content.json

{"pages":[{"title":"","text":"1. 个人简介¶ -Memento Mori- “毋意、毋必、毋固、毋我” —《论语·子罕篇》 个人信息： 某校桥梁工学研究室在读博士，主要研究方向：[钢桥的高强螺栓连接]，[铆钉连接以及张拉连接]。一般通过实验以及FEM解析进行分析讨论。 喜欢 看动漫（过去式） ，伪军迷（略有所知却一问三不知），喜欢纯音乐，对电子器材略有了解。 大爱Aimer! 爱狗爱猫人士 1.1. Skill¶ 擅长或正在学习 1.1.0.1. ¶ 1.1.0.2. 本站推荐索引¶ 各种参考 Abaqus Documentation BUNoob.com 1.1.0.3. 技术支持¶ 核心： Hexo 主题： Icarus &amp; Amazing 加速： JswDelivr，Alibaba Cloud 统计： Google Analytics 头像： chochoske 1.1.0.4. 时间轴记录¶","link":"/about/index.html"},{"title":"","text":"欢迎友情链接申请 友情链接申请请点击右侧的Feadback 并发送网站信息。 会在收到消息的第一时间添加。 欢迎各位博客大佬。 本站友链信息如下： 1234avatar：https://cdn.jsdelivr.net/gh/ChenYu-K/pic@main/acg/mmexport1600617617091.jpgname：ChenYu-Kurl：https://www.chenyu-k.com/descibe：Memento Mori 加载中，稍等几秒...","link":"/friend/index.html"},{"title":"","text":"1. Time machine tips：本插件地址…「+99次查看」 碎碎念加载中，请稍等... $.getScript(\"/js/gitalk_self.min.js\", function () { var gitalk = new Gitalk({ clientID: 'eeccaadc8ba876b69c84', clientSecret: 'ec8fb7eb220a98531e419bf6b9877c5e5292be4a', id: 'self-talking', repo: 'chenyu-k.github.io' owner: 'ChenYu-K', admin: \"ChenYu-K\", createIssueManually: true, distractionFreeMode: false }); gitalk.render('comment-container1'); });","link":"/self-talking/index.html"},{"title":"","text":"1. xxx¶ Trip Shoot Bridge MaoMao 版权声明:本博客所有文章以及图片除特别声明外，均采用[CC BY-NC-SA 4.0]{https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh}许可协议。转载请注明[来源]{https://www.chenyu-k.com/album} This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.","link":"/album/index.html"},{"title":"","text":"来而不往非礼也 ！","link":"/message/index.html"},{"title":"","text":"1. What is progress-bar.dev?¶ https://progress-bar.dev/28/ https://progress-bar.dev/28/?title=progress https://progress-bar.dev/58/ https://progress-bar.dev/58/?title=completed https://progress-bar.dev/91/ https://progress-bar.dev/91/?title=done https://progress-bar.dev/7/?scale=10&amp;title=mark&amp;suffix=X https://progress-bar.dev/420/?scale=500&amp;title=funds&amp;width=120&amp;color=babaca&amp;suffix=$ Heavily inspired by the works of https://github.com/fehmicansaglam/progressed.io","link":"/progress_bar/README.html"},{"title":"Material_test-data-processing","text":"@[toc] 0.1. 材料試験数据处理¶ 日本語 钢材的材料试验自动数据处理python脚本 可以实现大量数据的一键处理，算出自动算出材料试验的屈服强度，最大强度，弹性模量，泊松比，最后自动出图，并输出结果在excel表李 Google colab ソースコードsource_code 0.1.1. 導入¶ 最开始从csv的初始数据里，读取必要的数据然后根据截面积算出载荷对应的应力，应变。然后算各应变的平均值。 在这里，原始数据得来的ch. 为了更好实现一键化处理，增加了横向应变和纵向应变的判定。通过判断中间段数据应变的正负来判断拉应变还是压应变，以此区分横向应变和纵向应变 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556from glob import globfrom google.colab import driveimport csvimport numpy as npfrom openpyxl import load_workbookimport matplotlib.pyplot as plt ###google drive 链接google云盘drive.mount('/content/drive')%cd '/content/drive/MyDrive/Colab_Notebooks/material_test'###filenames = glob('*.csv')print(filenames) #for filename in filenames:with open('材料試験_H300W_No.1_データリスト.csv',encoding=&quot;utf8&quot;,errors='ignore') as f: f_csv = csv.reader(f) next(f_csv) data = list(f_csv) a = np.array(data) load = a[1:,2] a = a[1:,:] #文字列の次から x = range(np.shape(a)[0]) y = len(data) - 1 #行数を数える case1 = np.empty([y,8],dtype = float) #########################应变的判定，csv数据位置不会变的可以忽略这段for i in x: case1[i,0] = a[i,2] #load case1[i,1] = a[i,3] #disp if float(a[int(y/2),4]) &gt; 0 : #应变的判定 case1[i,2] = a[i,4] #縦ひずみ1を定義する if float(a[int(y/2),5]) &gt; 0 : #縦ひずみを判定する case1[i,3] = a[i,5] #縦ひずみ2を定義する case1[i,4] = a[i,6] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する else : case1[i,4] = a[i,5] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する case1[i,3] = a[i,6] #縦ひずみ2を定義する if i == y : break striantate = (case1[:,2]+case1[:,3])/2 #縦ひずみ平均値 strianyoko = (case1[:,4]+case1[:,5])/2 #横ひずみ平均値############################# エクセルシート（テンプレート）を読み込むwb = load_workbook(&quot;template_mt.xlsx&quot;, data_only=True) #エクセルシートを導入するwb1 = wb.active #シートを選択する################# A = wb1['F9'].value #获取材料试验片的断面积case1[:,6] = case1[:,0] *1000/ A #算出应力 ################# 0.1.2. 屈服强度的计算¶ 对于标准的材料试验，根据弹塑性力学原理，一般来说，钢材的应变在4000左右是处在屈服点之后，应变强化之前。