lijil168的专栏

【代码】hypermesh二次开发tcl程序集。

1、读取 AVL Excite仿真结果数据，并写入csv文件。

【代码】abaqus二次开发python程序集。

TCL和Python在NVH仿真二次开发的运用1、NVH仿真一般流程2、NVH仿真示例3、NVH仿真操作上的难点4、TCL代码读取Hypermesh的模型加载节点5、Python代码读取AVL Excite PU模型中的载荷，并按Nastran语法生成Nastran模型的载荷家族文件1、NVH仿真一般流程2、NVH仿真示例3、NVH仿真操作上的难点4、TCL代码读取Hypermesh的模型加载节点5、Python代码读取AVL Excite PU模型中的载荷，并按Nastran语法生成Nastra

发动机悬置的动刚度和工作时的频率、预载荷、动态载荷的幅值有关，要确定准确的动刚度，需要对发动机工作时的悬置动刚度进行测试，对怠速时悬置动刚度，AVL Excite 悬置数学模型有几种，比较简单的一种为：用FTAB模拟静刚度，用SLS模拟动刚度，计算模型如下图，动刚度为复数，有模和相位角（滞后角，与阻尼有关）

=WS.CreatePP2Client(“myPP2”)==生成PP2Client的同时，会创建Report、PPX、Layer，用PPX在默认Layer上创建Curve可以成功，但随后修改Curve的Legend总是无故退出，原因待查（pp2报告为文本文件，很有特点，其不仅保存了结果数据，还保存了数据的来源信息，即Make infomation,pp2报告的Make information修改后，其数据还是以前的结果数据，csv文件数据读取后为二维字符串列表，需要转换为数字型二维列表，用。

在excite TD 仿真结果文件夹中，，在导出前进行批量删除。

1.2、轴瓦节点计算并建立2.4、镜像选择的面

Entities>

2、绘制弹簧2.1、绘制弹簧截面

打开ABAQUS CAE后，rpy脚本日志（abaqus.rpy）如下，一个Viewport对象’Viewport: 1’已经建立。

用excite TD对齿轮系进行仿真，模拟不同燃油泵相位对齿轮传动振动的影响，用齿轮角加速度级作为评价指标，需要计算大量的数据，用IMPRESS Chart手动处理，太麻烦。excite TD结果文件.GID在用python读取时，有大量的空格，需。计算各齿轮的角加速度级，绘图，并将数据写入excel中。提取齿轮角角速度FFT的数据。

python tkinter UI设计

norm_u=np.linalg.norm(u,ord=None,axis=0) #按列求模，对单位矢量模=1。

瞬态响应，可以看到4阶模态贡献最大，竖立方向y向，与激励方向一样。响应谱结果，结果只有一个点，和瞬态计算的最大值很接近。

假设一自由度系统受到的激励力是均值为0、自谱为S0=1的理想白噪声平稳过程。求系统响应的均方值与自谱（功率谱密度函数，设m=1,k=(2*pi)**2,阻尼系数zeta=0.16,即构造固有频率为1Hz,快速衰减的系统。激励力随机时，和确定时类似，都需要利用系统的脉冲响应函数h(t)或者复频响应函数H(w)。............

Python图片转视频和视频转图片以及视频转GIFcsdn 三、png转gif四、avi转gif实现帧等间隔采样，帧图片缩放。

车辆侧得的路谱数据中有海拔、车速、经纬度等，但是没有道路坡度数据，高清地图中有经纬度及道路坡度，但是路程比较短。如何利用高清地图中的道路坡度，结合车辆的路谱数据估算全路段的道路坡度？利用前100s数据进行训练，100-27=73个训练样本，用训练好的模型输入前290s的路谱，计算得到估算的道路坡度，前73s可观察训练的数据拟合情况，后面的时刻为道路坡度的估算情况，见下图。损失函数值：神经网络模型：...

