当前位置: 首页 > news >正文

Ansys 计算刚柔耦合矩阵系数

Ansys 计算刚柔耦合系数矩阵

文章目录

  • Ansys 计算刚柔耦合系数矩阵
    • 卫星的刚柔耦合动力学模型
    • 采用 ANSYS 的 APDL 语言的计算方法
    • 系统转动惯量的求解方法
      • 参考文献

卫星的刚柔耦合动力学模型

  • 柔性航天器的刚柔耦合动力学模型可以表示为
    m v ˙ + B t r a n η ¨ = F J ω ˙ + ω × J ω + B r o t η ¨ + ω × B r o t η ˙ = T η ¨ + 2 ξ Ω η ˙ + Ω 2 η + B r o t T ω ˙ + B t r a n T v ˙ = 0 \begin{align} \boldsymbol{m}\dot{\boldsymbol{v}} + \boldsymbol{B}_{tran}\ddot{\boldsymbol{\eta}} &= \boldsymbol{F}\\ \boldsymbol{J}\dot{\boldsymbol{\omega}}+\boldsymbol{\omega}^\times\boldsymbol{J}\boldsymbol{\omega}+\boldsymbol{B}_{rot}\ddot{\boldsymbol{\eta}}+\boldsymbol{\omega}^\times\boldsymbol{B}_{rot}\dot{\boldsymbol{\eta}}&=\boldsymbol{T}\\ \ddot{\boldsymbol{\eta}}+2\boldsymbol{\xi}\boldsymbol{\Omega}\dot{\boldsymbol{\eta}}+\boldsymbol{\Omega}^2\boldsymbol{\eta}+\boldsymbol{B}_{rot}^T\dot{\boldsymbol{\omega}} + \boldsymbol{B}_{tran}^T\dot{\boldsymbol{v}}&=\boldsymbol{0} \end{align} mv˙+Btranη¨Jω˙+ω×Jω+Brotη¨+ω×Brotη˙η¨+2ξΩη˙+Ω2η+BrotTω˙+BtranTv˙=F=T=0
    式中:

    • m \boldsymbol{m} m J J J 分别表示柔性航天器的质量和转动惯量矩阵;
    • v \boldsymbol{v} v ω \boldsymbol{\omega} ω 分别表示航天器本体相对于惯性系的线速度和角速度矢量;
    • F \boldsymbol{F} F T \boldsymbol{T} T 分别表示航天受到的三轴控制力和控制力矩;
    • η \boldsymbol{\eta} η ξ \boldsymbol{\xi} ξ Ω \boldsymbol{\varOmega} Ω 分别表示航天器的模态位移向量,柔性振动的阻尼比和频率矩阵;
    • B t r a n = A ⋅ B t r a n b \boldsymbol{B}_{tran}=A\cdot \boldsymbol{B}_{tran}^b Btran=ABtranb 为柔性附件在航天器坐标系中相对于航天器本体的平动耦合系数矩阵, A \boldsymbol{A} A为柔性附件坐标系到卫星坐标系的转移矩阵, B t r a n b \boldsymbol{B}_{tran}^b Btranb 为柔性附件在自身坐标系中相对于航天器本体的平动耦合系数矩阵;
    • B r o t = l p × B t r a n + A B r o t b \boldsymbol{B}_{rot} = \boldsymbol{l}_p^\times \boldsymbol{B}_{tran} + \boldsymbol{A}\boldsymbol{B}_{rot}^b Brot=lp×Btran+ABrotb 为柔性附件在航天器坐标系中相对于坐标原点的转动耦合矩阵, l p \boldsymbol{l}_p lp 为由航天器质心指向柔性附件坐标原点的向量, × ^\times × 表示反对称矩阵, B r o t b \boldsymbol{B}_{rot}^b Brotb 为柔性附件在自身坐标系中相对于坐标原点的转动耦合系数。
  • B t r a n \boldsymbol{B}_{tran} Btran B r o t \boldsymbol{B}_{rot} Brot 的表达式如式(4)和式(5)所示
    B t r a n = [ B t r a n 1 B t r a n 2 ⋯ B t r a n i ⋯ B t r a n m ] T B r o t = [ B r o t 1 B r o t 2 ⋯ B r o t i ⋯ B r o t m ] \begin{align} \boldsymbol{B}_{tran} &= \begin{bmatrix} \boldsymbol{B}_{tran}^1 & \boldsymbol{B}_{tran}^2 & \cdots & \boldsymbol{B}_{tran}^i & \cdots & \boldsymbol{B}_{tran}^m \end{bmatrix}^T \\ \boldsymbol{B}_{rot} &= \begin{bmatrix} \boldsymbol{B}_{rot}^1 & \boldsymbol{B}_{rot}^2 & \cdots & \boldsymbol{B}_{rot}^i & \cdots & \boldsymbol{B}_{rot}^m \end{bmatrix} \end{align} BtranBrot=[Btran1Btran2BtraniBtranm]T=[Brot1Brot2BrotiBrotm]
    其中, m m m 为模态截断阶数;每个元素 B t r a n / r o t i \boldsymbol{B}_{tran/rot}^i Btran/roti 3 × 1 3\times1 3×1 的向量。