所以对于屈服强度的判定，如以下： 应变在4000之前的最大应力则为屈服强度 拉升强度则为整个实验的最大应力值 12345678sigma_y = 0i = 0while striantate[i] &lt; 4000: sigma_y= max(sigma_y,case1[i,6]) i = i+1sigma_u = max(case1[:,6])print('屈服强度：',sigma_y)print('最大强度：',sigma_u) 0.1.3. 通过最小二乘法计算弹性模量E¶ 为了去除实验初期载荷的不规律变化，以及屈服点附近的塑性变形的影响。试验数据一般采用$[0.2\\sigma_y - 0.7\\sigma_y]$的范围作为弹性变形的范围，并截取这一段的数据来计算弹性模量以及泊松比。 通过最小二乘法计算，应力应变曲线的斜率$k_1$，来获得弹性模量： $$[k_1 =\\frac{n \\sum_{i=1}^{n} x_{i} y_{i}-\\sum_{i=1}^{n} x_{i} \\sum_{i=1}^{n} y_{i}}{n \\sum_{i=1}^{n} x_{i}{2}-\\left(\\sum_{i=1}{n} x_{i}\\right)^{2}}$$ 为了更直观的表示以上计算式，在代码里改写为以下． $$ k_1 = \\frac {na1 - a21\\times a22} {nb1 - a21^2}$$ 另外，对于決定係数$R^2$的计算，通过1减去离差平方和除以偏差减去数据的平均值$\\overline{y}$的平方和来获得，如以下计算式： $$R^{2} = 1-\\frac{\\sum_{i=1}{N}\\left(y_{i}-f_{i}\\right){2}}{\\sum_{j=1}{N}\\left(y_{j}-\\bar{y}\\right){2}}$$ 123456789101112131415161718192021222324252627i = 0; a1 = 0; a21 = 0; a22 = 0; k1 = 0; b1 = 0; n=0;pc = 0for j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: a1 += (striantate[i] * case1[i,6]) a21 += striantate[i] a22 += case1[i,6] b1 += striantate[i] ** 2 pc += strianyoko[i]/striantate[i] n += 1 i = i+1k1 = (n*a1 - a21*a22)/(n*b1-a21**2) #yong's modulusb0 = a22/n - k1*a21/n #intercept 切片pc = -pc/n #Poisson coefficient ポアソン比####### R決定係数の求めi = 0; ssr = 0; sst = 0ymean = a22/nfor j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: ssr += (case1[i,6] - (striantate[i]*k1+b0))**2 sst += (case1[i,6] - ymean)**2 i += 1R2 = 1 - ssr/sst #R2 Coefficient of determination，決定係数######print('yong\\'s modulus E = ',k1*10**6)print('Poisson coefficient = ',pc)print('coefficient of determinationR^2 = ',R2) 0.1.4. 出图¶ 通过 matplotlib自动画出应力应变图 12345678910111213141516171819202122###############グラフを書くplt.plot(striantate,case1[:,6], label=&quot;stress-strain&quot;,color='black',linewidth=0.75)plt.xlabel(&quot;Strain&quot;)plt.ylabel(&quot;Stress [$N/mm^2$]&quot;)plt.ylim(0, 500)plt.xlim(0, 70000)plt.grid(color=&quot;k&quot;, linestyle=&quot;:&quot;) # メッシュ背景を点線に設定するplt.legend(loc=4,numpoints=1) #凡例plt.savefig('stress-strain.svg') #svgとして保存plt.show()################## 数据的写入最后处理玩得数据写入excel之中．wb1.cell(6,10,sigma_y)wb1.cell(6,11,sigma_u)wb1.cell(6,12,k1)wb1.cell(6,13,pc)for i in range(3,y) : for j in range(2,8) : wb1.cell(i,j,case1[i-3,j-2]) #シートにi行j列にデータを書き込むwb.save(&quot;111.xlsx&quot;) #保存する 0.2. Full Code¶ 完整代码如以下，大致的结构流程为 对文件夹内的.csv文件进行查找，取得所有csv的文件名。 读取原始数据，并开始数据处理 从原始数据中算出应变的平均值以及计算出应力。 算出屈服强度以及最大强度 通过最小二乘法计算出弹性模量以及泊松比 自动画出应力应变图，并输出保存为.svg 计算结果以及原始数据保存在Excel文档里输出报告 material-test.py >folded123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114from glob import globfrom google.colab import driveimport csvimport numpy as npfrom openpyxl import load_workbookimport matplotlib.pyplot as plt ###drive.mount('/content/drive')%cd '/content/drive/MyDrive/Colab_Notebooks/material_test'filenames = glob('*.csv')###m=1; #生データ書き込むためcellの列数，row1 = 6 #計算結果を書き込むための行数############################# エクセルシート（テンプレート）を読み込むwb = load_workbook(&quot;template_mt.xlsx&quot;, data_only=True) #エクセルシートを導入するwb1 = wb.active #シートを選択する######for filename in filenames: fname = filename.split('_')[-2] with open(filename,encoding=&quot;utf8&quot;,errors='ignore') as f: f_csv = csv.reader(f) next(f_csv) data = list(f_csv) a = np.array(data) load = a[1:,2] a = a[1:,:] #文字列の次から x = range(np.shape(a)[0]) y = len(data) - 1 #行数を数える case1 = np.empty([y,8],dtype = float) ######################### for i in x: case1[i,0] = a[i,2] #load case1[i,1] = a[i,3] #disp if float(a[int(y/2),4]) &gt; 0 : #縦ひずみを判定する case1[i,2] = a[i,4] #縦ひずみ1を定義する if float(a[int(y/2),5]) &gt; 0 : #縦ひずみを判定する case1[i,3] = a[i,5] #縦ひずみ2を定義する case1[i,4] = a[i,6] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する else : case1[i,4] = a[i,5] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する case1[i,3] = a[i,6] #縦ひずみ2を定義する if i == y : break striantate = (case1[:,2]+case1[:,3])/2 #縦ひずみ平均値 strianyoko = (case1[:,4]+case1[:,5])/2 #横ひずみ平均値 ################# A = wb1.cell(row1,6).value #断面積を取得する case1[:,6] = case1[:,0] *1000/ A #応力の算出 #################降伏点および引張強度の算出 sigma_y = 0 i = 0 while striantate[i] &lt; 4000: sigma_y= max(sigma_y,case1[i,6]) i = i+1 sigma_u = max(case1[:,6]) ##############ヤング率の算出 i = 0; a1 = 0; a21 = 0; a22 = 0; k1 = 0; b1 = 0; n=0;pc = 0; for j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: a1 += (striantate[i] * case1[i,6]) a21 += striantate[i] a22 += case1[i,6] b1 += striantate[i] ** 2 pc += strianyoko[i]/striantate[i] n += 1 i = i+1 k1 = (n*a1 - a21*a22)/(n*b1-a21**2) #yong's modulus b0 = a22/n - k1*a21/n #intercept 切片 pc = -pc/n #Poisson coefficient ポアソン比 ####### R決定係数の求め i = 0; ssr = 0; sst = 0 ymean = a22/n for j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: ssr += (case1[i,6] - (striantate[i]*k1+b0))**2 sst += (case1[i,6] - ymean)**2 i += 1 R2 = 1 - ssr/sst #R2 Coefficient of determination，決定係数 ##########グラフを書く plt.plot(striantate,case1[:,6], label=&quot;stress-strain&quot;,color='black',linewidth=0.75) plt.xlabel(&quot;Strain&quot;) plt.ylabel(&quot;Stress [$N/mm^2$]&quot;) plt.ylim(0, 500) plt.xlim(0, 70000) plt.grid(color=&quot;k&quot;, linestyle=&quot;:&quot;) # メッシュ背景を点線に設定する plt.legend(loc=4,numpoints=1) #凡例 plt.savefig(fname+'-stress-strain.svg') #svgとして保存 plt.show() ###############データの書き込む wb1.cell(row1,10,sigma_y) wb1.cell(row1,11,sigma_u) wb1.cell(row1,12,k1) wb1.cell(row1,13,pc) for i in range(15,y) : j1 = 0 for j in range(m,m+6) : wb1.cell(i,j,case1[i-15,j1]) #シートにi行j列にデータを書き込む j1 +=1 m += 6 row1 += 1 wb.save(&quot;test.xlsx&quot;) #保存する 0.2.1. Matlab ver.¶ Matlabのバージョンも作っています．考え方は基本一緒． material-test.m >folded1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889%%clc %コマンドウインドウをクリアするclear %ワークスペースのクリアfile = dir(fullfile('*.csv')); %csvファイルの情報を全部読み込むfilenames = {file.name}; %csvファイル名を取得[~,n] = size(filenames); %csvファイルの個数を数えるA = readmatrix('template_mt.xlsx','sheet',1,'range','F6:F8'); %断面積を取得する%変数の定義stressmax = 0; avx = 0; avy = 0; avx2 = 0;Sxy = 0; Sx2 = 0; M = 0; Sxy1 = 0; Sxy2 = 0;%%%全てのデータを行列変換%%%%figure figure1 =figure; axes1 = axes('Parent',figure1);hold(axes1,'on');ylabel({'Stress [N/mm^2]'});xlabel({'Strain'});%%%%%%%for i = 1 : n stress_y(i) = 0; k = strcat(filenames(i)); %文字列に変換する data{i,1} = k{1,1}; %名前を付けて data{i,2} = readmatrix(k{1,1}); %データを入れる f = data{i,2}; %data中のi行2列のデータを取り出す f = f(:,3:8); %計測データの3～8列(荷重，変位，ひずみ*4)を取り出す data{i,2} = f; [j,~]=size(data{i,2}); %データ数の列数を数える if data{i,2}(j/2,4)&gt;0 %縦ひずみ2を判定する next; else data{i,2}(:,[4,5]) =data{i,2}(:,[5,4]); %横ひずみと縦ひずみを並び替える end %応力・平均ひずみの出力 for m=1:j stress(m) = data{i,2}(m,1)/A(i)*1000; %`応力の出力 strain(m,1) = 0.5*(data{i,2}(m,3) + data{i,2}(m,4)); strain(m,2) = -0.5*(data{i,2}(m,5) + data{i,2}(m,6)); if strain(m,1) &lt; 4000 stress_y(i)=max(stress(m),stress_y(i)); end end stressmax(i) = max(stress); %応力最大値を取得する %平均値を取得する for m=1:j if (stress(m) &gt; (0.1*stress_y(i))) &amp;&amp; (stress(m) &lt; (0.7*stress_y(i))) avx = avx + strain(m,1); avy = avy + stress(m); avx2 = avx2 + strain(m,2); M = M+1; end end avx = avx/M ; avy = avy/M; avx2 = avx2/M; %最小二乗法 for m=1:j if (stress(m) &gt; (0.1*stress_y(i))) &amp;&amp; (stress(m) &lt; (1.7*stress_y(i))) Sxy = Sxy+(strain(m,1)-avx)*(stress(m)-avy); Sx2 = Sx2+(strain(m,1)-avx)^2; Sxy1 = Sxy1+(strain(m,2)-avx2)*(strain(m,1)-avx); Sxy2 = Sxy2+(strain(m,2)-avx2)^2; end end Yongs(i) = Sxy/Sx2*10^6; b = avy - Yongs * avx; Poissons(i) = Sxy2/Sxy1; plot(strain(:,1),stress); %図の追加endwritematrix(data{1,2},'template_mt.xlsx','sheet',1,'range','A15')writematrix(data{2,2},'template_mt.xlsx','sheet',1,'range','G15')writematrix(data{3,2},'template_mt.xlsx','sheet',1,'range','M15')writematrix(stress_y','template_mt.xlsx','sheet',1,'range','J6')writematrix(stressmax','template_mt.xlsx','sheet',1,'range','K6')writematrix(Yongs','template_mt.xlsx','sheet',1,'range','L6')writematrix(Poissons','template_mt.xlsx','sheet',1,'range','M6')%%%Figurexlim(axes1,[0 70000]);ylim(axes1,[0 500]);box(axes1,'on');hold(axes1,'off');legend1 = legend(axes1,'show');legend('No.1','No.2','No.3','location','southeast');","link":"/lang/material-test/index.html"}],"posts":[{"title":"How to select Abaqus Solid Element Type","text":"1. Abaqus要素タイプの選択 如何选择Abaqus的实体单元类型¶ | | First-order reduced-integration elements|","link":"/2021/08/05/2021-08-05-Abaqus-element-type/"},{"title":"Latex编译下插入png,jpg","text":"1. \\(\\LaTeX\\)插入png,jpg的设定¶ 首先LaTeX本身并不支持插图的功能，插图需要导入graphicx宏包来完成。 