复制代码

这里每项代表的含义如下：

GA优化算法参数

参数名称： MINMAX
参数类型 int
参数意义：求最大还是最小
参数取值范围：1-max，-1-min

参数名称： GENERATION
参数类型 int
参数意义：遗传代数
参数取值范围：

参数名称： CROSSOVERPROBABILITY
参数类型实数
参数意义：交配概率
参数取值范围：交配概率是一个小于1的正实数，一般较大（0.7-0.9）

参数名称： MUTATIONPROBABILITY
参数类型实数
参数意义：变异概率
参数取值范围：交配概率是一个小于1的正实数，一般较小(<0.3)，目标函数性态太差时可适当调高，

参数名称： POPULATIONSIZE
参数类型 int
参数意义：种群大小
参数取值范围：不可太小，太小容易局部收敛

clear-lucky · 发表于 2011-4-12 10:21:54

本帖最后由 clear-lucky 于 2011-4-12 10:35 编辑

非常感谢楼主详细的解答，受益匪浅，多谢多谢！不过其实脚本文件我已经把D改成了E，但是cae依旧有错误。如附件。以前我都是建立cae模型求解物体强度的，如果优化计算，是不是就无需在cae截面画图计算了呢？比如一个简单的圆柱体，水杯初始半径为R＝1，高度为H＝1（DV），由于水杯材料直接喝水杯的表面积有关系，这里我假设水杯表面积不能大于100，这样就有S＝2πRH＋2πR（2表示平方）<100（SV），水杯的容积为V＝πR（2）H （OBJ）。这些需要优化的变量叫做设计变量（DV）；优化的目标是要使整个水杯的容积最大，这个目标叫目标函数（OBJ）；再者，对设计变量的优化有一定的限制条件，比如说整个杯子的材料不变，这些限制条件用状态变量（SV）来控制。请问上面这个简单的模型，在这个SIPESCOpt和abaqus接口过程中，如何操作呢？

cocoon · 发表于 2011-4-12 20:26:27

本帖最后由 cocoon 于 2011-4-13 08:14 编辑

对这种类型的问题，大体上可以

分为以下几步：
1）提取优化模型，
2）编写SiPESC.OPT的JavaScript代码
可以使用记事本等文本编辑程序手动编写代码，也可以使用SiPESC.OPT的图形界面自动生成。
3）编写Abaqus的python脚本
4）修改JavaScript代码
5）测试
6）优化计算

cocoon · 发表于 2011-4-12 20:39:01

本帖最后由 cocoon 于 2011-4-13 09:00 编辑

你说的这个优化问题：
比如一个简单的圆柱体，水杯初始半径为R＝1，高度为H＝1（DV），由于水杯材料直接喝水杯的表面积有关系，这里我假设水杯表面积不能大于100，这样就有S＝2πRH＋2πR（2表示平方）<100（SV），水杯的容积为V＝πR（2）H （OBJ）。这些需要优化的变量叫做设计变量（DV）；优化的目标是要使整个水杯的容积最大，这个目标叫目标函数（OBJ）；再者，对设计变量的优化有一定的限制条件，比如说整个杯子的材料不变，这些限制条件用状态变量（SV）来控制。请问上面这个简单的模型，在这个SIPESCOpt和abaqus接口过程中，如何操作呢？

其优化模型总结如下：
优化目标是：
使水杯容积V最大，
设计变量是：
水杯半径 R
水杯高度 H
约束条件是：
水杯表面积不能大于100

V = π*R*R*H
S = π*R*R + 2*π*R*H

由于最优化问题习惯上是求目标函数的极小值，优化模型的约束一般都是小于等于0，因此

min V = -( π*R*R*H )
s.t. π*R*R + 2*π*R*H -100 <= 0

这个优化模型是有约束的非线性优化模型，设计变量是连续变量

cocoon · 发表于 2011-4-13 08:20:52

本帖最后由 cocoon 于 2011-4-13 09:06 编辑

这是先使用图形界面生成脚本
在SiPESC.OPT中，一个优化模型和求解这个优化模型的优化算法作为一个优化任务。
使用图形界面操作时
首先是定义优化任务名称，优化模型名称，优化算法名称，选择优化算法
这些名称主要是用来保存数据时的标识符，可以根据个人喜好，名称是一个包含英文字母和数字和下划线（使用汉字可能会出现乱码，最好不要使用）的字符串，其首字母不应是数字，
选择优化算法要根据优化模型的类型和特点选择，这个优化模型是带约束非线性优化模型，就先选用SQP算法试试。

