Abaqus-Python&Pyvista梦幻联动，木木带你手把手玩转odb文件
本期推文主要内容：
基于 Python 提取 ODB 文件场数据（节点位移、应力） 在 Abaqus 环境中生成 csv 文件，并使用 matplotlib 绘制曲线图 避免生产 vtk 文件，直接使用 Pyvista 库进行 odb 文件重绘
提取 odb 文件场数据
节点位移
该操作较为简单，我就直接以代码的形式展现，并加以注释，主要用于提取模型全部节点的位移和指定节点集的位移。
odb_path = 'Job-2.odb'
node_set_name = 'SET-LEFT'
last_frame = odb.steps[odb.steps.keys()[-1]].frames[-1]
# 提取模型的全部节点位移
all_nodes = odb.rootAssembly.instances['PART-1-1'].nodes
displacement_field = last_frame.fieldOutputs['U'].values
# 提取模型节点集的节点位移
displacement_nset = last_frame.fieldOutputs['U'].getSubset(region=node_set).values
节点应力
应力就比较有意思了，因为有限元中的应力最开始是基于积分点上面的概念，在绘制云图时又常常使用的是节点的应力，这时就需要面对一个问题，就是如何将积分点处的应力转换为节点处，对于有限元的应力处理，我会单独开设一起推文详细讲述。
在使用 python处理 Abaqus odb 文件中的应力时，可以使用 getSubset 选取应力的位置：INTEGRATION_POINT 、ELEMENT_NODAL、CENTROID。如果选取的是INTEGRATION_POINT（高斯积分点），则需要自己建立插值函数将积分点应力外插至节点处，较为麻烦，在考虑作图时不建议这么搞；若选取的是CENTROID（单元形心） 或者 ELEMENT_NODAL（单元节点），则提取的值已经由 Abaqus 进行插值后的值，直接进行均匀化处理就行。
具体参考依据，可见 Abaqus 帮助文档：If the requested field values are not found in the output database at the specified ELEMENT_NODAL orCENTROID positions, they are extrapolated from the field data at the INTEGRATION_POINT position.
为了简单起见，我选择的是 ELEMENT_NODAL，处理共节点的应力时采用“绕节点直接平均”的方式，对于单元形状差异较大的情况，可采用“加权平均”或者其他考虑单元面积/体积变化的均匀化方法，即：
# 二维情况下，提取的是应力四个分量：S11,S22,S33,S12
stress_field = last_frame.fieldOutputs['S']
stress_values = stress_field.getSubset(position=ELEMENT_NODAL).values
# 应力均匀化（绕节点直接平均）
node_stress_map = defaultdict(list)
for value in stress_values:
node_label = value.nodeLabel
node_stress_map[node_label].append(value.data)
average_node_stresses = {
node_label: np.mean(stresses, axis=0) for node_label, stresses in node_stress_map.items()
}
csv & matplotlib 操作
csv
在数据处理时，常常用到图表，那么如果在 Abaqus 中将数据导出至 csv 表格呢，在 CAE 界面中可以非常容易找到 Abaqus&Excel 选项卡，本次讨论的是在使用 Abaqus-Python 开发中如何将提取的数据导出至 CSV 文件中。
# 获取节点集的节点编号、坐标、竖向位移（借助ChatGPT）
output_data = [
[node.label, *node.coordinates, next(
value.data[1] for value in displacement_nset if value.nodeLabel == node.label)]
for node in node_set.nodes[0]
]
# 写入 CSV 文件
csv_file = 'node_set_output.csv'
with open(csv_file, 'w') as f:
f.write('Node Label,X,Y,Z,U2\n')
f.writelines(','.join(map(str, data)) + '\n' for data in output_data)
通过上面的代码，即可将指定节点集的节点编号、坐标信息、位移（U2）写入 csv 文件中，效果如下：
matplotlib
此时如果我们想将数据进一步操作，比如绘制节点集上距离裂尖处的 U2 值，如下图所示：
# 计算裂纹尖端的相对距离 r
crack_tip_x = output_data[0][1] # 裂纹尖端的 X 坐标
data = [[row[0], row[1], row[4], crack_tip_x - row[1]] for row in output_data]
data.sort(key=lambda x: x[3])
# 提取 r 和 U2 位移用于绘图
r_values, u2_displacements = zip(*[(row[3], row[2]) for row in data])
# 绘图
plt.figure(figsize=(8, 6))
plt.scatter(r_values, u2_displacements, color='blue', label='Data', marker='x')
plt.axhline(0, color='black', linewidth=0.5, linestyle='--')
plt.axvline(0, color='black', linewidth=0.5, linestyle='--')
plt.xlabel('r (mm)', fontsize=12)
plt.ylabel('U2 (mm)', fontsize=12)
plt.title('Displacement vs Relative Distance from Crack Tip', fontsize=14)
plt.legend()
plt.grid(True)
plt.show()
最终可绘制如下效果：
本次案例只是分享如何在 Abaqus 环境中创建 csv 表格文件和使用 matplotlib 进行绘图，原理掌握之后，剩下的就是看操作者本身的需求了。
按照习惯来说，运行上面脚本需要在 Abaqus 界面中，点击 File->Run Script，选择 py 文件进行运行，但是每次修改 py 文件再次运行，都需要重复操作，是不是较为麻烦呢？用户可使用之前推文推荐过的 abqpy 库：【abqpy库介绍】IDE环境下运行Abaqus-Python脚本！