在LaTeX用中文或者日语写论文时，编译环境使用Latex较为常见。latex编译模式下如果直接插入png或者jpg的图会告诉你，编译错误没有设置boundbox。 这个时候就需要使用latex+dvipdfmx编译，调用graphicx时需要指定dvipdfmx. \\(\\LaTeX\\)插入图片最好的格式是EPS EPS可以直接插入，而且作为高质量的矢量图片，笔者认为这是论文出图的首选。 1.1. ¶ 1.2. 设置方法¶ latex直接插入jpg or png，需要设置boundbox，调整bb相当麻烦，两个办法， jpg or png 转换为eps格式（并不推荐） 通过读取dvipdfmx包来自动获取bb信息然后放入文字中。 例如： （笔者喜欢在全局里导入dvipdfmx的条件，当然在调用graphics宏包时导入也可以） 1\\documentclass[a4paper,dvipdfmx]{jsreport} 然后还需要加上bmpsize包来主动获取图片的bb信息，以适配文章格式 1\\usepackage{bmpsize} 注意 color 和 graphics 包同时使用时，必须在documentclass上面添加dvipdfms否则会出现定义不明确的错误，因为color和graphics都是默认div。 1.3. 对于pdflatex编译模式下¶ pdflatex编译下可以自由导入pdf，jpg，png但是无法导入eps矢量图。这个时候就需要调入epstopdf宏包来支持eps的导入 1\\usepackage{epstopdf} 1.4. 各种编译方式的图片格式¶ 开头也说过，latex本身是不支持导入图片的，导入图片的 格式 矢量图 位图 latex .eps n/a latex + dvipdfmx .eps .pdf .jpg .png .bmp pdflatex .pdf .jpg .png pdflatex 调用epstopdf .eps .pdf .jpg .png xelatex .eps .pdf .jpg .png .bmp 1.5. 导入图片¶ 在调用好宏包之后，就可以正常导入png位图了。 在论文中我一般喜欢用以下方式导入 123456\\begin{figure}[htbp] \\centering \\includegraphics[width=\\textwidth]{picture/name.png} \\caption{caption} \\label{label} \\end{figure} 1.6. Reference¶ dvipdfmx的使用方法 Latex插入多栏图片 Latex_thumbnail来自Jonas Jacek jonas.me，CC BY 4.0，","link":"/2021/08/12/2021-08-12-Latex-pic/"},{"title":"Material_test-data-processing","text":"1. 材料試験自動データ処理¶ 中文 鋼材の材料試験の自動化データ処理スクリプト． 実現できる機能は 降伏点，引張強度の算出．ヤング率，ポアソン比の算出．最後に，自動でグラフを出力，レポートとしてExcelに保存する． Google colab ソースコードsource_code 1.1. 導入¶ 最初はcsv生データから，必要なデータを読み取り，応力，縦ひずみ平均値と横ひずみ平均値を算出する． ここでは，生データのひずみチャンネル配置によらず，コードで数値の[+，-]を用いて，縦ひずみや横ひずみの判定を行った． 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556from glob import globfrom google.colab import driveimport csvimport numpy as npfrom openpyxl import load_workbookimport matplotlib.pyplot as plt ###google driveに接続する．ローカル実行の場合は消してください．drive.mount('/content/drive')%cd '/content/drive/MyDrive/Colab_Notebooks/material_test'###filenames = glob('*.csv')print(filenames) #for filename in filenames:with open('材料試験_H300W_No.1_データリスト.csv',encoding=&quot;utf8&quot;,errors='ignore') as f: f_csv = csv.reader(f) next(f_csv) data = list(f_csv) a = np.array(data) load = a[1:,2] a = a[1:,:] #文字列の次から x = range(np.shape(a)[0]) y = len(data) - 1 #行数を数える case1 = np.empty([y,8],dtype = float) #########################for i in x: case1[i,0] = a[i,2] #load case1[i,1] = a[i,3] #disp if float(a[int(y/2),4]) &gt; 0 : #縦ひずみを判定する case1[i,2] = a[i,4] #縦ひずみ1を定義する if float(a[int(y/2),5]) &gt; 0 : #縦ひずみを判定する case1[i,3] = a[i,5] #縦ひずみ2を定義する case1[i,4] = a[i,6] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する else : case1[i,4] = a[i,5] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する case1[i,3] = a[i,6] #縦ひずみ2を定義する if i == y : break striantate = (case1[:,2]+case1[:,3])/2 #縦ひずみ平均値 strianyoko = (case1[:,4]+case1[:,5])/2 #横ひずみ平均値############################# エクセルシート（テンプレート）を読み込むwb = load_workbook(&quot;template_mt.xlsx&quot;, data_only=True) #エクセルシートを導入するwb1 = wb.active #シートを選択する################# A = wb1['F9'].value #断面積を取得するcase1[:,6] = case1[:,0] *1000/ A #応力の算出 ################# 1.2. 降伏点の算出方¶ 標準材料試験に対して，ひずみが4000まで，基本降伏点を超えているため，降伏点の算出は： ひずみが4000までの最大応力とする． 引張強度は応力の最大値を取得する． 12345678sigma_y = 0i = 0while striantate[i] &lt; 4000: sigma_y= max(sigma_y,case1[i,6]) i = i+1sigma_u = max(case1[:,6])print('降伏点：',sigma_y)print('引張強度：',sigma_u) 1.3. 最小二乗法を用いたヤング率の求め¶ 実験の初期ノイズおよび，降伏点付近の塑性化の影響を排除するため，ヤング率の算出範囲は \\(0.2\\sigma_y - 0.7\\sigma_y\\)となった． 