  • B t r a n i \boldsymbol{B}_{tran}^i Btrani B r o t i \boldsymbol{B}_{rot}^i Broti 的表达式如式(6)和式(7)所示
    B t r a n i = ∑ k = 1 n m k Φ k i = ∑ k = 1 n m k [ u k x i u k y i u k z i ] B r o t i = ∑ k = 1 m m k r k × Φ k i = ∑ k = 1 n m k [ 0 − r k z r k y r k z 0 − r k − r k y r k x 0 ] [ u k x i u k y i u k z i ] \begin{align} \boldsymbol{B}_{tran}^i &= \sum_{k=1}^nm_k\boldsymbol{\varPhi}_k^i = \sum_{k=1} ^n m_k\begin{bmatrix} u_{kx}^i \\ u_{ky}^i \\ u_{kz}^i\end{bmatrix} \\ \boldsymbol{B}_{rot}^i &= \sum_{k=1}^m m_k \boldsymbol{r}_k^\times\boldsymbol{\varPhi}_k^i = \sum_{k=1}^n m_k \begin{bmatrix} 0 & -r_{kz} & r_{ky} \\ r_{kz} & 0 & -r_k \\ -r_{ky} & r_{kx} & 0 \end{bmatrix} \begin{bmatrix} u_{kx}^i \\ u_{ky}^i \\ u_{kz}^i \end{bmatrix} \end{align} BtraniBroti=k=1nmkΦki=k=1nmk ukxiukyiukzi =k=1mmkrk×Φki=k=1nmk 0rkzrkyrkz0rkxrkyrk0 ukxiukyiukzi
    其中, n n n 为柔性结构离散后单元总数, m k m_k mk 为第 k k k 个单元的质量, u k u_k uk 为第 k k k 个单元质心的位移, r k r_k rk 为第 k k k 个单元质心的位置。上述参量中,单元的质量和质心位置可直接从有限元模型中读取;单元的质心处位移需要在每阶模态的振型结果中读取。

采用 ANSYS 的 APDL 语言的计算方法

  • 程序主要分为四部分

    • 第一部分是建立结构有限元模型进行模态分析,不再赘述。
    • 第二部分是采用 *get 命令提取所有单元的质量、质心坐标。
    • 第三部分是在每阶振型下分别计算所有单元的位移,每个单元的位移取为单元所有节点的位移平均值。
    • 第四部分是把所有单元质量、质心坐标和位移代入公式(4)和式(5)计算 B t r a n \boldsymbol{B}_{tran} Btran B r o t \boldsymbol{B}_{rot} Brot
  • 参考APDL代码

