news 2026/6/10 13:09:53

随机短纤维(线型)与圆形骨料细观模型:可调节参数、纤维三维化及代码修改性研究

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
随机短纤维(线型)与圆形骨料细观模型:可调节参数、纤维三维化及代码修改性研究

随机短纤维(线型)和圆形骨料细观模型,骨料纤维之间不干涉,可调节半径,长度,也可随机半径长度,纤维可修改为3维圆柱,代码可修改性好。

直接上代码吧,咱们今天要搞个能批量生成随机纤维的脚本。先看这个核心函数,保证纤维之间绝对不打架,还能自定义各种参数。这玩意儿改吧改吧直接扔到有限元软件里用都没问题。

先来点硬核的——生成参数的函数。这个generatefiberparams能吐出来一堆随机参数,注意看里面的np.random.uniform,这里玩了个小花招让短纤维长度和半径关联:

def generate_fiber_params(num_fibers, max_radius=0.5, area_size=10): params = [] for _ in range(num_fibers): radius = np.random.uniform(0.1, max_radius) length = np.random.uniform(2*radius, 4*radius) # 长度至少是直径的两倍 angle = np.random.uniform(0, 2*np.pi) params.append((radius, length, angle)) return params

重点是这个长度随机范围,2倍半径起步,防止生成牙签似的畸形纤维。angle参数留着后面计算方向向量用,这样纤维朝向就不会全是一个德性了。

接下来是重头戏——碰撞检测。这个check_overlap函数用了个空间划分的骚操作,把区域划分成网格来加速检测。直接两层循环检测所有纤维会要命,特别是数量多的时候:

def check_overlap(new_fiber, existing_fibers, grid, cell_size): x, y, r = new_fiber[0], new_fiber[1], new_fiber[3] grid_x = int(x / cell_size) grid_y = int(y / cell_size) for i in range(-1, 2): for j in range(-1, 2): if (grid_x+i, grid_y+j) in grid: for fiber in grid[(grid_x+i, grid_y+j)]: dx = x - fiber[0] dy = y - fiber[1] if dx**2 + dy**2 < (r + fiber[3])**2: return True return False

注意这里判断距离用的是平方比较,比开根号快不止一个量级。网格划分的cell_size建议设成最大纤维直径的1.5倍,这样基本不会漏检。

三维扩展其实特简单,把z坐标加进来,判断距离时多加个dz²就行。不过可视化得用Mayavi或者PyVista了,matplotlib的3D功能太弱鸡。比如这样改造成圆柱体:

class Fiber3D: def __init__(self, start, end, radius): self.start = np.array(start) self.end = np.array(end) self.radius = radius self.axis = self.end - self.start self.length = np.linalg.norm(self.axis) def to_mesh(self): # 返回三角面片数据,用于导出或可视化 cylinder = pv.Cylinder(self.start, self.axis, self.radius, self.length) return cylinder

参数化设计才是精髓。在脚本开头定义这几个全局变量,想怎么改就怎么改:

CONFIG = { 'domain_size': (50, 50, 50), # 三维区域尺寸 'radius_range': (0.2, 1.0), # 半径随机范围 'aspect_ratio': (3, 8), # 长径比范围 'max_attempts': 100 # 单个纤维的最大尝试次数 }

遇到生成失败的情况别慌,加个尝试次数限制。当连续100次都找不到合适位置时,自动停止生成,避免死循环。实测在纤维体积占比30%以下时基本都能成功生成。

最后说下怎么导出数据。建议保存成CSV或者JSON,这样其他软件好读取。比如:

def save_to_csv(fibers, filename): with open(filename, 'w') as f: f.write("x,y,z,dx,dy,dz,radius\n") for fiber in fibers: line = f"{fiber.start[0]},{fiber.start[1]},{fiber.start[2]},"\ f"{fiber.axis[0]},{fiber.axis[1]},{fiber.axis[2]},"\ f"{fiber.radius}\n" f.write(line)

这个格式直接把纤维起点和方向向量都记录下来了,拿到ABAQUS或者COMSOL里用矢量数据直接生成圆柱体,爽歪歪。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/10 11:20:51

脑机接口远景规划:意念控制AI助手的梦想与现实

脑机接口远景规划&#xff1a;意念控制AI助手的梦想与现实 在科技圈热议“用大脑操控手机”的今天&#xff0c;一个更实际的问题悄然浮现&#xff1a;我们真的需要等到脑机接口成熟&#xff0c;才能拥有“心之所想、事即所成”的AI助手吗&#xff1f; 现实或许比想象来得更快…

作者头像 李华
网站建设 2026/6/10 11:22:00

向量化维度调整:影响anything-llm检索精度的关键参数

向量化维度调整&#xff1a;影响anything-LLM检索精度的关键参数 在构建智能知识系统时&#xff0c;我们常以为“模型越大越好、维度越高越准”&#xff0c;但现实往往更复杂。当你在本地部署一个像 Anything-LLM 这样的私有化RAG应用时&#xff0c;可能会发现&#xff1a;即使…

作者头像 李华
网站建设 2026/6/10 10:41:41

为什么“稳定”本身,就是一种极其稀缺的高级能力?

在技术圈里&#xff0c;有一种非常普遍、却极具误导性的价值判断&#xff1a;“有新技术&#xff0c;才有价值。” “系统稳定&#xff0c;只是运维的本职工作。”但只要你在真实的生产环境里待得足够久&#xff0c;就会慢慢意识到一个反直觉的事实&#xff1a;“稳定”不是默认…

作者头像 李华
网站建设 2026/6/10 10:35:26

从工程师到技术负责人:你需要补的,往往不是技术

很多网络运维工程师在职业中期都会遇到一个看似矛盾的阶段&#xff1a;• 技术已经不差• 项目也做过不少• 系统也算稳定• 但“负责人”的位置&#xff0c;始终轮不到自己你可能会下意识地认为&#xff1a;“是不是我技术还不够强&#xff1f;”但现实往往恰恰相…

作者头像 李华
网站建设 2026/6/10 10:36:26

基于角色的访问控制(RBAC)在anything-llm中的实现细节

基于角色的访问控制&#xff08;RBAC&#xff09;在 anything-llm 中的实现与演进 想象这样一个场景&#xff1a;一家中型科技公司正在部署一个内部知识问答系统&#xff0c;用于帮助员工快速检索产品文档、技术规范和项目经验。团队里有研发、市场、客服等多个部门&#xff0c…

作者头像 李华
网站建设 2026/6/10 10:38:56

【LeetCode 153 173_二分查找】寻找旋转排序数组中的最小值 缺失的数字

算法场景 当题目中存在有序性或单调性时&#xff0c;就应优先考虑二分查找&#xff1a;例如数组整体有序或局部有序&#xff08;如旋转数组&#xff09;、某个条件在区间内呈现“前真后假”或“前假后真”的分界特征、下标与数值存在固定关系&#xff08;如缺失数字问题&#…

作者头像 李华