最小二乗法を用いて，曲線の傾き\\(k_1\\)は以下のように算出された： $$ k_1 = \\frac{n \\sum_{i=1}^{n} x_{i} y_{i}-\\sum_{i=1}^{n} x_{i} \\sum_{i=1}^{n} y_{i}}{n \\sum_{i=1}^{n} x_{i}^{2}-\\left(\\sum_{i=1}^{n} x_{i}\\right)^{2}} $$ コードで見やすいため，以下のように省略で表記する． $$ k_1 = \\frac {na1 - a21\\times a22} {nb1 - a21^2} $$ なお，決定係数\\(R^2\\)については，残差の二乗和を標本値の平均値 \\(\\overline{y}\\)からの偏差の二乗和で割ったものを1から引いた値であり,以下のような式で算出した． $$ R^{2} = 1-\\frac{\\sum_{i=1}^{N}\\left(y_{i}-f_{i}\\right)^{2}}{\\sum_{j=1}^{N}\\left(y_{j}-\\bar{y}\\right)^{2}} $$ 123456789101112131415161718192021222324252627i = 0; a1 = 0; a21 = 0; a22 = 0; k1 = 0; b1 = 0; n=0;pc = 0for j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: a1 += (striantate[i] * case1[i,6]) a21 += striantate[i] a22 += case1[i,6] b1 += striantate[i] ** 2 pc += strianyoko[i]/striantate[i] n += 1 i = i+1k1 = (n*a1 - a21*a22)/(n*b1-a21**2) #yong's modulusb0 = a22/n - k1*a21/n #intercept 切片pc = -pc/n #Poisson coefficient ポアソン比####### R決定係数の求めi = 0; ssr = 0; sst = 0ymean = a22/nfor j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: ssr += (case1[i,6] - (striantate[i]*k1+b0))**2 sst += (case1[i,6] - ymean)**2 i += 1R2 = 1 - ssr/sst #R2 Coefficient of determination，決定係数######print('ヤング率E = ',k1*10**6)print('ポアソン比 = ',pc)print('決定係数R^2 = ',R2) 1.4. グラフの出力¶ matplotlibを用いてグラフの出力 12345678910111213141516171819202122###############グラフを書くplt.plot(striantate,case1[:,6], label=&quot;stress-strain&quot;,color='black',linewidth=0.75)plt.xlabel(&quot;Strain&quot;)plt.ylabel(&quot;Stress [$N/mm^2$]&quot;)plt.ylim(0, 500)plt.xlim(0, 70000)plt.grid(color=&quot;k&quot;, linestyle=&quot;:&quot;) # メッシュ背景を点線に設定するplt.legend(loc=4,numpoints=1) #凡例plt.savefig('stress-strain.svg') #svgとして保存plt.show()################## データを書き込む最後に処理完了したデータを全部Excelテンプレートに書き込む．wb1.cell(6,10,sigma_y)wb1.cell(6,11,sigma_u)wb1.cell(6,12,k1)wb1.cell(6,13,pc)for i in range(3,y) : for j in range(2,8) : wb1.cell(i,j,case1[i-3,j-2]) #シートにi行j列にデータを書き込むwb.save(&quot;111.xlsx&quot;) #保存する 2. Full Code¶ フォルダ内に.csvファイルを探して，名前を取得する． 生データを読み取り，データ処理を行う． 生データから，縦ひずみ，横ひずみ平均値と応力を算出する． 降伏点および引張強度を算出する． 最小二乗法を用いてヤング率およびポアソン比の算出． 応力－ひずみ関係グラフを書く，出力，保存する． 計算結果および生データをテンプレートに保存する． material-test.py >folded123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114from glob import globfrom google.colab import driveimport csvimport numpy as npfrom openpyxl import load_workbookimport matplotlib.pyplot as plt ###drive.mount('/content/drive')%cd '/content/drive/MyDrive/Colab_Notebooks/material_test'filenames = glob('*.csv')###m=1; #生データ書き込むためcellの列数，row1 = 6 #計算結果を書き込むための行数############################# エクセルシート（テンプレート）を読み込むwb = load_workbook(&quot;template_mt.xlsx&quot;, data_only=True) #エクセルシートを導入するwb1 = wb.active #シートを選択する######for filename in filenames: fname = filename.split('_')[-2] with open(filename,encoding=&quot;utf8&quot;,errors='ignore') as f: f_csv = csv.reader(f) next(f_csv) data = list(f_csv) a = np.array(data) load = a[1:,2] a = a[1:,:] #文字列の次から x = range(np.shape(a)[0]) y = len(data) - 1 #行数を数える case1 = np.empty([y,8],dtype = float) ######################### for i in x: case1[i,0] = a[i,2] #load case1[i,1] = a[i,3] #disp if float(a[int(y/2),4]) &gt; 0 : #縦ひずみを判定する case1[i,2] = a[i,4] #縦ひずみ1を定義する if float(a[int(y/2),5]) &gt; 0 : #縦ひずみを判定する case1[i,3] = a[i,5] #縦ひずみ2を定義する case1[i,4] = a[i,6] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する else : case1[i,4] = a[i,5] #横ひずみ1を定義する case1[i,5] = a[i,7] #横ひずみ2を定義する case1[i,3] = a[i,6] #縦ひずみ2を定義する if i == y : break striantate = (case1[:,2]+case1[:,3])/2 #縦ひずみ平均値 strianyoko = (case1[:,4]+case1[:,5])/2 #横ひずみ平均値 ################# A = wb1.cell(row1,6).value #断面積を取得する case1[:,6] = case1[:,0] *1000/ A #応力の算出 #################降伏点および引張強度の算出 sigma_y = 0 i = 0 while striantate[i] &lt; 4000: sigma_y= max(sigma_y,case1[i,6]) i = i+1 sigma_u = max(case1[:,6]) ##############ヤング率の算出 i = 0; a1 = 0; a21 = 0; a22 = 0; k1 = 0; b1 = 0; n=0;pc = 0; for j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: a1 += (striantate[i] * case1[i,6]) a21 += striantate[i] a22 += case1[i,6] b1 += striantate[i] ** 2 pc += strianyoko[i]/striantate[i] n += 1 i = i+1 k1 = (n*a1 - a21*a22)/(n*b1-a21**2) #yong's modulus b0 = a22/n - k1*a21/n #intercept 切片 pc = -pc/n #Poisson coefficient ポアソン比 ####### R決定係数の求め i = 0; ssr = 0; sst = 0 ymean = a22/n for j in case1[:,6]: if j &gt; 0.2*sigma_y and j &lt; 0.7*sigma_y: ssr += (case1[i,6] - (striantate[i]*k1+b0))**2 sst += (case1[i,6] - ymean)**2 i += 1 R2 = 1 - ssr/sst #R2 Coefficient of determination，決定係数 ##########グラフを書く plt.plot(striantate,case1[:,6], label=&quot;stress-strain&quot;,color='black',linewidth=0.75) plt.xlabel(&quot;Strain&quot;) plt.ylabel(&quot;Stress [$N/mm^2$]&quot;) plt.ylim(0, 500) plt.xlim(0, 70000) plt.grid(color=&quot;k&quot;, linestyle=&quot;:&quot;) # メッシュ背景を点線に設定する plt.legend(loc=4,numpoints=1) #凡例 plt.savefig(fname+'-stress-strain.svg') #svgとして保存 plt.show() ###############データの書き込む wb1.cell(row1,10,sigma_y) wb1.cell(row1,11,sigma_u) wb1.cell(row1,12,k1) wb1.cell(row1,13,pc) for i in range(15,y) : j1 = 0 for j in range(m,m+6) : wb1.cell(i,j,case1[i-15,j1]) #シートにi行j列にデータを書き込む j1 +=1 m += 6 row1 += 1 wb.save(&quot;test.xlsx&quot;) #保存する 2.1. Matlab ver.