python仿真报告自动化——excite TD齿轮角加速度级计算
python仿真报告自动化——excite TD齿轮角加速度级计算
- 1 、问题-燃油泵相位优化
- 2、难点-excite TD结果文件的提取
- 3、代码
1 、问题-燃油泵相位优化
用excite TD对齿轮系进行仿真,模拟不同燃油泵相位对齿轮传动振动的影响,用齿轮角加速度级作为评价指标,需要计算大量的数据,用IMPRESS Chart手动处理,太麻烦。
2、难点-excite TD结果文件的提取
excite TD结果文件.GID在用python读取时,有大量的空格,需合并连续空格,再用空格分割提取齿轮角角速度FFT的数据。
用正则化表达式处理:
line=re.sub(r’\s+‘,’ ',line)
3、代码
计算各齿轮的角加速度级,绘图,并将数据写入excel中。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import replt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号file_excel_fullname=r'E:\NVH_sim_\ppt\ai_gear.xlsx'
cirv_name=['G-Crankshaft','G-SteppedidleBig','G-SteppedidleSmall','G-Camidle2','G-Camidle1','G-Intake','G-Exhaust',\'G-FIP','G-AirPumpidle','G-AirPump','G-OilPumpidle','G-OilPump']
file_name=['SHGE_164_F.GID','SHGE_191_F.GID','SHGE_201_F.GID','SHGE_212_F.GID','SHGE_215_F.GID','SHGE_219_F.GID','SHGE_218_F.GID',\'SHGE_193_F.GID','SHGE_169_F.GID','SHGE_171_F.GID','SHGE_180_F.GID','SHGE_183_F.GID']
NUM=12
fi=np.zeros((226,NUM))
ai=np.zeros((226,NUM))
a_db=np.zeros(NUM)
for j in range(NUM):file_path = r'E:\NVH_sim_\excite_td\TD-1600rpm\results'+'\\'+file_name[j]with open(file_path) as f:content=f.read()#拆分内容lines=content.split('\n')for i,line in enumerate(lines[149:375]):#利用正则表达式将连续的空格合并为一个空格line=re.sub(r'\s+',' ',line)item=line.split(' ')fi[i,j]=float(item[1])ai[i,j]=float(item[32])a_db[j]=10*np.log10(np.sum(ai[:,j]*ai[:,j]))
for j in range(NUM):plt.plot(fi[:,j],10*np.log10(ai[:,j]*ai[:,j]),label='$%s:%5.2f$'%(cirv_name[j],a_db[j]))
plt.legend()
plt.xlabel('fi/Hz')
plt.ylabel('ai/Db')
plt.show()
print(a_db)# c创建一个DataFrame数据类型,并写入表头
dataFrame = pd.DataFrame(columns=("fi", 'G-Crankshaft','G-SteppedidleBig','G-SteppedidleSmall','G-Camidle2','G-Camidle1','G-Intake','G-Exhaust',\'G-FIP','G-AirPumpidle','G-AirPump','G-OilPumpidle','G-OilPump'))
#添加两行数据
for i in range(226):dataFrame.loc[i+1] = [fi[i,0], ai[i,0], ai[i,1],ai[i,2], ai[i,3],ai[i,4], ai[i,5],ai[i,6], \ai[i,7],ai[i,8],ai[i,9], ai[i,10],ai[i,11]]
dataFrame.loc[i+2]=['overall',a_db[0], a_db[1],a_db[2], a_db[3], a_db[4],a_db[5], a_db[6],\a_db[7], a_db[8],a_db[9], a_db[10], a_db[11]]
# 写入excel文件
#dataFrame.values[:,0]=fi[:,0]
dataFrame.to_excel(file_excel_fullname)

相关文章:
python仿真报告自动化——excite TD齿轮角加速度级计算
python仿真报告自动化——excite TD齿轮角加速度级计算 1 、问题-燃油泵相位优化2、难点-excite TD结果文件的提取3、代码 1 、问题-燃油泵相位优化 用excite TD对齿轮系进行仿真,模拟不同燃油泵相位对齿轮传动振动的影响,用齿轮角加速度级作为评价指标…...
如何系统的学习 C#
第一阶段:环境搭建与基础知识 1.1 安装开发环境 下载并安装Visual Studio或Visual Studio Code。若选用Visual Studio Code,记得安装C#扩展插件。 1.2 C#语言概述 了解C#的发展历程、特点以及应用场景。学习C#的基本语法规范,例如语句结尾…...
python爬虫----python列表高级
小伙伴们,大家好!今天学习的内容是python列表高级。 1、添加元素 append:在列表末尾添加元素 A [xiaoWang, xiaoZhang, xiaoHua] print("添加之前,列表A的数据:", A)temp input(请输入要添加的学生姓名:) A.append…...
