基于Python语言和Abaqus软件的轮胎参数化高效建模技术

来源 :橡胶工业 | 被引量 : 0次 | 上传用户:wangliubaobao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于Abaqus软件提供的Python二次开发接口,研究复杂结构轮胎的参数化高效建模方法.建模过程如下:结合宏录制功能录制所需Python代码,修改参数后生成脚本文件,采用RSG对话框创建轮胎建模插件,输入轮胎结构关键参数后可以一键生成轮胎有限元几何模型.该方法将原来需要数小时才能完成的轮胎建模缩短为几秒钟,极大地提高复杂结构轮胎的设计效率,为后续轮胎有限元仿真分析奠定了较好的基础.该技术可以推广应用于飞机、轮船、汽车等的其他复杂结构零部件的高效建模中.
其他文献
维吾尔语是黏着语,词汇量较多,容易出现未登录词问题并且属于低资源语言,导致维吾尔语的端到端语音识别模型性能较低.针对上述问题,该文提出了基于多任务学习的端到端维吾尔语语音识别模型,在编码器层使用Conformer并与链接时序分类(CTC)相连接,通过BPE-dropout方法形成鲁棒性更强的子词,以子词和字作为建模单元,同时进行多任务训练和解码.实验结果分析发现,子词作为建模单元能有效解决未登录词问题,多任务学习模型能在低资源环境下较充分利用数据,学习到丰富的时序语音特征信息,进一步提升模型的识别性能.在
考虑传统语音情感识别任务中,手动提取声学特征的繁琐性,本文针对原始语音信号提出一种Sinc-Transformer(SincNet Transformer)模型来进行语音情感识别任务.该模型同时具备SincNet层及Transformer模型编码器的优点,利用SincNet滤波器从原始语音波形中捕捉一些重要的窄带情感特征,使其整个网络结构在特征提取过程中具有指导性,从而完成原始语音信号的浅层特征提取工作;利用两层Transformer模型编码器进行二次处理,以提取包含全局上下文信息的深层特征向量.在交互式