¶ Matlabのバージョンも作っています．考え方は基本一緒． material-test.m >folded1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889%%clc %コマンドウインドウをクリアするclear %ワークスペースのクリアfile = dir(fullfile('*.csv')); %csvファイルの情報を全部読み込むfilenames = {file.name}; %csvファイル名を取得[~,n] = size(filenames); %csvファイルの個数を数えるA = readmatrix('template_mt.xlsx','sheet',1,'range','F6:F8'); %断面積を取得する%変数の定義stressmax = 0; avx = 0; avy = 0; avx2 = 0;Sxy = 0; Sx2 = 0; M = 0; Sxy1 = 0; Sxy2 = 0;%%%全てのデータを行列変換%%%%figure figure1 =figure; axes1 = axes('Parent',figure1);hold(axes1,'on');ylabel({'Stress [N/mm^2]'});xlabel({'Strain'});%%%%%%%for i = 1 : n stress_y(i) = 0; k = strcat(filenames(i)); %文字列に変換する data{i,1} = k{1,1}; %名前を付けて data{i,2} = readmatrix(k{1,1}); %データを入れる f = data{i,2}; %data中のi行2列のデータを取り出す f = f(:,3:8); %計測データの3～8列(荷重，変位，ひずみ*4)を取り出す data{i,2} = f; [j,~]=size(data{i,2}); %データ数の列数を数える if data{i,2}(j/2,4)&gt;0 %縦ひずみ2を判定する next; else data{i,2}(:,[4,5]) =data{i,2}(:,[5,4]); %横ひずみと縦ひずみを並び替える end %応力・平均ひずみの出力 for m=1:j stress(m) = data{i,2}(m,1)/A(i)*1000; %`応力の出力 strain(m,1) = 0.5*(data{i,2}(m,3) + data{i,2}(m,4)); strain(m,2) = -0.5*(data{i,2}(m,5) + data{i,2}(m,6)); if strain(m,1) &lt; 4000 stress_y(i)=max(stress(m),stress_y(i)); end end stressmax(i) = max(stress); %応力最大値を取得する %平均値を取得する for m=1:j if (stress(m) &gt; (0.1*stress_y(i))) &amp;&amp; (stress(m) &lt; (0.7*stress_y(i))) avx = avx + strain(m,1); avy = avy + stress(m); avx2 = avx2 + strain(m,2); M = M+1; end end avx = avx/M ; avy = avy/M; avx2 = avx2/M; %最小二乗法 for m=1:j if (stress(m) &gt; (0.1*stress_y(i))) &amp;&amp; (stress(m) &lt; (1.7*stress_y(i))) Sxy = Sxy+(strain(m,1)-avx)*(stress(m)-avy); Sx2 = Sx2+(strain(m,1)-avx)^2; Sxy1 = Sxy1+(strain(m,2)-avx2)*(strain(m,1)-avx); Sxy2 = Sxy2+(strain(m,2)-avx2)^2; end end Yongs(i) = Sxy/Sx2*10^6; b = avy - Yongs * avx; Poissons(i) = Sxy2/Sxy1; plot(strain(:,1),stress); %図の追加endwritematrix(data{1,2},'template_mt.xlsx','sheet',1,'range','A15')writematrix(data{2,2},'template_mt.xlsx','sheet',1,'range','G15')writematrix(data{3,2},'template_mt.xlsx','sheet',1,'range','M15')writematrix(stress_y','template_mt.xlsx','sheet',1,'range','J6')writematrix(stressmax','template_mt.xlsx','sheet',1,'range','K6')writematrix(Yongs','template_mt.xlsx','sheet',1,'range','L6')writematrix(Poissons','template_mt.xlsx','sheet',1,'range','M6')%%%Figurexlim(axes1,[0 70000]);ylim(axes1,[0 500]);box(axes1,'on');hold(axes1,'off');legend1 = legend(axes1,'show');legend('No.1','No.2','No.3','location','southeast');","link":"/2021/08/24/2021-08-24-Material-test/"},{"title":"Preface","text":"1. Preface¶ zzzzz ummmmmmm","link":"/2021/07/30/Preface/"},{"title":"Abaqus job monitor","text":"1. 运用python对abaqus进行监控¶ 在通过abaqus进行计算时，很多时候通过监视器或者查看.sta文件是太清楚解析算到哪一步的。 运用python对abaqus CAE内置的监视器进行监控管理，特别对于非线性的分析能可以最大限度计算得到自己想要的数据，减少计算成本。 1.1. 监控原理¶ 利用abaqus CAE里的监视器，对模型指定的集合进行监视，分析过程中如果长变量达到某个指定的值就中止分析或者跳过这个分析步之类的指令。 这个命令可以用过monitorManager对象中写回调函数（callback function）来完成。 1234567891011def printMessages(jobname,messagetype,data,userdata): print 'job name：%s, messagetype:%s'%(jobname, messagetype) print 'data members:' format = '%-18s %s' print format%('member','value') members = dir(data) for member in members: membervalue = getattr(data,member) print format%(member, membervalue) monitorManager.addMessageCallback(ANY_job,ANY_message_type,printMessages,None) 1.2. 实例¶ 现在我拉伸一块被焊接的钢板，想让他在位移达到1mm的时候停下。 首先对想要监控的区域做一个集合，这里设了点节点52作为监视集合，可以看到.inp文件里会出现如下关键字句。 123***********Nset，nset=monitor, instance=mainplate-1 52,********** *这一句是设置集合的时候自动生成，当然自己添加关键句也是可以的。 