目标检测的相关模型图:YOLO系列和RCNN系列
目标检测的相关模型图:YOLO系列和RCNN系列 前言YOLO系列的图展示YOLOpassthroughYOLO2YOLO3YOLO4YOLO5 RCNN系列的图展示有关目标检测发展的 前言 最近好像大家也都在写毕业论文,前段时间跟朋友聊天,突然想起自己之前写画了一些关于YOLO、Fa…...
Linux基础命令2
目录 一.查看切换统计目录 1.Linux的文件属性 2. ls 命令 3.通配符 4.alias(别名) 5.du(disk use) 二.创建目录 1.mkdir (建立文件夹) 2.touch (建立文件) 三.Linux中的链接…...
IP组播基础
原理概述 IANA ( Internet Assigned Numbers Authority )将 IP 地址分成了 A 、 B 、 C 、 D 、 E5类,其中的 D 类为组播 IP 地址,范围是224.0.0.0~239.255.255.255。 一个 IP 报文,其目的地址如果是单播 IP 地址ÿ…...
Pytorch的named_children, named_modules和named_children
在 PyTorch 中,named_children、named_modules 和 named_parameters 是用于获取神经网络模型组件和参数的三种不同的方法。下面是它们各自的作用和区别: named_parameters:递归地列出所有参数名称和tensornamed_modules:递归地列…...
3.28总结
1.java学习记录 1.方法的重载 重载换而言之其实就是函数名不变,但是其中的参数需要改变,可以三个方面改变(参数类型,参数顺序,参数个数这三个方面入手,这样可以运用的) 但是:注意…...
C# 命名空间的两种定义哦写法与区别
这两种写法在C#中都是有效的,但是它们代表了不同的语法风格和C#版本特性。 第一种写法: namespace Nebula.PDF; public class PdfDocument {}这是C# 9.0及更高版本中引入的顶级语句(top-level statements)特性。它允许你直接在文…...
Rustdesk客户端编译后固定密码不稳定时好时坏
环境: rustdesk1.19 问题描述: Rustdesk客户端编译后固定密码不稳定时好时坏 解决方案: 出现固定密码不稳定的问题可能有多种原因,下面是一些可能的解决方法: 密码强度:确保所设置的固定密码足够强大…...
小程序利用WebService跟asp.net交互过程发现的问题并处理
最近在研究一个项目,用到asp.net跟小程序交互,简单的说就是小程序端利用wx.request发起请求。获取asp.net 响应回来的数据。但经常会报错。点击下图的测试按钮 出现如下错误: 百思不得其解,试了若干方法,都不行。 因为…...
TitanIDE与传统 IDE 比较
与传统IDE的比较 TitanIDE 和传统 IDE 属于不同时代的产物,在手工作坊时代,一切都是那么的自然,开发者习惯 Windows 或 MacOS 原生 IDE。不过,随着时代的变迁,软件行业已经步入云原生时代,TitanIDE 是顺应…...
反序列化动态调用 [NPUCTF2020]ReadlezPHP1
在源代码上看到提示 访问一下看看 代码审计一下 <?php #error_reporting(0); class HelloPhp {public $a;public $b;public function __construct(){$this->a "Y-m-d h:i:s";$this->b "date";}public function __destruct(){$a $this->a;…...
Hadoop面试重点
文章目录 1. Hadoop 常用端口号2.Hadoop特点3.Hadoop1.x、2.x、3.x区别 1. Hadoop 常用端口号 hadoop2.xhadoop3.x访问HDFS 端口500709870访问 MR 执行情况端口80888088历史服务器1988819888客户端访问集群端口90008020 2.Hadoop特点 高可靠:Hadoop底层维护多个数…...
【ONE·基础算法 || 分治·快排并归】
总言 主要内容:编程题举例,理解分治的思想(主要是对快排、并归的应用)。 文章目录 总言1、基本介绍2、颜色分类(medium)2.1、题解 3、快速排序(medium)3.1、题解ÿ…...
Python 从0开始 一步步基于Django创建项目(11)注册新用户
1、修改C:\D\Python\Python310\study\snap_gram\users路径下的urls.py 添加‘注册新用户’URL。 #注册新用户 path(register/,views.register,nameregister), 2、修改C:\D\Python\Python310\study\snap_gram\users路径下的views.py 编写URL对应的视图函数register。 def r…...
银行监管报送系统介绍(十二):非居民金融账户涉税信息报送
国家税务总局、财政部、中国人民银行、中国银行业监督管理委员会、中国证券监督管理委员会、国家金融监督管理总局2017年5月9日发布、2017年7月1日起施行的《非居民金融账户涉税信息尽职调查管理办法》。 一、《管理办法》出台的背景是什么? 受二十国集团&…...
