- 综合排序
- 最热优先
- 最新优先
- 来自专栏仿真CAE与AI
Abaqus 刚度退化怎么做？一文掌握损伤建模
材料刚度退化是描述结构因损伤累积导致力学性能衰减的关键过程，广泛应用于金属塑性变形、复合材料失效等场景。 一、核心理论基础刚度退化本质是材料内部损伤累积的外在表现，基于连续介质损伤力学（CDM），引入损伤变量\(D\)（0为无损伤，1为完全失效）修正原始刚度矩阵。 （一）金属材料金属刚度退化与塑性变形耦合，通过“损伤起始+演化”实现，主打Abaqus/Explicit模块。 （三）Cohesive单元辅助适用于界面损伤（如复合材料分层），通过Cohesive单元结合牵引-分离定律，定义法向与剪切方向曲线，界面位移达标后牵引应力下降，等效实现局部刚度退化，无需定义整体材料损伤 Abaqus实现刚度退化需按需选方法：内置模型便捷高效，适配常规场景；自定义子程序灵活度高，应对复杂需求。工程中坚守“理论+实验+验证”原则，可保障模拟准确性，为结构可靠性分析提供支撑。
17010编辑于 2026-02-25 - 来自专栏跟Qt君学编程
数组退化
❝介绍数组退化和不退化成指针的情况。❞ 数组退化(decay)成指针中的decay意思可以翻译成「退化」或「降级」。在数组退化成指针后其「类型」和「大小信息」将会丢失。 传递值参数将会退化成指针： int GetArrayLength(const int arr[6]) { return sizeof(arr) / sizeof(arr[0]); } 传递引用参数不会退化成指针
70510发布于 2020-05-08 - 来自专栏数值分析与有限元编程
CSR存储刚度矩阵
当刚度矩阵规模很大时，CSR存储节约内存的优势能够很好的体现出来。用迭代法求解方程组，刚度矩阵不会产生填充，即零元素位置经迭代计算后还是零元素。 并且在计算过程中主要是矩阵和向量的乘积或者向量之间的点积，刚度矩阵结构不会发生变化，因此，CSR存储方式是采用迭代法求解方程组时刚度矩阵的一种有效存储方式。 点击一维变带宽查看一维变带宽存储刚度矩阵。
2K50发布于 2018-04-08 - 来自专栏数值分析与有限元编程
力学概念| 理解刚度(一)
刚度描述了结构抵抗由外荷载引起的变形的能力。刚度 K_s 定义为作用在弹性体上的力 P 与位移 \Delta 的比值. 刚度的定义提供了一种计算或估算结构刚度的方法，但是没有说明如何使结构变得刚度更大。 则点刚度可定义为在作用方向上的节点位移的倒数。因此，该点刚度与单位力的用位置和方向有关;换话说，在不同方向上的某点刚度是不同的。 结构沿给定方向上的刚度可定义为所有点刚度的最小值: K = min{ \{ k_1,k_2,k_3, \dots ,k_n\} } \quad (6) 其中， K 是结构刚度， k_j 是第 j 个节点沿给定方向的点刚度 这说明较短或较直接的传力路径会形成一个刚度较大的结构。 如果杆件的内力的绝对值 |N_i|(i=1,2··,s) 是相近的，则形成较大的刚度。换句话说，较均匀的内力分布会形成一个刚度较大的结构。
1.4K41编辑于 2023-09-20 - 来自专栏数值分析与有限元编程
一维变带宽存储刚度矩阵
我们知道，集成之后的整体刚度矩阵是一个对称的稀疏带状矩阵，如图1所示。这样的矩阵包含大量的0元素，占用大量的存储空间。为了节约存储空间，可采取一些方法对刚度矩阵压缩存储。