定义设计变量，这个优化模型中的两个设计变量都是连续型设计变量，初始值都设为1，下限都设为0，上限分别设为10，100

定义目标函数

定义约束函数

至此，整个优化模型就定义完毕，点击对话框右下角的确定按钮，就转入优化任务浏览界面

在左侧的优化任务框中，点击Projects前的+号，会将优化任务展开成树状图显示，点击Tasks前的+号，点击选取cup，则将优化任务的详细内容显示在右侧的优化任务浏览窗口

点击窗口左上工具栏中运行按钮（就是那个带跑步小人的按钮），会将窗口右侧优化任务浏览器中的当前优化任务自动转换为脚本文件，保存在 SiPESC.OPT软件的temp文件夹中，文件名为优化任务名加.js后缀。
这时，会弹出一个小对话窗口，提示你已经生成脚本文件，你可以选择确定，抛弃，显示细节，取消，
选择确定，软件会将脚本文件提交运行，
选择显示细节，会显示脚本内容，你可以查看脚本是否有误，
如果不满意可以选择抛弃或者取消，

在这个例子里，我们需要使用SiPESC.OPT的脚本调用Abaqus，因此选择取消。
在temp文件夹中找到cup.js

clear-lucky · 发表于 2011-4-14 13:42:04

在这个例子里，我们需要使用SiPESC.OPT的脚本调用Abaqus，因此选择取消。在temp文件夹中找到cup.js,这里怎么操作呢？3）编写Abaqus的python脚本；4）修改JavaScript代码；5）测试；6）优化计算这里如何实现呢？优化结果是什么，怎么看呢？

cocoon · 发表于 2011-4-14 18:27:20

本帖最后由 cocoon 于 2011-4-15 07:26 编辑

//
//
// This file is generated by SiPESC.Opt
//
//
//
//
// 2011 . 04. 12
/////////////////////////////////////////////////
//
// 创建一个优化模型对象，供后续程序使用。
var theModel = new OptModel;
//
// 设置优化模型的名称。
theModel.setModelName("cup");
//
// 设置优化模型中优化变量的初始值以及上、下限。
theModel.setVariable( "R" , 1 ) ;
theModel.setVariableLowerLimit( "R" , 0 ) ;
theModel.setVariableUpperLimit( "R" , 10 ) ;
theModel.setVariable( "H" , 1 ) ;
theModel.setVariableLowerLimit( "H" , 0 ) ;
theModel.setVariableUpperLimit( "H" , 100 ) ;
//
// 计算优化模型中目标函数值和约束函数值。
function eval( )
{
var R = theModel.getVariable( "R" );
var H = theModel.getVariable( "H" );
var V = -(Math.PI*R*R*H );
theModel.setObject( "V" , V );
var S = Math.PI*R*R + 2* Math.PI*R*H - 100;
theModel.setConstraint( "S" , S );
}
//
// 使用优化变量的初始值对优化模型初始化。
eval( );
//
// 设置优化算法参数。
SQP.setMINMAX( -1 );
SQP.setMaxIterationNumber( 100 );
var Solver = SQP ;
//
// 使用优化模型初始化优化算法。
Solver.initialize( theModel );
//
// 初始化数据库，以备存储优化迭代过程中优化模型数据。
ModelSaver.executeSQLCommand( "DROP TABLE IF EXISTS cup" );
ModelSaver.initializeModel( theModel );
//
// 开始优化迭代计算。
do{
eval();
ModelSaver.save( theModel );
Solver.renewModel( theModel );
} while( ! Solver.isComplete() )

复制代码

上面是SiPESC.OPT生成的优化脚本文件。
0--11行是文件版权信息，
大部分脚本代码都有注释，

要实现在 SiPESC.OPT的脚本调用Abaqus
需要修改的是36行的那个函数eval() 的内容
eval() 从36行开始到48行结束，它的主要功能如注释所言，是根据优化模型的设计变量值，计算目标函数值和约束函数值，并把新的目标函数值和约束函数值赋值给优化模型对象，
36行是函数声明，
37行的｛是函数体的起始标识符，
48行的｝是函数体的结束标识符，
这一点与python语言不同，在python中函数体没有起始标识符和结束标识符，python中函数体是靠字符缩进来标识函数体。

