Développement d'outils python sur le logiciel Abaqus_
Ou l'automatisation d'un processus à la place de l'humain !
Le contexte_
Notre client, GTT, utilise le logiciel Abaqus qui permet de faire des simulations de modèle numérique par la méthode des éléments finis.
Le pôle « calcul de structure » de notre client rencontre un grand nombre d’études avec des post-traitements particulièrement lourds et complexes, notamment afin de valider certaines normes, parfois sévères, sur divers critères. Ces post-traitements, réalisés jusqu’alors manuellement, sont principalement chronophages.
C’est dans ce contexte que l’équipe OSE a développé 3 outils en python pour post-traiter les calculs automatiquement :
Un outil dédié à l’export automatique d’images.
Un outil de moyennage des contraintes qui analyse une structure dans le but de valider certains critères.
Un outil de détection automatique des soudures à partir d’un maillage de structure.
Les outils python développés_
L’outil Abaqus Viewer
Notre outil Abaqus Viewer permet de générer un grand nombre d’images pour réaliser automatiquement les rapports de notre client. Cette tâche fastidieuse et récurrente était jusqu’alors réalisée manuellement.
Nous avons proposé une interface graphique en python Qt qui permet de préconfigurer l’ensemble des post-traitements à effectuer afin de générer automatiquement les images demandées.
Notre solution prend en compte des configurations préétablies pour certains types de post-traitements qui sont régulièrement effectués. Grâce à ces configurations, l’outil permet de générer une centaine d’images dans un temps très restreint, de l’ordre de la minute.
L’outil Mean Stress
Notre outil Mean Stress a pour but d’automatiser une tâche particulièrement laborieuse à effectuer manuellement : la vérification de l’ensemble des critères définis par les sociétés de classification (LR, ABS, DNV, BV, etc.).
Le calcul de ces critères repose sur le moyennage local des contraintes exercées sur la structure. L’outil effectue automatiquement ces calculs, vérifie si les critères sont validés ou non et génère un rapport de résultats à l’utilisateur.
Différents critères et différentes méthodes peuvent être employés lors de ce post-traitement permettant un balayage bien plus complet de l’étude que ce qui peut être fait manuellement.
L’outil Weld Detection
A partir d’un maillage d’une structure, notre outil Weld Detection permet d’extraire automatiquement l’ensemble des arêtes qui représentent les soudures dans la structure et de les classifier dans différents groupes dans le but de préparer les études en fatigue. Nous avons proposé une méthode algorithmique innovante basée sur la construction d’un graphe pour extraire ces soudures.
Pour effectuer cette extraction, notre méthode passe par plusieurs étapes :
Étape 1 – On détermine les mailles adjacentes, i.e, les mailles partageant une arête commune.
Étape 2 – On calcule l’angle entre chaque paire de mailles adjacentes.
Étape 3 – On construit un graphe : chaque maille représente un nœud du graphe, et deux nœuds du graphe sont liés si la paire de mailles possède une arête commune.
Étape 4 – On établit une forme de connexité en fonction de l’angle nous permettant ainsi d’extraire l’ensemble des sous-structures qui compose le maillage.
Étape 5 – Enfin on détecte les soudures qui sont à l’intersection de ces sous-structures, et classifiées selon leurs spécificités géométriques.
L’équipe a développé en python à la fois les méthodes algorithmiques pour post-traiter efficacement les résultats et également une interface graphique ergonomique.
Bénéfice de la solution OSE_
Les outils développés ont permis de faciliter et d’automatiser le travail de notre client.
Les bénéfices sont les suivants :
Gain de temps significatif
Fiabilité des résultats
Co-développement avec le pôle calcul de
structure de GTT