    ! ———————————————————— 计算平动耦合系数矩阵和转动耦合系数矩阵 ———————————————————— !!!!!!!!!!!!!!!!!!!!
    /POST1!——————————! 提取所有单元的质量、质心坐标 !——————————!
    *GET, Num_Element, ELEM, ,COUNT					! 获取模型中单元总数
    *GET, cnt_element, ELEM, ,NUM,MIN				! 获取模型中第一个单元的编号
    *DIM, Amat2, ,Num_Element,5						! 定义一个二维矩阵
    *DO, NE, 1,Num_Element,1						! 遍历所有单元Amat2(NE, 1) = cnt_element					! 第1列存储当前单元编号*GET, volu_e, ELEM, cnt_element, VOLU		! 获取当前单元的体积*GET, mat_e, ELEM, cnt_element, ATTR,MAT	! 获取材料编号dens_e = mat_mp(mat_e,1)					! 密度 !! 注意,如果涉及多种密度,需要自定义一个矩阵,按材料序号顺序存放密度信息,比如这里的矩阵mat_mp,其第一列是密度信息。!!Amat2(NE, 2) = volu_e*dens_e				! 第2列存储当前单元质量! 获取单元质心位置*GET, cent_x, ELEM, cnt_element,CENT,X*GET, cent_y, ELEM, cnt_element,CENT,Y*GET, cent_z, ELEM, cnt_element,CENT,ZAmat2(NE, 3) = cent_x						! 第3列存储单元质心X轴位置Amat2(NE, 4) = cent_y						! 第4列存储单元质心Y轴位置Amat2(NE, 5) = cent_z						! 第5列存储单元质心Z轴位置*GET, cnt_element, ELEM,cnt_element,NXTH	! 获取下一个单元编号
    *ENDDO
    *DMAT, TableA, D, ALLOC, Num_Element,5
    *DO, i,1,Num_Element,1*DO,j,1,5,1TableA(i,j) = Amat2(i, j)*ENDDO
    *ENDDO
    *PRINT, TableA,TableA.txt!——————————! 从模态分析每一阶结果中提取单元的质心位移 !——————————!
    *DIM, Bmat3, ,Num_Element,4,Num_Modal			! 定义一个三维矩阵  !! Num_Modal为自定义 !!
    *DO, NM, 1,Num_Modal,1							! 遍历所有模态SET,,,,,,,NM								! 从结果文件中读取指定编号的数据集*GET, cnt_element, ELEM, ,NUM,MIN			! 获取模型中第一个单元的编号*DO, NE, 1,Num_Element,1					! 遍历所有单元Bmat3(NE, 1, NM) = cnt_element			! 第1列存储当前单元编号! 重置单元位移elem_x = 0elem_y = 0elem_z = 0ESEL,S,,,cnt_element					! 选择指定单元编号的单元NSLE,S,ALL								! 选择附属在单元上的所有节点*GET, Num_Node, NODE,,COUNT				! 获取节点总数*GET, cnt_node, NODE,,NUM,MIN			! 获取第一个节点的编号*DO,NN, 1,Num_Node,1					! 遍历所有节点! 获取节点的位移*GET, node_x, NODE, cnt_node,U,X*GET, node_y, NODE, cnt_node,U,Y*GET, node_z, NODE, cnt_node,U,Z! 计算该单元中节点位移的总和elem_x = elem_x+node_xelem_y = elem_y+node_yelem_z = elem_z+node_zcnt_node = NDNEXT(cnt_node)			! 获取下一个节点编号*ENDDOBmat3(NE,2,NM) = elem_x/Num_Node		! 第2列存储当前单元X轴位移Bmat3(NE,3,NM) = elem_y/Num_Node		! 第3列存储当前单元Y轴位移Bmat3(NE,4,NM) = elem_z/Num_Node		! 第4列存储当前单元Z轴位移ESEL,ALL								! 重新选择所有单元*GET, cnt_element, ELEM,cnt_element,NXTH! 获取下一个单元编号*ENDDO
    *ENDDO
    *DMAT, TableB1, D, ALLOC, Num_Element,4
    *DMAT, TableB2, D, ALLOC, Num_Element,4
    *DO, i,1,Num_Element,1*DO,j,1,4,1TableB1(i,j) = Bmat3(i,j,1)TableB2(i,j) = Bmat3(i,j,2)*ENDDO
    *ENDDO
    *PRINT, TableB1,TableB.txt
    *PRINT, TableB2,TableB.txt!——————————! 计算平动与转动耦合系数矩阵 !——————————!
    *DMAT, Btran, D, ALLOC, 3,Num_Modal				! 定义平动耦合系数矩阵
    *DMAT, Brot, D, ALLOC, 3,Num_Modal				! 定义转动耦合系数矩阵
    !*DIM, Btran, ,3,Num_Modal
    !*DIM, Brot, ,3,Num_Modal
    *DO, NM,1,Num_Modal,1							! 遍历模态! 重置平动标量tran_x = 0tran_y = 0tran_z = 0! 重置转动标量rot_x = 0rot_y = 0rot_z = 0*DO,NE,1,Num_Element,1						! 遍历单元! 平动tran_x = tran_x+Amat2(NE,2)*Bmat3(NE,2,NM)tran_y = tran_y+Amat2(NE,2)*Bmat3(NE,3,NM)tran_z = tran_z+Amat2(NE,2)*Bmat3(NE,4,NM)! 临时变量tmp_x = Amat2(NE,4)*Bmat3(NE,4,NM)-Amat2(NE,5)*Bmat3(NE,3,NM)tmp_y = Amat2(NE,5)*Bmat3(NE,2,NM)-Amat2(NE,3)*Bmat3(NE,4,NM)tmp_z = Amat2(NE,3)*Bmat3(NE,3,NM)-Amat2(NE,4)*Bmat3(NE,2,NM)! 转动rot_x = rot_x+Amat2(NE,2)*tmp_xrot_y = rot_y+Amat2(NE,2)*tmp_yrot_z = rot_z+Amat2(NE,2)*tmp_z*ENDDOBtran(1,NM) = tran_xBtran(2,NM) = tran_yBtran(3,NM) = tran_zBrot(1,NM) = rot_xBrot(2,NM) = rot_yBrot(3,NM) = rot_z
    *ENDDO!——————————! 输出平动与转动耦合系数矩阵 !——————————!
    *PRINT, Btran, Btran.txt
    *PRINT,Brot,Brot.txtFINISH