2.8K60发布于 2018-04-08 - 来自专栏数智转型架构师
从“认知外包”到“创新退化”
如果人越来越习惯于这份便捷，变得越来越懒，我们大脑深处的那个“创新引擎”，会不会因为长期不运转而慢慢生锈、退化？一旦人类失去了创新的欲望和能力，整个社会的发展会不会像一潭死水，彻底停滞不前？
13610编辑于 2026-03-09 - 来自专栏点云PCL
P2d-DO：高斯模型退化状态感知下的 LiDAR SLAM 退化优化方法
因此，本文提出了一种基于点到分布的退化检测算法和点云加权的退化优化算法（P2d-DO），旨在缓解退化现象对SLAM系统性能的负面影响。 具体来说，退化检测算法通过监测局部区域内分布概率的变化，输出一个反映退化状态的退化因子。 针对退化问题，已有多种方法通过融合异源传感器数据来弥补退化场景中缺乏约束的问题。然而，这些方法往往缺乏对退化环境特征或系统退化状态的深入分析，导致算法鲁棒性较差，且有时会产生不可预测的结果。 效果展示 退化场景 退化场景 退化检测 在走廊场景的退化检测结果 当机器人进入长直走廊时，两种方法的退化因子都显著下降；而当机器人离开走廊时，我们的方法能够准确检测到机器人已经脱离退化场景。 退化优化 融合P2d-DO后LIO-SAM的定位建图效果： 走廊退化场景的建图优化效果 空旷退化场景的SLAM优化效果 总结 在本研究中，我们提出了一种具有退化状态感知的激光雷达 SLAM 退化优化方法
61000编辑于 2025-03-03 - 来自专栏光城(guangcity)
C++函数退化修复
理解引用在数组上的使用 在函数传参的时候，我们经常会遇到退化现象，例如：int[10]退化为int*。 , 6, 7, 8, 9, 0}; std::cout << getLen(arr) << std::endl; return 0; } 编译器会视为：int getLen(int*)，发生退化 ，导致产生的结果是2(64位操作系统结果)，原因是退化之后取的是指针 8字节除以int 4字节，得到2，我们理想的情况是输出10，这种情况怎么解决呢？
62031发布于 2020-10-30 - 来自专栏技术之路
关于代码质量退化的思考
在业务变复杂软的过程中，各种原因的驱使，代码质量会退化，维护和开发新功能的成本也会相应的变高，推倒重新开发的成本也是高的吓人。 代码质量退化的步骤 大多情况下编码设计质量最高的时候是根据第一版需求进行编码实现的时候，但只要需求一变更，就会打乱原来的编码设计，软件质量也就会越来越差。或者就没有了设计。 软件的退化变的越来越严重的过程中，我们也在思考和改变现有的系统，如何才能让系统的在拥有更长的生命周期的同时，提高代码的质量，不让其退化，并拥有更好的可维护性和扩展性？
69630编辑于 2022-03-23 - 来自专栏老张的求知思考世界
警惕AI带来的认知退化
微信群看到有同学说：自从有了AI之后，查资料什么都是直接找AI，简单快捷，拿过来就能用。不由得让我想起了一个很有意思的关于AI的观点：
30110编辑于 2025-08-02 - 来自专栏乐行僧的博客
数组作为形参退化为指针
在代码中可以看到，主函数与Sizeof函数执行了同样的计算。即计算数组的大小，但是结果却是始料未及的。
