数据拖垮仿真？Python & ANSYS二次开发-轻松拿捏Mechanical瞬态时域数据

导读：大家好，我是小郭老师，硕士毕业于中科院，专注于运用 Python 深度集成 ANSYS 进行工程数值计算与仿真自动化开发，精通基于 Python实现ANSYS Workbench众多模块的全流程脚本驱动（建模、求解、后处理），并具备将复杂仿真流程封装为高效、可复用软件工具的专业能力，今天给大家分享一些ANSYS二次开发方面的干货。

做科研写论文时，你是不是也遇到过这样的困扰：明明做了 ANSYS 模拟，却没法快速生成如下图所示的模拟瞬态数据和实验数据的对比，导致数值模型的可信度没法直观验证？亦或者，依据项目需求，一定得导出某些关键位置的瞬态响应结果？别急，今天小郭老师就带着大家用 Mechanical 的 Python 脚本开发，解决这个问题。

ANSYS Mechanical 脚本开发是基于Python（或 IronPython）语言，通过调用Mechanical模块的 API（应用程序接口）实现有限元分析流程自动化的技术手段。

它聚焦于Mechanical模块内部的建模、网格划分、边界条件设置、求解控制及后处理等全流程的程序化控制Mechanical，可通过两种方式入门：

• 一是利用 Mechanical自带的 “Record Script” 功能录制操作过程，生成基础脚本后再按需修改；

• 二是直接调用官方API 文档中的类与方法（如Model类用于模型管理、Mesh类用于网格控制），实现更灵活的定制。

在 Mechanical 的 Python 脚本开发中，要实现模拟数据的精准提取与后续对比，关键在于结合Named Selection（命名选择） 和Result Sets（结果集）。

先跟大家好好聊聊 Named Selection。它就像是给 ANSYS 里的 “特定对象组” 贴标签，是对已选出的实体、有限元对象、组合和集 合进行的命名操作。在二次开发中，Named Selection可以用来定位目标边、面、几何体，乃至某个区域下的网格节点。

Named Selection（命名选择）主要有两种创建方式，直接法和间接法。在二次开发场景下，两者的实用性差异很大：

直接法：第一步得先选出要命名的点、线、面等对象，接着右键点击 “create named selections”，输入名称后点击 OK 完成创建。

这个方法听起来简单，但在二次开发里实现起来非常复杂，得结合ID概念和 SelectionMana ger 类，代码逻辑比较绕，但能实现很复杂的功能。

关于这部分内容，我在《ANSYS Workbench & Mechanical 二次开发与 Python 应用》第2章有做详细介绍，涵盖基本用法、示例等各种内容。

间接法：通过 Worksheet 进行选择。只要按照 Worksheet 给定的逻辑写代码，就能快速实现 Named Selection 创建，今天咱们的实战案例就用这种方法。

Result Sets（结果集）的创建方式如图所示。右键激活已经完成后处理求解的云图对象，选择Create Results at All Sets，即可生成TreeGroup对象。该对象内包含所有时步下的云图结果。

创建结果集的适用范围非常广，仅对极少数不适用，包括：

• Explicit Dynamics, Response Spectrum, Random Vibration, or Topology Optimization an alyses（显示动力学、响应谱、随机振动和拓扑优化分析）

• Probe Results（探针结果）

• Fracture Tool（断裂工具）

• Fatigue Tool（疲劳工具）

• Composite Failure Tool（复合材料失效工具）

步骤 1：用 Named Selection 筛选目标检测点附近网格节点

create_ns_by_pointsdef create_ns_by_points(point_coords, ns_name, tolerance=0.05):    ns_point = Model.AddNamedSelection()    ns_point.Name = ns_name    ns_point.ScopingMethod = GeometryDefineByType.Worksheet    axes_config = [        {            "criterion": SelectionCriterionType.LocationX,  # X坐标选择准则            "action": SelectionActionType.Add  # 添加操作（第一个条件）        },        {            "criterion": SelectionCriterionType.LocationY,  # Y坐标选择准则            "action": SelectionActionType.Filter  # 过滤操作（后续条件）        },        {            "criterion": SelectionCriterionType.LocationZ,  # Z坐标选择准则            "action": SelectionActionType.Filter  # 过滤操作（后续条件）        }    ]    for i, config in enumerate(axes_config):        ns_point.GenerationCriteria.Add(None)        criterion = ns_point.GenerationCriteria[i]        criterion.EntityType = SelectionType.MeshNode  # 选择网格节点        criterion.Criterion = config["criterion"]  # 设置选择准则（X/Y/Z坐标）        criterion.Operator = SelectionOperatorType.RangeInclude  # 设置操作符为范围包含        criterion.Action = config["action"]  # 设置动作类型（添加/过滤）        coord_value = point_coords[i]          lower = coord_value * (1 - tolerance)        upper = coord_value * (1 + tolerance)        if lower > upper:            lower, upper = upper, lower        if abs(lower) < 1e-4:            lower = -1e-4        elif abs(upper) < 1e-4:            upper = 1e-4        criterion.LowerBound = Quantity('%.6f [m]' % lower)  # 下界        criterion.UpperBound = Quantity('%.6f [m]' % upper)  # 上界    ns_point.Generate()    return ns_point