系统转动惯量的求解方法

  • 采用apdl命令

    !——————————! 续:求总质量及质心坐标 !——————————! 
    !   
    mass_total = 0  
    sum_mx = 0  
    sum_my = 0  
    sum_mz = 0  
    *DO, i, 1, Num_Element, 1  mass_total = mass_total + Amat2(i, 2)           ! 累加总质量  sum_mx = sum_mx + Amat2(i, 2)*Amat2(i, 3)    ! 累加 X 坐标的加权值  sum_my = sum_my + Amat2(i, 2)*Amat2(i, 4)    ! 累加 Y 坐标的加权值  sum_mz = sum_mz + Amat2(i, 2)*Amat2(i, 5)    ! 累加 Z 坐标的加权值  
    *ENDDO  
    ! 计算质心坐标  
    centriod_x = sum_mx/mass_total  ! 计算质心 X 坐标  
    centriod_y = sum_my/mass_total  ! 计算质心 Y 坐标  
    centriod_z = sum_mz/mass_total  ! 计算质心 Z 坐标
    ! 输出
    *DMAT, MassCentriod, D, ALLOC, 1,4
    MassCentriod(1,1) = mass_total
    MassCentriod(1,2) = centriod_x
    MassCentriod(1,3) = centriod_y
    MassCentriod(1,4) = centriod_z
    *PRINT, MassCentriod, MassCentriod.txt
    !——————————! 续:求整个模型所有单元的总转动惯量 !——————————! 
    ! 相对原点
    Io_xx = 0 $ Io_yy = 0 $ Io_zz = 0
    Io_xy = 0 $ Io_xz = 0 $ Io_yz = 0
    *DO, i, 1, Num_Element, 1  mass_e = Amat2(i, 2)cent_x = Amat2(i, 3)cent_y = Amat2(i, 4)cent_z = Amat2(i, 5)Io_xx = Io_xx + mass_e*(cent_y*cent_y+cent_z*cent_z)Io_yy = Io_yy + mass_e*(cent_x*cent_x+cent_z*cent_z)Io_zz = Io_zz + mass_e*(cent_x*cent_x+cent_y*cent_y)Io_xy = Io_xy + mass_e*(cent_x*cent_y)Io_xz = Io_xz + mass_e*(cent_x*cent_z)Io_yz = Io_yz + mass_e*(cent_y*cent_z)
    *ENDDO  
    ! 相对质心
    Ic_xx = 0 $ Ic_yy = 0 $ Ic_zz = 0
    Ic_xy = 0 $ Ic_xz = 0 $ Ic_yz = 0
    *DO, i, 1, Num_Element, 1  mass_e = Amat2(i, 2)cent_x = Amat2(i, 3) - centriod_xcent_y = Amat2(i, 4) - centriod_ycent_z = Amat2(i, 5) - centriod_zIc_xx = Ic_xx + mass_e*(cent_y*cent_y+cent_z*cent_z)Ic_yy = Ic_yy + mass_e*(cent_x*cent_x+cent_z*cent_z)Ic_zz = Ic_zz + mass_e*(cent_x*cent_x+cent_y*cent_y)Ic_xy = Ic_xy + mass_e*(cent_x*cent_y)Ic_xz = Ic_xz + mass_e*(cent_x*cent_z)Ic_yz = Ic_yz + mass_e*(cent_y*cent_z)
    *ENDDO  
    ! 输出
    *DMAT, Io, D, ALLOC, 3,3
    Io(1,1)=Io_xx $ Io(1,2)=-Io_xy $ Io(1,3)=-Io_xz
    Io(2,1)=-Io_xy $ Io(2,2)=Io_yy $ Io(2,3)=-Io_yz
    Io(3,1)=-Io_xz $ Io(3,2)=-Io_yz $ Io(3,3)=Io_zz
    *PRINT, Io, Io.txt
    *DMAT, Ic, D, ALLOC, 3,3
    Ic(1,1)=Ic_xx $ Ic(1,2)=-Ic_xy $ Ic(1,3)=-Ic_xz
    Ic(2,1)=-Ic_xy $ Ic(2,2)=Ic_yy $ Ic(2,3)=-Ic_yz
    Ic(3,1)=-Ic_xz $ Ic(3,2)=-Ic_yz $ Ic(3,3)=Ic_zz
    *PRINT, Ic, Ic.txt
    