本次推文中的脚本可直接在 Vscode 中运行，不用打开 Abaqus 即可运行！
使用 pyvista 对 odb 文件进行重绘
原理
之前有很多小伙伴都想要对 odb 文件重绘，要么提取场数据在 Matlab 中重新绘制；要么生成 vtk 文件，导入进 Paraview 中进行可视化显示。
这些的操作都不可避免的需要针对特定单元，根据单元节点连接信息进行重新绘制单元面。如此一来，首先是麻烦，其次还是麻烦。今天教大家一个小妙招，不用这些单元节点连接信息，直接根据原来 inp 文件的信息，在原有网格的基础上添加场数据即可，相当方便。
该方法需要用到之前介绍过的 pyvista 库，详细介绍可见：VTK库学习 | 百万级自由度有限元模型云图绘制只需0.02秒！
思路：将 Abaqus 分析结果文件（ODB 文件）中的场数据导出为 .pkl 文件（.pkl 文件是 Python 的二进制序列化文件，用于高效保存和加载复杂数据结构。），并使用 PyVista 库加载已存在的网格文件（INP 文件）。通过读取导出的 .pkl 文件，将场数据添加到网格对象中，从而实现数据可视化。
场数据导出至 pkl 文件
displacement_map = {value.nodeLabel: value.data for value in displacement_field.values}
stress_map = {value.nodeLabel: value.data for value in stress_values}
node_data = {
node.label: {
'displacement': displacement_map[node.label],
'stress': average_node_stresses.get(node.label, None)
}
for node in all_nodes
}
加载 pkl 文件
由于 Abaqus 环境中并不支持 pyvista 库，所以不能在原来的脚本基础上进行运行含有 pyvista 的语句，需要新建一个 py 脚本，单独运行。
input_file = 'node_displacement.pkl'
with open(input_file, 'rb') as f:
node_data = pickle.load(f)
# 读取场数据
node_displacement = []
node_stress = []
for node_label, data in node_data.items():
displacement = data['displacement']
S = data['stress']
u1, u2 = displacement[0], displacement[1]
s11, s22, s12 = S[0], S[1], S[3]
umag = np.sqrt(u1**2 + u2**2)
mises = np.sqrt(s11**2 - s11 * s22 + s22**2 + 3 * s12**2)
node_displacement.append([u1, u2, umag])
node_stress.append([s11, s22, s12, mises])
# pyvista里面的数据类型都是np.array
node_displacement = np.array(node_displacement)
node_stress = np.array(node_stress)
基于 pyvista 重绘 odb 云图
# 加载inp文件
mesh = pv.read_meshio('Job-2.inp')
# 添加位移数据为标量字段
mesh["U1"] = node_displacement[:, 0] # 第一列为 U1
mesh["U2"] = node_displacement[:, 1] # 第二列为 U2
mesh["Umag"] = node_displacement[:, 2] # 第三列为 Umag
mesh["S11"] = node_stress[:, 0] # 第一列为 S11
mesh["S22"] = node_stress[:, 1] # 第二列为 S22
mesh["S12"] = node_stress[:, 2] # 第三列为 S12
mesh["Mises"] = node_stress[:, 3] # 第四列为 Mises
################以下操作是pyvista绘图设置，可作参考#######
plotter = pv.Plotter()
custom_cmap = LinearSegmentedColormap.from_list(
'custom_cmap',
plt.cm.coolwarm(np.linspace(0, 1, 12)), # 使用 coolwarm 的分段颜色
N=12 # 分段数量
)
plotter.add_mesh(
mesh,
scalars="Mises", # 标量字段
cmap=custom_cmap, # 颜色映射
show_edges=False, # 不显示网格边缘
show_scalar_bar=False,
)
# 添加标量条
plotter.add_scalar_bar(
title="Stress (MPa)", # 标量条标题
n_labels=13, # 标签数量
n_colors=12, # 颜色分区数量
fmt="%.3e", # 数值格式
vertical=True, # 垂直显示
width=0.05, # 标量条宽度
position_x=0.03, # x 坐标位置
position_y=0.5, # y 坐标位置
font_family="times", # 字体
)
plotter.add_axes(line_width=5,
cone_radius=0.6,
shaft_length=0.7,
tip_length=0.3,
ambient=0.5,
label_size=(0.4, 0.16))
plotter.camera_position = "xy"
# 显示绘图
plotter.show()
最终绘制的效果：
使用 pyvista 库有很多好处：
扩展性好 速度极快，丝滑 可借助内部方法 .save_meshio导出文件类型很多，如：Abaqus, Ansys msh, AVS-UCD, CGNS, DOLFIN XML, Exodus, FLAC3D, H5M, Kratos/MDPA, Medit, MED/Salome, Gmsh (versions 2 and 4), OBJ, OFF, PERMAS, PLY, STL, TetGen .node/.ele, SVG (2D only, output only), UGRID, WKT (TIN), XDMF, and more.更多好处可见官网：https://docs.pyvista.org
脚本获取
本次演示使用到了两个 py脚本、一个 odb 文件和一个 inp 文件，后台回复：odb文件重绘，即可自动获取（注意字母和汉字之间没有空格）。
友情提示：本次的计算分析基于 Abaqus2025 平台，python 脚本语言遵循 python3 的语法。
本篇推文详细介绍了 Abaqus-Python 二次开发中提取场数据的操作流程，包括数据提取、图表处理，并借助 PyVista 库实现可视化重绘。希望本文对您有所帮助，感谢阅读，期待下期再见！