土壤有机质空间分布数据
土壤有机质(soil organic matter)是土壤中含碳有机化合物的总称,包括土壤固有的和外部加入的所有动植物残体及其分解产物和合成产物。主要来源于动植物及微生物残体,可分为腐殖质和非腐殖物质。一般占土壤固相总重的10%以下&#…...
Unity图集编辑器
图集编辑器 欢迎使用图集编辑器新的改变编辑器图片 欢迎使用图集编辑器 Unity图集操作很是费劲 无法批量删除和添加图集中的图片 新的改变 自己写了一个图集编辑器 客: 支持批量删除 左键点击图片代表选中 右键点击图标定位到资产支持批量添加 选中图片拖拽到编…...
【JS笔记】JavaScript语法 《基础+重点》 知识内容,快速上手(六)
面向对象OOP 首先,我们要明确,面向对象不是语法,是一个思想,是一种 编程模式面向: 面(脸),向(朝着)面向过程: 脸朝着过程 》 关注着过程的编程模…...
稀疏矩阵实战:手把手教你用ILU预处理子搞定有限元分析中的病态方程组
稀疏矩阵实战:手把手教你用ILU预处理子搞定有限元分析中的病态方程组 在计算力学和CFD领域,工程师们每天都要面对一个令人头疼的数学难题——如何高效求解那些由有限元分析产生的大型稀疏线性方程组。想象一下,当你花费数小时构建精美的三维模…...
YOLOv8模型训练避坑指南:GTX16系列显卡兼容性问题解决方案
GTX16系列显卡用户必读:YOLOv8模型训练全流程避坑手册 当你在GTX16系列显卡上运行YOLOv8训练脚本时,是否遇到过这样的场景:训练过程看似正常,但最终输出的P(精确率)、R(召回率)、mAP…...
OpenClaw飞书机器人:Qwen3-VL:30B多模态应用指南
OpenClaw飞书机器人:Qwen3-VL:30B多模态应用指南 1. 为什么选择OpenClawQwen3-VL:30B组合? 去年冬天,当我第一次尝试用AI助手处理团队飞书群里的图片报销单时,经历了惨痛的失败——要么识别错金额,要么把同事的午餐照…...
数据库课程设计实战:构建文本分割结果的管理系统
数据库课程设计实战:构建文本分割结果的管理系统 每次做数据库课程设计,你是不是也头疼?选题要么太简单,像学生信息管理,做出来感觉没深度;要么太复杂,比如电商系统,光表关系就画晕…...
3D Face HRN快速上手:无需代码,Gradio界面三步完成人脸重建
3D Face HRN快速上手:无需代码,Gradio界面三步完成人脸重建 1. 从一张照片到3D人脸,只需三步点击 你是否曾想过,将一张普通的自拍照或证件照,瞬间转化为一张可用于3D建模、游戏角色或虚拟形象的“皮肤地图”…...
Anything V5服务优化指南:如何调整参数获得最佳生成效果
Anything V5服务优化指南:如何调整参数获得最佳生成效果 1. 理解Anything V5的核心参数 1.1 分辨率设置对生成效果的影响 Anything V5支持多种分辨率设置,但不同分辨率会直接影响生成速度和质量: 512x512:默认设置,…...
一键部署体验:圣女司幼幽-造相Z-Turbo文生图模型效果实测
一键部署体验:圣女司幼幽-造相Z-Turbo文生图模型效果实测 1. 模型简介与部署准备 圣女司幼幽-造相Z-Turbo是一款基于Z-Image-Turbo模型的LoRA微调版本,专门用于生成《牧神记》中角色"圣女司幼幽"的高质量图像。该模型通过Xinference框架部署…...
MinerU智能文档理解服务新手教程:5分钟搭建PDF解析系统
MinerU智能文档理解服务新手教程:5分钟搭建PDF解析系统 1. 引言:文档智能解析的实用价值 每天我们都会遇到各种PDF文档——合同、报告、论文、发票,手动提取内容不仅耗时还容易出错。MinerU智能文档理解服务正是为解决这个问题而设计&#…...
ModelScope与Hugging Face中文API调用全攻略:从安装到实战代码解析
ModelScope与Hugging Face中文API调用全攻略:从安装到实战代码解析 如果你正在寻找一个能够快速上手ModelScope和Hugging Face API的指南,特别是针对中文开发者的实用教程,那么你来对地方了。这两个平台作为当前最受欢迎的AI模型开源社区&…...
别再死记硬背了!用Python(NumPy/SymPy)实战求解常系数微分方程,特征值法保姆级教程
用Python实战求解常系数微分方程:特征值法全流程解析 微分方程是描述自然规律的核心工具,从弹簧振动到电路分析无处不在。传统解法依赖繁琐的手工计算,而今天我们将用Python的NumPy和SymPy库,把数学理论转化为可执行的代码解决方案…...