Python开发之pip使用详解pypipypi默认安装库时按最新版本安装,可能把以前的库冲掉,造成版本不一致.pip install moviepy会安装imageio,版本总是冲突.安装库时加上版本号pip install imageio2.3.0pip install moviepy0.2.3.5C:\Users\li\AppData\Local\Programs\Python\Python36\Scripts>pip listPackage Versionabs

计算智能 作业二题目：自选非线性分类或曲线拟合问题，用BP网络训练、学习。自选题目：下面列表中的数据是某地区20年公路运量数据，其中属性“人口数量”、“机动车数量”和“公路面积”作为输入，属性“公路客运量”和“公路货运量”作为输出。请用神经网络拟合此多输入多输出曲线。100000步训练后，结果为：100000步训练后，结果为：优化的更快！可能过拟合cmd命令：tensorboard --logdir=C:\temp\log_simple_stats训练迭代过程中，损失函数值：注意正则化时

原因，pip.exe文件包含了python的安装绝对路径，当运行pip时无法用python执行pip;处理，因为pip无法打开，无法更新pip,重新安装python,注意对原安装库文件备份及替换。

import requestsimport reimport osimport csvurl = ‘https://www.tiobe.com/tiobe-index/’f = open(‘programming.csv’, ‘w’, newline=’’)writer = csv.DictWriter(f, [‘Programming’,‘Percent’,‘Date’])writer.writeheader()response = requests.get(url, )html = r

python发动机悬置解耦计算-按重心处整车坐标系解耦参考python计算结果python程序参考http://www.doc88.com/p-6834780959259.htmlpython计算结果python程序# _*_ coding:UTF-8 _*_import numpy as npfrom numpy import cosdef M_sys(m,Ixx,Ixy,Ixz,Iyy,Iyz,Izz): return np.array([[m,0,0,0,0,0],

遗传算法学习一参考4次迭代结果代码参考https://blog.youkuaiyun.com/ha_ha_ha233/article/details/91364937遗传算法详解 附python代码实现4次迭代结果（设计空间映射到基因空间（一般以二进制数表示），根据设计的效果择优选种进化，再映射的设计空间）代码import numpy as npimport matplotlib.pyplot as pltfrom matplotlib import cmfrom mpl_toolkits.mp

参考单自由度振动理论推导参考：结果输出位移由3部分组成：代码import matplotlib.pyplot as pltimport numpy as npfrom moviepy.video.io.bindings import mplfig_to_npimageimport moviepy.editor as mpyfrom numpy import pi,sqrt,cos,sin,arctan,exp##########begin:计算单自由度振动##########

参考知乎：把数据摇起来知乎：可视化也能秀，教你用Python制作GIF动图40行Python制作超炫酷动态排序图，有了它高逼格PPT再也不愁！卧槽，还能这么玩！用Python生成动态PPT实例：对sin(2* pi*t)生成动态gif图python代码利用matplotlib和moviepy库import matplotlib.pyplot as pltimport numpy as npfrom moviepy.video.io.bindings import mplfig_to_n

理论参考理论参考#Example2.3.3-Single cylinder,4 stroke-engine torqueimport numpy as npfrom numpy import sinfrom numpy import cosfrom numpy import arcsin as asinfrom numpy import sqrtfrom numpy import tanfrom matplotlib.pyplot import*import pandas as p

python用符号计算检验多维数组的计算import sympy as symimport numpy as npa111,a112,a121,a122,a211,a212,a221,a222=sym.symbols('a111,a112,a121,a122,a211,a212,a221,a222')A=[[[a111,a112],\ [a121,a122]],\ [[a211,a212],\ [a221,a222]]]A=np.array(A)A1=A[0]Vect

