中望结构仿真软件
一、 概述
中望结构仿真是集建模与仿真于一体的有限元结构仿真分析平台,用于模拟产品结构在各种工况下的力学行为,评估产品结构设计的合理性,帮助企业缩短研发周期,降低研发成本。
二、 产品优势
多种仿真分析类型,满足不同场景应用需求
支持线性静力学分析、屈曲分析、模态分析、动力学分析、非线性分析、传热分析、显式动力学、疲劳等分析类型,满足结构的强度、刚度、稳定性、振动、热传导、跌落及疲劳损伤寿命等多种应用场景的分析需求。
界面友好,易学易用
清晰的工作流和友好的GUI,用户只需简单学习即可快速上手。
强大的网格剖分能力,快速生成高质量网格
采用先进的网格剖分技术,支持1D/2D/3D网格尺寸控制,高效实现千万级别网格剖分。
出色的格式兼容,让数据交互无障碍
兼容20余种标准格式和主流商业格式的CAD模型文件,支持bdf(Nastran)仿真数据文件格式的导入和导出。
强大的建模能力,集建模与仿真于一体
基于自主三维几何建模内核,支持参数化建模、混合建模等,全面提升建模效率和体验。
三、 更多亮点
丰富的单元类型,支持各类结构及装配体高精度分析
提供丰富的单元类型,包括四面体、六面体等实体单元,三角形及四边形厚、薄壳单元、杆梁单元及质量点单元。弹簧-阻尼单元、运动学刚性、分布式耦合等连接单元可对装配体结构进行高效分析。
精准高效的矩阵求解算法,底层技术的自主可控
支持多种独立自主开发的矩阵求解算法,如Lanczos特征值法、PCG法、Multifrontal线性求解法等,支持多核并行计算,求解速度快,精度高,实现底层技术的自主可控。
丰富的约束和载荷类型,更好地模拟实际应用环境
支持固定约束、滚轴/滑块、固定铰链和用户参考几何体等多种约束;支持力、压力、扭矩、重力、温度、离心力、轴承载荷等各类载荷,以及温度、热功率、热流、对流、热辐射、内部热生成等多种热载荷。
丰富的工程材料库,调用灵活便捷
提供常用的工程材料库,方便用户直接调用,同时可根据实际需求自定义材料属性,并支持材料库的导入导出。
高效的网格质量检查,保证仿真分析的精确性
可通过长宽比、雅可比、扭曲度、最小角度及最大角度检查有限元网格剖分的质量,保证仿真分析的精确性。
丰富的后处理功能,仿真结果呈现更多样
提供丰富的仿真结果呈现方式,如结果云图、列表、绘图、动画等,支持结果探针、生成仿真结果报告。
四、2024版新增功能
多种分析类型
新增随机振动分析、疲劳分析(恒定幅值、变幅值、谐波、时间步、随机振动)、跌落测试、MoldFlow映射结果分析,以覆盖更广泛的分析场景需求。
多种单元类型
扩展了单元功能,支持定义线缆单元,并对梁壳单元增加了偏置功能,通过设置偏置,用户可以在不重新绘制单元线或面的情况下,实现更灵活的模型构建。
非线性分析
对非线性分析能力进行了优化,支持梁杆单元的大位移分析、实体单元的大应变分析和动力学刚性单元的大变形分析。除此之外,支持非协调六面体单元算法、压力、线载荷、离心力的载荷刚度计算。且在非线性计算过程中,用户可实时查看计算的收敛曲线与能量曲线,以便更好地监控分析进程。
多种接触功能
增加了无摩擦、有摩擦接触、粗糙接触、粘性接触功能,这些功能可用于模拟更复杂的机械系统、结构件和装配件之间的接触行为。此外,在
热分析中支持定义接触热阻,能模拟元件之间由于空隙存在而产生热传导率变化,温度分布不连续的现象。
多种连接功能
支持螺栓连接、刚性杆连接、点焊连接、销钉连接,支持对称约束、弹性支撑,从而快速建立简化的连接单元和约束条件。
多种材料类型
支持正交各向异性线弹性材料和完全各向异性线弹性材料,可准确模拟材料在不同方向上的力学性能差异。
多种载荷功能
丰富了载荷类型,包括热效应载荷、内部体热源载荷以及受迫运动,旨在更准确的模拟结构在承受外部和内部载荷时的实际工况。
几何简化功能
丰富了批量几何简化能力,支持自动识别与修复狭长面、自交面、小面、小边、开放边,支持自动识别与简化孔洞、圆柱面、logo。通过几何简化手段,可在保证准确性的前提下降低计算资源的消耗。
网格修复功能
提供了一系列网格修复功能,包括修复2D/3D相交网格、处理2D狭长单元、调整2D网格面方向,并支持通过2D网格填充生成3D网格。借丰富的网格修复手段,用户能够生成更高质量的网格。
网格编辑功能
支持网格平移、旋转和扫掠功能,以便于手动创建和调整网格,此外,支持节点合并功能,以实现快速去除小尺寸单元、消除低质量单元以及补面等操作,从而进一步优化网格质量。
后处理功能
增强了结果输出功能,允许用户在计算前自定义所需的结果类型。在频域分析方面,可查看振型质量参与因子与频率响应图表。此外,结果查看功能得到拓展,支持沿特定路径显示结果,以及利用特征线或线框方式呈现结果,为用户提供更直观的数据展示方式。
大体量仿真能力
针对大体量模型的计算能力进行了优化,并提升了BDF文件的导入导出效率。在大体量约束方程的计算方面,内存消耗得到了显著降低。同时,
通过矩阵技术的优化,大体量模型的计算效率得到了显著的提升。