首页/文章/ 详情

面向对象有限元编程|整体结构类(上)

5月前浏览6103

Python是一个动态语言,在list等容器类里,我们可以放入任何类型的数据(字符串,浮点数等):

a = [12.3'n']

这个方便也会带来问题。说的高大上点,就是这样的代码不安全。

比如这段:

scores = [11223344]  #列表元素都是int类型
#list可以添加任何类型,不小心加进去一个字符串
scores.append('88')
#求和:下面这行会报错,因为字符串'88'不能和其他数字相加。
sum(scores)
#Python3.9可直接将scores定义成为只能存放整数的列表,这和C++的泛型容器很像了。
scores = list[int]()
#这就意味着scores里面的东西一定是数字,我们后面对它的操作可以放心大胆的去做。也就意味着更安全的程序。
#添加字符串进去是不允许的,在写代码的时候就会提示出错了。
scores.append('88')

对于下面的结构,有铰接点,也有刚接点,有杆单元,也有梁单元。

在创建结构对象时,要把所有的结点对象和单元对象放入列表nodeList和elementList中,从前面对Python语法的讨论可知,这是可行的,也很简便。假定nd1,nd2,nd3,nd4,nd5是5个节点对象,elem1,elem2,elem3,elem4是4个单元对象,那么

nodeList = [nd1,nd2,nd3,nd4,nd5]
elementList = [elem1,elem2,elem3,elem4]

C++要实现类似的功能,就要从抽象的节点(单元)类着手了。

#include<iostream>
#include<vector>
usingnamespacestd;
//抽象的单元类
classAbstractElement
{

public:
virtual ~AbstractElement() = default;
virtualsize_tgetID()const0;   // 纯虚函数 
};
//杆单元类
classTruss :public AbstractElement
{
protected:
size_t id{ 0 };
public:
    Truss() = default;
    Truss(size_t id_) : id{ id_ } {}
size_tgetID()constoverridereturn id; }
};
//梁单元类
classBeam :public AbstractElement
{
protected:
size_t id{ 0 };
public:
    Beam() = default;
    Beam(size_t id_) : id{ id_ } {}
size_tgetID()constoverridereturn id; }
};
intmain()
{
    Truss t1{ 1 }; //杆单元对象
    Beam  b1{ 2 }; //梁单元对象
//泛型容器的存储类型为抽象单元类型指针
std::vector<AbstractElement*> elems{ &t1, &b1 };
return0;
}

同样,如果一个结构对象包含多种材料,也可以定义一个matrialList列表。如何定义节点类和单元类可参考话题#面向对象有限元编程#前3篇。

来源:数值分析与有限元编程
ACTpythonUM材料
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-04-02
最近编辑:5月前
太白金星
本科 慢慢来
获赞 4粉丝 8文章 316课程 0
点赞
收藏
作者推荐

面向对象有限元编程|数值计算类

生成矩阵python主要依赖第三方库numpy,其中np.array和np.mat有区别,主要体现在:生成矩阵所需格式不同np.mat可以从字符串或列表中生成,而np.array只能从列表中生成。import numpy as npa = np.mat(&quot;1,2; 3,4&quot;) #字符串生成2x2矩阵b = np.mat([ [5,6], [7,8] ]) #列表生成2x2矩阵c = np.array([ [2,6], [5,8] ]) 生成的数组运算方式不同np.array生成矩阵,用np.dot()表示矩阵乘法,星号(*)或np.multiply()表示点乘(对应元素相乘)。import numpy as npa = np.array([ [1, 1], [1, 1] ])b = np.array([ [2, 2], [2, 2] ])c = np.dot(a, b) #矩阵乘法d = np.multiply(a, b) #对应元素相乘e = a*b #对应元素相乘 np.mat生成矩阵,星号(*)和np.dot()表示矩阵乘法,np.multiply()表示点乘(对应元素相乘)。import numpy as npa = np.mat([[1, 1], [1, 1]])b = np.mat([[2, 2], [2, 2]])c = a*b #矩阵乘法d =np.dot(a, b) #矩阵乘法e = np.multiply(a, b) #对应元素相乘 矩阵索引用a[0][0]访问矩阵a中第一行第一列元素,注意索引值从0开始。解方程组用np.linalg.solve(A, b)解方程组Ax=b,例如##方程组Ax=b的解import numpy as npA =np.array( [ [6, -1.5, 1], [-1.5, 1.875, -1.5], [1, -1.5, 2] ])b = np.array( [ 30, -10, 0 ] )x = np.linalg.solve(A, b)print(&quot;Solution&quot;, x) C++的数值计算类可以用第三方数值计算库,比如Eigen, BLAS等。来源:数值分析与有限元编程

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