发动机悬置python仿真计算11# _*_ coding:UTF-8 _*_import numpy as npimport mathdef M_sys(m,Ixx,Ixy,Ixz,Iyy,Iyz,Izz): return np.array([[m,0,0,0,0,0],\ [0,m,0,0,0,0],\ [0,0,m,0,0,0]\ [0,0,0,Ixx,-Ixy,-Ixz],\

python分割合并文件python分割文件将notebook.txt文件分割放到yyy文件夹中：python合并文件将yyy文件夹中的文件合并到以日期开头的日志文件中：参考：python分割文件# _*_ coding:UTF-8 _*_import sys,oskilobytes = 1024megabytes = kilobytes*1000chunksize = int(200*megabytes)#default chunksizedef split(fromfile,todir

python热键+鼠标键盘控制应用：ctrl+home自动输入文本；home停止代码：hotkey应用：ctrl+home自动输入文本；home停止代码：hotkey#!/usr/bin/env python3# -*- coding: utf-8 -*- import win32conimport ctypesimport ctypes.wintypesfrom threading import Thread,activeCount, enumeratefrom time impor

[python]windows下模拟鼠标键盘输入一、几个用到的函数二、代码win_mouse_key.py三、应用实例:在cmd窗口用python脚本将一段文本复制到另一个地方cmdpythonfrom win_mouse_key import*脚本代码：一、几个用到的函数1.SetCursorPos(x，y)函数：该函数把光标移到屏幕的指定位置，但是并没有点击。2.mouse_event()函数：函数综合鼠标击键和鼠标动作mouse_event(win32con.flag, 0, 0, 0, 0)

基于深度学习的驾驶行为预测方法1 概述2 深度学习算法3 驾驶行为预测建模4 结论5 参考文献6 python LSTM程序7 python LSTM模型调用1 概述在汽车前向仿真中会用到纵向驾驶员模型，根据当前的实际车速与目标车速控制踏板行程得到需求转矩。纵向驾驶员模型的作用除了更好地跟踪目标工况，还要反映驾驶员的实际操纵行为，从而使整车仿真模型能更好地反映实车的运行特征[1]。对驾驶员操纵行为的预测难于用简单的公式来描述，如果有大量的路谱数据，包括实车行驶过程的海拔、车速、发动机转速、油门开度等信息

这里写自定义目录标题python 3.5安装pywin32pip 安装pywin32 失败升级pipC:\Users\Admin>==pip3 install pywin32==python 3.5安装pywin32pip 安装pywin32 失败C:\Users\Admin>pip install pywin32Collecting pywin32Could not find a version that satisfies the requirement pywin32 (from

tensorflow应用：双向LSTM神经网络手写数字识别思路Python程序1.建模训练保存Tensorboard检查计算图及训练结果打开训练好的模型进行预测思路将28X28的图片看成28行像素，按行展开成28时间步，每时间步间对识别都有影响，故用双向LSTM神经元，其实每列间对识别也有影响，用卷积神经网络也许更合理，这里只是学习LSTM的用法。应该也可以用两个双向LSTM神经网络进行联合预测，一个按行扫描，一个按列扫描。Python程序1.建模训练保存# coding=utf-8import

https://blog.youkuaiyun.com/adamshan/article/details/80555174 # coding=utf-8import numpy as npimport mathimport matplotlib.pyplot as pltk = 0.1 # 前视距离系数Lfc = 2.0 # 前视距离Kp = 1.0 # 速度P控制器系...

一、设计最简单的数字识别问题二、设计最简单的神经网络，仅含一隐藏层，4X3X2，激活函数：sigmod+softmax；损失函数：（均值）交叉熵cross-entropy三、利用梯度下降法和BP算法编程求解，观察整个求解过程。BP算法见：参考http://neuralnetworksanddeeplearning.com/chap3.htmll如采用softmax+...

# coding=utf-8from numpy import *from numpy import linalg as ladef printMat(inMat, thresh=0.8): for i in range(32): for k in range(32): if float(inMat[i,k]) > thresh

https://blog.youkuaiyun.com/adamshan/article/details/78265754# coding=utf-8import numpy as npimport numdifftools as ndimport mathdataset = []# read the measurement data, use 0.0 to stand LIDAR da...

一个最简单的例子：https://blog.youkuaiyun.com/u012465304/article/details/80905202深度强化学习入门：用TensorFlow构建你的第一个游戏AI：https://blog.youkuaiyun.com/Uwr44UOuQcNsUQb60zk2/article/details/78556998最简单例子代码：import numpy as ...