咱们来看看关键逻辑：

先初始化命名选择对象，设置名称和创建方式为 Worksheet；

配置坐标轴（X、Y、Z 轴）的筛选规则，比如通过位置信息筛选节点，这里用 “Add” 和 “Filter” 组合确保筛选精准；

计算每个坐标轴的边界值：根据检测点坐标和设定的公差（这里默认为0.05=5%），算出筛选范围。此外，还加了冗余判断 —— 当边界值接近 0 时（小于 1e-4），手动调整避免计算误差；

最后生成命名选择，这样目标检测点附近的网格节点就被精准 “圈” 出来了。

例如，一电子器件冷却三维模型的目标检测点筛选结果如下图所示。可以看到，在给定的监测点坐标范围内（正负5%波动），仅筛选出一个网格节点。

步骤 2：插入后处理对象 + 求解

筛选出目标节点后，下一步就是获取对应的数据。先在分析方案的 Solution 里插入后处理对象，比如温度（Temperature），然后把这个后处理对象的 Location 设置为咱们刚创建的 Named Selection（也就是目标节点组），接着运行第一次求解，让 ANSYS 计算出该节点组在最终时刻下的结果。

步骤 3：创建求解集 + 二次求解

第一次求解后，要创建该后处理对象的 “求解集”，也就是CreateResultsAtAllSets。创建完求解集后，再运行一次求解。这样子，就能获取到整个分析过程中（比如瞬态分析的每个时间步）该节点组的所有结果数据。

步骤 4：遍历求解集 + 数据写入文件

最后一步，就是把结果数据导出来，方便后续和实验数据做对比。我写的export_trasient_file函数就能实现这个功能，核心逻辑包括如下四部分内容：

1、以当前时间为后缀生成 CSV 文件，一个存所有节点的详细数据，一个存每个时间步的平均值（方便快速看整体趋势）；

2、写入表头，比如 “Time (s) Node_ID X (m) Y (m) Z (m) Value”，让数据结构清晰，后续用 Excel 或 Origin 处理时直接就能用；

3、遍历每个时间步的结果集，提取时间、节点 ID、节点坐标、结果数值（比如温度值），逐行写入详细数据文件；

4、同时，计算每个时间步下所有节点结果的平均值，写入平均值文件，后续画对比图时，既可以用详细数据，也能用平均值.

函数程序如下所示：

上面讲的流程，都浓缩在下面这段代码里了，每个关键步骤我都加了注释，大家拿到手稍作修改（比如改检测点坐标、结果类型）就能用：

可能有人会问，手动也能提取数据，为啥要费劲搞二次开发？

作为实战工程师，我举个实际工作中的例子：之前做过一个课题研究，需要处理瞬态温度分析结果，一共 360个时间步，每个时间步要提取10个检测点的数据，重复性工作量大，还很容易出错。

用上面的脚本，设置好坐标后点击运行，2 分钟就能出所有 CSV 文件。之后，再用 Origin 导入数据，10 分钟就能画出模拟与实验的对比曲线图，效率直接翻十几倍！

而且，这个脚本还能灵活修改。比如，把AddTemperature()改成AddEquivalentStress()就能提取应力数据，调整monitor_coords就能换检测点，甚至加个循环能同时处理多个检测点，完全适配不同的项目需求。

实际上，结合ANSYS Mechanical API和Python脚本开发，可以实现Mechanical的完全脚本化和高度可定制化，例如模板开发、自定义载荷、后处理及结果等。

看完这篇，是不是觉得 ANSYS 二次开发没那么难。如果你也在为模拟数据处理头疼，不妨试试这个脚本。强烈推荐读者朋友订阅我的《ANSYS Workbench & Mechanical企业级二次开发程序与Python应用入门进阶》。

本课程从基础脚本开发到多工况批量计算的自动化实现，手把手教你用 Python 打通 “仿真流程自动化 - 多工况批量计算” 全链路，让 “重复仿真工作自动化、复杂工况高效计算” 从想法变成日常。

我还为付费用户提供VIP群进行交流、答疑服务、持续加餐内容、提供定制化培训和咨询服务、仿真人才库高新内推就业、仿真秀还提供奖学金、学完此课程，推荐学习者报名参加工程仿真技术（CAE分析职业能力等级评价证书）。

可回放，开具发票，奖学金、直播加餐

提供vip群答疑和模型下载

《ANSYS Workbench & Mechanical企业级二次开发程序与Python应用入门进阶》

扫码查看视频教程

以下是课程大纲及主要内容：

来源：仿真秀App