71330编辑于 2022-02-24 - 来自专栏数值分析与有限元编程
手算Q4单元刚度矩阵
平面四边形等参单元(Q4)的刚度矩阵 由前文可知 k是矩阵，若将看作函数，则也是列阵。 是积分点的坐标。将k分块，即 如图是一个单元,。采用4个高斯积分点计算单元刚度矩阵。 ? 单元刚度矩阵特点： 1.对称性 2. 奇异性 3. 主对角元素恒正 4. 所有奇数（偶数）行的和为 0 刚度是表示物质形变能力的一个量，也就是说物体抵抗变形的能力，其元素值为单位位移所引起的节点力，与普通弹簧的刚度系数具有同样的物理本质。 刚度矩阵和刚度概念相似，就是把刚度变到了多维 比考虑了在多维的情况下 各个维度的相关性。
1.8K10发布于 2020-05-12 - 来自专栏韩曙亮的移动开发专栏
【运筹学】表上作业法 ( 运输规划问题最优解分析 | 退化与非退化 )
文章目录 一、运输规划问题 二、退化与非退化 一、运输规划问题 ---- 运输规划最终的求解最优解结果有如下情况 : ① 有唯一最优解 : 有一个检验数等于 0 ; ② 有无穷多最优解 : 这种情况下 所有的检验数都严格小于 0 ; 运输规划中不存在 ① 无界解 , ② 无可行解 两种情况 , 运输问题是一个实际的问题 , 运费肯定有一个可行的解 ; 二、退化与非退化 ---- 退化问题 : 运输问题的退化问题比较多 , 给定一个线性规划 , 其中的变量分为两部分 , 基变量 和 非基变量 , 非退化解 : 一个问题是 非退化的 , 当且仅当 , 所有的 基变量 都是非 0 的 , 即 严格大于 0 ; 退化解 : 一个问题是 退化的 , 当且仅当 , 存在 一个的 基变量 是 等于 0 的 ; 在 【运筹学】表上作业法 ( 示例 | 使用 “ 闭回路法 “ 计算检验数判定最优解 ) 博客中求解的运输规划问题是 非退化的 , 所有的基变量都是 严格大于 0 的 ;
1.4K00编辑于 2023-03-28 - 来自专栏数值分析与有限元编程
GUYAN缩减法求自振频率
这些方向上的运动方程退化为静态方程，并用于消除相应的位移。这在使用有限元模拟结构时很常见。由于集中假设，集中质量的转动惯量为零，因此相应的惯性量也为零。 因此，旋转自由度虽然是精确近似结构刚度所必需的，但对动态响应的贡献可以忽略不计。 对于自由振动方程 记 同样，将惯性力写成动力自由度分量的形式： 记 其中表示要保留的自由度集合,表示舍弃的自由度集合。 综上，自由振动方程可写成分块形式： 令的,可得 结构的应变能为 写成分块形式 将(3)代入，消去得到 其中 是缩减的刚度矩阵表达式。 这样一来，特征值问题的求解规模大大减小，即 然后可以恢复所舍弃部分的特征向量 [算例] 如图所示的悬臂梁，采用2个单元得到的刚度矩阵和质量矩阵为 采用GUYAN缩减法，忽略旋转自由度，和是平动自由度， 得到缩减刚度矩阵和缩减质量矩阵 ★★★★★★★★★★★★★★★ 往期相关 ★★★★★★★★★★★★★★★ Lanczos算法求自振频率 子空间迭代法求结构自振频率
89320编辑于 2022-06-16 - 来自专栏数值分析与有限元编程
有限元 | 经典梁单元刚度矩阵推导
为方便起见，推导经典梁单元刚度矩阵需要使用自然坐标系和物理坐标系。由于有4个位移节点条件，可假设梁单元的位移场挠度为具有四个待定系数的函数模式，其中 C1， C2， C3， C4 为待定系数。 ?