其次，在想要监控输出的分析步里，输入参数，这里想要测量的是y方向的位移（U2），关键句如下： 123456789***********Step,name=Step-1, nlgeom, inc=100compress dome*Static, riks0.2, 1., 1e-05,1.0, , monitor, 2, -3.7.....*Monitor, dof=2, node=monitor, frequncy=1 #（这个需要自己添加）*End Step********** 参数： dof=2 指U2位移 node=monitor 是指监视名为monitor的集合 frequecy=1 监视的频率，可以根据自己的分析步调整，一般为1. python 思路 定义函数 monitorDataValue(), 来输出分析的时间（data.time）和数值（data.value） 12def monitorDataValue(jobName, messageType, data, userData): print &quot;%-8s %s&quot;%(data.time, data.value) 修改函数monitorDataValue()，通过监视集合monitor的U2，使其位移超过1mm的时候就停止计算。 12if data.value &lt; -1 : mdb.jobs[jobName].kill() 调整addMessageCallback()函数中的参数 将参数ANY_job赋值’123‘。（这里job的文件名为123） 将信息类型ANY_Message_type调整为 MONITOR_DATA。 将回调函数名字由printMessages调整为monitorDataValue 12monitorManager.addMessageCallback('123', MONITOR_DATA, monitorDataValue, None) 通过CAE或者abaqus command里的’abaqus CAE script = xx.py‘来运行。 完整代码如下 1.3. 12345678910111213141516# -* - coding:UTF-8 -*-from abaqus import * from abaqusConstants import * import jobfrom jobMessage import *def monitorDataValue(jobName, messageType, data, userData): print &quot;%-8s %s&quot;%(data.time, data.value) if data.value &lt; -1 : mdb.jobs[jobName].kill()monitorManager.addMessageCallback('123', MONITOR_DATA, monitorDataValue, None) job = mdb.JobFromInputFile('123', '123.inp')job.submit() ¶ 2. 运行结果¶ 拓展： 监视器的功能很强大，可以结合python对很多参数进行监控和控制，比如还可以监控载荷，监控应变，来控制分析步的跳过，中止，以及输出变量之类的。 参考： 曹金凤，王旭春，孔亮：Python语言在Abaqus中的应用，机械工业出版社，2011.7","link":"/2021/07/30/abaqusstop/"},{"title":"Hello World","text":"0.1. preface¶ This blog will record some of the difficulties and solutions I encountered during my studies, and I will also summarize some basic knowledge related to my profession. 0.2. Acknowledgements¶ The website framework uses Hexo， and the theme is used from Icarus and removeif.","link":"/2021/07/31/hello-world/"},{"title":"How to use right-click to open CMD","text":"1. 右クリックでCMDを素早く起動する方法如何通过右键快速启动CMD¶ Most of time, when we want op the cmd. we should open CMD frst, and then copy the path ,use cd 'path' to start command. Now,you can open CMD from the current path by modifying the registry. Creat a ‘xx.reg’, copy the following code into it,and then run it. 12345678910111213141516171819202122Windows Registry Editor Version 5.00[HKEY_CLASSES_ROOT\\Directory\\shell\\OpenCmdHere]@=&quot;open cmd&quot;&quot;Icon&quot;=&quot;cmd.exe&quot;[HKEY_CLASSES_ROOT\\Directory\\shell\\OpeCmdHere\\command]@=&quot;cmd.exe /s /k pushd \\&quot;%V\\&quot;&quot;[HKEY_CLASSES_ROOT\\Directory\\Background\\shell\\OpenCmdHere]@=&quot;open cmd&quot;&quot;Icon&quot;=&quot;cmd.exe&quot;[HKEY_CLASSES_ROOT\\Directory\\Background\\shell\\OpenCmdHere\\command]@=&quot;cmd.exe /s /k pushd \\&quot;%V\\&quot;&quot;[HKEY_CLASSES_ROOT\\Drive\\shell\\OpenCmdHere]@=&quot;open cmd&quot;&quot;Icon&quot;=&quot;cmd.exe&quot;[HKEY_CLASSES_ROOT\\Drive\\shell\\OpenCmdHere\\command]@=&quot;cmd.exe /s /k pushd \\&quot;%V\\&quot;&quot;[HKEY_CLASSES_ROOT\\LibraryFolder\\background\\shell\\OpenCmdHere]@=&quot;open cmd&quot;&quot;Icon&quot;=&quot;cmd.exe&quot;[HKEY_CLASSES_ROOT\\LibraryFolder\\background\\shell\\OpenCmdHere\\command]@=&quot;cmd.exe /s /k pushd \\&quot;%V\\&quot;&quot;","link":"/2021/08/04/right-click/"},{"title":"win11拖拽BUG解决方案","text":"1. strange lag on dragging windows around¶ A somewhat niche occurrence that a handful of users anre seeing, is pointer gost effect when dragging some windows around. the lag doesn’t ook to be a bug with Windows 11 directly, as the author of one post notes “i noteced that the lag only started when the window overlapped with the task bar. This made me remember that i have open shell installed. Uninstalling this fixed the issue.” It seems Windows 11 isn’t a compbatible with some taskbar-chaing software you might be runging on windows 10 anyway, so just make sure to double check before installing. 1.1. 修复方式¶ window11 拖拽延迟问题很有可能是因为文件夹管理软件得不兼容造成。 当关闭文件夹，或者让文件夹不和任何窗口重叠就不会发生类似问题。 这里，我因为下载了QTTabBar，所以出现了拖拽延迟，卸载它，或者安装它最新支持win11的版本，可以解决问题。 1.2. 