首先，需要了解函数eval() 是如何被调用的，先看75--79行的迭代循环结构，就是在这里实现了寻找优化解的迭代历程。
75--79行的脚本代码是一个do...while() ... 循环，
79行中while语句中（）内是是个判断语句
do 后｛｝内的76--78行语句组成是循环体，
运行时，首先执行一遍循环体，然后执行判断语句，如果执行判断语句得到的是 true，则继续执行循环体，如果执行判断语句得到的是 false，则终止循环。
76行是调用eval函数，
77行是保存优化模型的数据到数据库中，也就是保存优化迭代历史信息，供以后查看
78行是让优化算法求解器（Solver）更新优化模型数据，主要是根据优化模型的目标函数值和约束函数值，更新优化模型的设计变量值，如果优化模型满足优化条件，优化算法求解器（Solver）会将自身的迭代终止的标识符，这样在执行 79行的判断语句Solver.isComplete()时候，就会返回 true ，那个感叹号！是表示改变bool的状态，也就是说它将true改变成false(感叹号！也会将false改变成true )，因此，do...while() ... 循环就终止执行，优化迭代循环也就完成了，

cocoon · 发表于 2011-4-14 20:03:33

本帖最后由 cocoon 于 2011-4-15 21:38 编辑

和吊耳优化的例子类似，SiPESC.OPT 和 Abaqus 也是通过参数文件和结果文件沟通信息的

首先设定结果文件为
D:/SIMULIA/workspace/result.txt
设定参数文件为
D:/SIMULIA/workspace/parameter.txt
其内容为R和H的值
1.0
2.0

为了简便,只编写了使用python计算V, S的代码

# open parameter file
#-------------------------------------------------------------------------
parameterFile = open('D:/SIMULIA/workspace/parameter.txt', 'r')
# read parameter values and assign to variables
#-------------------------------------------------------------------------
line = parameterFile.readline()
R = float(line)
print "R = ", R
line = parameterFile.readline()
H = float(line)
print "H = ", H
# close parameter file
#-------------------------------------------------------------------------
parameterFile.close()
V = 3.14*R*R*H
S = 3.14 *R*R + 2*3.14*R*H - 100
#=========================================================================
# open output file
#=========================================================================
outputFile = open('D:/SIMULIA/workspace/result.txt', 'w')
#-------------------------------------------------------------------------
# ouput result to 'maxMises.txt'
#-------------------------------------------------------------------------
outString = '%f\n'%(V)
outputFile.write(outString)
outString = '%f\n'%(S)
outputFile.write(outString)
#=========================================================================
# close output file
#=========================================================================
outputFile.close()

复制代码

[

可以直接使用Abaqus直接运行cup.py，以检验python代码的正确性。

cocoon · 发表于 2011-4-15 07:41:06

本帖最后由 cocoon 于 2011-4-15 10:14 编辑

SiPESC.OPT的脚本中写参数文件，读结果文件的代码如下：

// 生成一个名为parameterFile的FILE对象
parameterFile = new FILE;
// 设置文件名为 D:/SIMULIA/workspace/parameter.txt
parameterFile.setFileName( "D:/SIMULIA/workspace/parameter.txt" );
//以模式2打开文件,
state = parameterFile.open(2);
// 如果返回值为false,则输出警告信息。
if( !state )
{
print("open result file failed.");
}
var R = 1；
var H = 1;
// 向文件中写入变量R 以及一个换行符\n
parameterFile.write( R + "\n" );
// 向文件中写入变量H 以及一个换行符\n
parameterFile.write( H + "\n" );
//将缓冲池中的数据写入文件中。
parameterFile.flush()；
//关闭文件result
parameterFile.close();

复制代码

这段代码要插入到cup.js的 eval()函数中
其中第15行，16行代码需要做进一步修改。

读结果文件的代码如下：

// 文件名
var parameterFilePath = "D:/SIMULIA/workspace/result.txt";
// 生成一个名为fooParser的FileParser对象
var fooParser = new FileParser;
// 指定文件名，并尝试打开文件。
fooParser.open( parameterFilePath );
// 第一行
var line = fooParser.readLine();
var V = parseFloat(line);
// 第二行
line = fooParser.readLine();
var V = parseFloat(line);
fooParser.close();

复制代码

运行Abaqus的脚本代码可以直接从Lug_opt.js中直接拷贝过来，稍做改动即可

//运行计算软件来得到新的目标函数值
var abaqusExeFileName = "D:/SIMULIA/abaqus/6.9-1/exec/abq691.exe"
var arguments = new Array( "cae","noGUI=D:\\SIMULIA\\workspace\\cup.py" );
process = new Process;
process.execute( abaqusExeFileName , arguments );
print("===========finished.==========")

复制代码

将第5代码中的python文件名改为cup.py

账号		自动登录	找回密码
密码			注册

账号		自动登录	找回密码
密码			立即注册

[二次开发] 基于SiPESC.OPT 使用Abaqus优化算例

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源