8.8K70发布于 2018-04-08 - 来自专栏Hadoop数据仓库
维度模型数据仓库（十三） —— 退化维度
退化维度 本篇讨论一种称为退化维度的技术。该技术减少维度的数量，简化维度数据仓库的模式。简单的模式比复杂的更容易理解，也有更好的查询性能。 当一个维度没有数据仓库需要的任何数据时就可以退化此维度。需要把退化维度的相关数据迁移到事实表中，然后删除退化的维度。 退化订单维度 本节说明如何退化订单维度，包括对数据仓库模式和定期装载脚本的修改。使用维度退化技术时你首先要做的识别数据，分析从来不用的数据列。 因此，在退化订单维度前，要把订单号迁移到sales_order_fact表。图（五）- 8-1显示了迁移后的模式。 sales_order_fact表 删除sales_order_fact表里的order_sk列 删除order_dim表 清单（五）- 8-1里的脚本完成所有退化订单维度所需的步骤。
5.7K21编辑于 2022-12-02 - 来自专栏韩曙亮的移动开发专栏
【C 语言】数组 ( 一维数组形参退化 | 二维数组形参退化 | 函数形参等价关系 )
文章目录 一、一维数组形参退化 二、二维数组形参退化 三、数组形参等价关系 一、一维数组形参退化 ---- C 中将 一维数组 作为参数 , 传递到函数中 , 该 一维数组 会退化为 指针 ; 将 int array[1000]) { } int array[] void fun(int array[]) { } int *array void fun(int *array) { } 二、二维数组形参退化 ---- 二维数组 作为 函数形参 , 也会退化为指针 ; 将 二维数组 看作 一维数组 , 一维数组 中每个元素是 实际的数据 , 二维数组 中每个元素是 一维数组 ; 一维数组 退化时 , 退化为 指向 一维数组元素 的 指针 ; 二维数组 退化时 , 退化为 指向 二维数组元素 的 指针 , 这个 二维数组元素 就是 一维数组 , 也就是退化为 指向 一维数组的指针 ; 特别注意 , 二维数组 退化的 指针 , 指向的 一维数组 是有效的 , 可以得到数组的元素个数 , 是一个正式的数组 ; 二维数组 形参 退化路径 : int array[10][20] void fun(int array
3.2K10编辑于 2023-03-29 - 来自专栏程序员IT圈
还是退化？
还是退化？ 英文：Daniel Stori 汉化：Roy@程序员的那些事 觉得本文对你有帮助？请分享给更多人。
96370发布于 2018-03-29 - 来自专栏用户9688323的专栏
钢筋与混凝土的相互作用
通常并不考虑钢筋和混凝土间的相互作用，而是假定其位移协调，通过叠加原理分别考虑各自对结构刚度和强度的贡献。 受拉刚化效应 受拉构件或梁受拉区混凝土开裂后，裂缝截面上的混凝土退出工作，但裂缝间的混凝土继续承受拉力，使得混凝土内钢筋的平均应变或总变形小于钢筋单独受力时的相应变形，有利于减小裂缝宽度和增大构件的刚度 考虑受拉刚化效应的方法总体上有三种： 根据粘结应力-滑移本构模型，建立粘结单元； 增大钢筋的刚度； 基于混凝土的平均应力和平均应变关系建立的，开裂后依然有一定的抗拉强度的模型； 如果考虑到裂缝间距 在重复和反复荷载作用下，钢筋和混凝土的粘结状况会逐渐退化，受拉刚化效应也会因此减弱。 通过赋予开裂混凝土一定的刚度和强度，可以考虑这种效应。骨料咬合作用也可以通过类似方式考虑。
1.3K50编辑于 2022-06-20 - 来自专栏仿真CAE与AI
结构力学仿真软件到底能实现哪些核心功能？
线性分析：基础力学计算基于 “应力 - 应变线性”“小变形不影响刚度” 假设，是设计基础：线性静力分析：模拟恒定荷载（重力、均布荷载等）下的响应，计算应力、位移，用于强度、刚度校核，如建筑梁变形计算、 非线性分析：复杂工况模拟应对材料屈服、大变形、接触摩擦等问题，是核心能力：材料非线性分析：模拟材料超弹性阶段行为，如金属屈服、混凝土开裂、橡胶超弹性，通过塑性、损伤等本构模型还原塑性流动与刚度退化， 几何非线性分析：考虑大变形导致的刚度变化，适用于薄膜张拉、柔性机械臂弯曲等场景，修正刚度矩阵避免误差。 机械制造：校核零件强度、刚度与疲劳寿命，如齿轮应力分析、轴承寿命预测，减少试验成本。
55210编辑于 2025-10-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号