其他解决方案¶ 类似的拖拽延迟，网络上解决方案有很多，汇总起来大概是： 调低鼠标回报率 关闭窗口透明 关闭性能显示效果 跟新显卡驱动","link":"/2021/10/28/2021-10-28-win11-bug/"},{"title":"Centos 7.X use yum to install-php5.6.X","text":"Check now php package 1yum list installed | grep php if there have any php, deleate it first. 1yum remove php.x86_64 php-cli.x86_64 php-common.x86_64 php-gd.x86_64 php-ldap.x86_64 php-mbstring.x86_64 php-mcrypt.x86_64 php-mysql.x86_64 php-pdo.x86_64 Configure EPEL source 12yum install -y epel-releasewget -O /etc/yum.repos.d/epel.repo http://mirrors.aliyun.com/repo/epel-7.repo Configure remi source 1rpm -ivh http://rpms.famillecollet.com/enterprise/remi-release-7.rpm Install php5.6.x 1yum install --enablerepo=remi --enablerepo=remi-php56 php php-opcache php-devel php-mbstring php-mcrypt php-mysqlnd php-phpunit-PHPUnit php-pecl-xdebug php-pecl-xhprof install php-fpm 1yum install --enablerepo=remi --enablerepo=remi-php56 php-fpm Configure boot service 12systemctl restart php-fpmsystemctl enable php-frm Check if the installation is successful 12ps -ef | grep phpnetstat -anp | grep 9000 restar service 123sudo systemctl restart httpdsudo systemctl restart php-fpmservice httpd restart","link":"/2021/11/12/2021-11-12-install-php5-6-X/"},{"title":"Centos7 update php5 to php7.2","text":"In order to update to the recommended php version for wordpress,i update the original php 5.4 to php 7.2. check the list of installable php versions in yum. 1# yum provides php To start upgrading the PHP update source, and remove the old php. 1234# rpm -Uvh https://mirror.webtatic.com/yum/el7/epel-release.rpm # rpm -Uvh https://mirror.webtatic.com/yum/el7/webtatic-release.rpm# yum remove php-common -y# yum install -y php72w php72w-opcache php72w-xml php72w-mcrypt php72w-gd php72w-devel php72w-mysql php72w-intl php72w-mbstring php72w-pdo php72w-pgsql check the php version. 12345# php -vPHP 7.2.34 (cli) (built: Oct 1 2020 13:37:37) ( NTS )Copyright (c) 1997-2018 The PHP GroupZend Engine v3.2.0, Copyright (c) 1998-2018 Zend Technologies with Zend OPcache v7.2.34, Copyright (c) 1999-2018, by Zend Technologies install the php-fem 123# yum install php72w-fpm# systemctl start php-fpm.service# systemctl enable php-fpm.service","link":"/2021/11/15/2021-11-15-centos-7-update-php5-to-php7-2/"},{"title":"如何使用CUDA对abaqus进行加速","text":"本文介绍了如何使用 Nvidia CUDA[1]的加速功能,使Abaqus计算加速。 驱动都设置完成可直接查看查看 环境变量设置 1. 安装显卡¶ 提前查询好主板是否与显卡兼容，在购买显卡。 本次使用的是Nvidia 2021 新推出的 RTX A4000显卡[2]。 GPU特性 RTX A000 GPU显存 带纠错码ECC DDR6 16GB 显存带宽 448GB/s 图形总线 PCI-E X16 CUDA核心数 6144 单精度浮点计算 19.2 TFLOPS *具体可参考 A4000规格书 插入卡槽 连接显卡电源（6Pin） 开机测试 2. 安装显卡驱动¶ 在Nvida显卡驱动官网找到合适自己的显卡驱动下载，并重启。 3. 安装CUDA 工具¶ CUDA工具包安装地址 CUDA的安装需要较长时间，属于正常情况。 4. 环境变量设置¶ 在这里有两种方法可以开启CUDA的加速 4.1. 直接编辑系统环境变量，如下图¶ 在系统全局变量里加入 环境变量 内容 变量名 ABA_ACCELERATOR_TYPE 值 PLATFORM_CUDA 4.2. 编辑abaqus_v6.env¶ 在abaqus_v6.env[3]文件的句末加上 1os.environ[&quot;ABA_ACCELERATOR_TYPE&quot;]=&quot;PLATFORM_CUDA&quot; # Nvidia 的字段使其可以使用CUDA加速工具加速ABAQUS。 5. 是否加速成功¶ 成功加速Abaqus反馈的Log里面会出现如下加速成功的字符。 6. Reference¶ 1.Nvidia Cuda 适用于类似于RTX or Quardo之类的 计算卡，一般的 Geforce 显卡不不推荐使用CUDA加速。 ↩2.官网介绍 ,购入金额15万日元。 ↩3.abaqus_v6.env的路径一般是在C:\\SIMULIA\\EstProducts\\2020\\win_b64\\SMA\\site这里。 ↩","link":"/2021/11/20/2021-11-20-use-cuda-in-abaqus/"}],"tags":[{"name":"Abaqus","slug":"Abaqus","link":"/tags/Abaqus/"},{"name":"Latex","slug":"Latex","link":"/tags/Latex/"},{"name":"Python","slug":"Python","link":"/tags/Python/"},{"name":"Matlab","slug":"Matlab","link":"/tags/Matlab/"},{"name":"Data_processing","slug":"Data-processing","link":"/tags/Data-processing/"},{"name":"Tips","slug":"Tips","link":"/tags/Tips/"},{"name":"system","slug":"system","link":"/tags/system/"},{"name":"linux","slug":"linux","link":"/tags/linux/"},{"name":"ABAQUS","slug":"ABAQUS","link":"/tags/ABAQUS/"}],"categories":[{"name":"Abaqus","slug":"Abaqus","link":"/categories/Abaqus/"},{"name":"Latex","slug":"Latex","link":"/categories/Latex/"},{"name":"Python","slug":"Python","link":"/categories/Python/"},{"name":"Other","slug":"Other","link":"/categories/Other/"},{"name":"computer science","slug":"computer-science","link":"/categories/computer-science/"}]}