Fe-safe 2023 新功能介绍

文章介绍了3DEXPERIENCE软件的最新更新,包括疲劳耐久性分析工具的集成、焊接疲劳功能增强、模态动力学和随机振动支持,以及TCD和Fatemi-Socie算法的应用。结构工程师的角色也有所调整,自动化执行链和用户体验得到提升。

Fe-safe的功能增强


3DEXPERIENCE中的更新

· 疲劳耐久性分析界面集成到结构和力学分析App的UX和数据模型当中,支持在同一个App中和同一个仿真对象中定义分析步、相互作用、边界条件、载荷以及耐久性特征。

· 增强了焊接疲劳功能,在22xGA中集成了Verity的线焊疲劳,在22x FD03中增加了Verity中的点焊疲劳,集成了Point Fasteners, 很容易创建焊点和搭接模型,同时,支持实体六面体、刚体、弹簧以及梁结构的疲劳分析以及薄板失效。

· 支持在云上执行耐久性分析(22xFD01)及案例储存(22xFD02),同时能够自动生成用于场输出的传感器(22xFD03)。

· 从22x FD04开始,支持模态动力学以及随机振动的载荷定义。

说明:* 表示 SIMULIA.WORKS 角色

· 角色的更新。从R2023x GA开始,结构和耐久性工程师(FHM)的角色取消。从23x FD01+开始,3DEXPERIENCE的许可对应如下:

说明:* 表示 SIMULIA.WORKS 角色

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值