加速 Abaqus 中的慢循环-python 代码，用于从 .odb 文件中提取应变数据

Question

我有一个名为 plate2.odb 的 .odb 文件，我想从中提取应变数据。为此，我构建了下面的简单代码，循环遍历每个元素的字段输出 E（应变）并将其保存到列表中。

from odbAccess import openOdb
import pickle as pickle

# import database
odbname = 'plate2'
path = './'
myodbpath = path + odbname + '.odb'
odb = openOdb(myodbpath)

# load the strain values into a list
E = []
for i in range(1000):
    E.append(odb.steps['Step-1'].frames[0].fieldOutputs['E'].values[i].data)   

# save the data
with open("mises.pickle", "wb") as input_file:
    pickle.dump(E, input_file)

odb.close()

问题是将应变值加载到列表中的 for 循环需要很长时间（1000 个元素需要 35 秒）。按照这个速度 (0.035 queries/second)，我需要 2 个小时才能为包含 200,000 个元素的模型提取数据。为什么要花这么长时间？我怎样才能加速这个？

如果我在任何 Python 循环之外执行单个应变查询，则需要 0.04 秒，所以我知道这不是 Python 循环的问题。

Answer 1

我发现每次我想要一个菌株时都必须重新打开 odb 字典中的子目录。因此，为了解决这个问题，我将 odb 对象保存为一个较小的对象。下面是我更新的代码，只需几分之一秒即可解决。

from odbAccess import openOdb
import pickle as pickle

# import database
odbname = 'plate2'
path = './'
myodbpath = path + odbname + '.odb'
odb = openOdb(myodbpath)

# load the strain values into a list
E = []
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E']
for i in range(1000):
    E.append(EE.values[i].data)  

# save the data
with open("mises.pickle", "wb") as input_file:
    pickle.dump(E, input_file)

odb.close()

Answer 2

我会在这里使用 bulkDataBlocks。这比使用值方法快得多。另外使用 Pickle 通常很慢而且没有必要。查看 C++ 手册 http://abaqus.software.polimi.it/v6.14/books/ker/default.htm 中的 FieldBulkData 对象。 Python 方法是相同的，但至少在 Abaqus 6.14 中它没有记录在 Python-Scripting-Reference（自 6.13 起可用）。

例如：

from odbAccess import openOdb
import numpy as np

# import database
odbname = 'plate2'
path = './'
myodbpath = path + odbname + '.odb'
odb = openOdb(myodbpath)

# load the strain values into a numpy array
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E']

# get a numpy array with your data 
# Not using np.copy here may work also, but sometimes I encountered some weird bugs
Strains=np.copy(EE.bulkDataBlocks[0].data)

# save the data
np.save('OutputPath',Strains)

odb.close()

请记住，如果您有多种元素类型，可能会有不止一个 bulkDataBlock。

Answer 3

晚会有点晚，但我发现在这种情况下使用 operator.attrgetter 比 for 循环或列表理解快得多

所以不是@AustinDowney

E = []
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E']
for i in range(1000):
    E.append(EE.values[i].data)

这样做：

from operator import attrgetter
EE = odb.steps['Step-1'].frames[0].fieldOutputs['E']
E = map(attrgetter('data'), EE.values)

这与列表理解的速度大致相同，但如果您要一次提取多个属性（例如 coordinates 或 elementId），则速度会好得多

加速 Abaqus 中的慢循环-python 代码，用于从 .odb 文件中提取应变数据

Accelerate a slow loop in Abaqus-python code for extracting strain data from .odb file

python

abaqus