参考文献


[^1]: 卫晓娜,董云峰.基于ANSYS的平动和转动耦合系数矩阵计算[C]//北京力学会,北京振动工程学会.北京力学会第21届学术年会暨北京振动工程学会第22届学术年会论文集.北京航空航天大学宇航学院;,2015:758-760.
[^2]: 郭江.卫星挠性附件平动转动耦合系数的有限元分析[D].南京理工大学,2019.DOI:10.27241/d.cnki.gnjgu.2019.002186.

相关文章:

Ansys 计算刚柔耦合矩阵系数

Ansys 计算刚柔耦合系数矩阵 文章目录 Ansys 计算刚柔耦合系数矩阵卫星的刚柔耦合动力学模型采用 ANSYS 的 APDL 语言的计算方法系统转动惯量的求解方法参考文献 卫星的刚柔耦合动力学模型 柔性航天器的刚柔耦合动力学模型可以表示为 m v ˙ B t r a n η F J ω ˙ ω J…...

原生小程序+springboot+vue医院医患纠纷管理系统的设计与开发(程序+论文+讲解+安装+售后)

感兴趣的可以先收藏起来,还有大家在毕设选题,项目以及论文编写等相关问题都可以给我留言咨询,我会一一回复,希望帮助更多的人。 系统背景 在医疗行业快速发展的当下,医患关系已成为社会各界关注的焦点。近年来&#…...

django扩展练习记录

一、Django 中使用 django-apscheduler 实现定时任务 可以方便地管理周期性任务(如每天清理缓存、定时发送邮件等) 1. 安装 pip install django-apscheduler -i https://pypi.tuna.tsinghua.edu.cn/simple #0.7.02.添加到应用,python m…...

Android Exoplayer多路不同时长音视频混合播放

在上一篇Android Exoplayer 实现多个音视频文件混合播放以及音轨切换中我们提到一个问题,如果视频和音频时长不一致,特别是想混合多个音频和多个视频时就会出问题,无法播放。报错如下: E/ExoPlayerImplInternal(11191): Playback…...

第一章:HTML基石·现实的骨架

教学目标&#xff1a; • 理解 HTML 的整体结构&#xff08;<!DOCTYPE>, <html>,<head>, <body>&#xff09; • 掌握基础标签&#xff08;<h1>, <p>, <a>, <img>, <ul>/<ol>/<li>, <div>, <span&…...

按键精灵ios脚本新增元素功能助力辅助工具开发(二)

元素节点功能&#xff08;iOSElement&#xff09;​ 在按键精灵 iOS 新版 APP v2.2.0 中&#xff0c;新增了元素节点功能 iOSElement&#xff0c;该功能包含共 15 个函数。这一功能的出现&#xff0c;为开发者在处理 iOS 应用界面元素时提供了更为精准和高效的方式。通过这些函…...

【源码+文档+调试讲解】党员之家服务系统小程序1

摘 要 本毕业设计的内容是设计并且实现一个基于springboot的党员之家服务系统小程序。它是在Windows下&#xff0c;以MYSQL为数据库开发平台&#xff0c;java技术和Tomcat网络信息服务作为应用服务器。党员之家服务系统小程序的功能已基本实现&#xff0c;主要包括首页、个人…...

《ffplay 读线程与解码线程分析:从初始化到 seek 操作,对比视频与音频解码的差异》

1 read-thread 1.1 初始化部分 1.分配. avformat_alloc_context 创建上下⽂ ic avformat_alloc_context();if (!ic) {av_log(NULL, AV_LOG_FATAL, "Could not allocate context.\n");ret AVERROR(ENOMEM);goto fail;}2 ic->interrupt_callback.callback deco…...

AI+可视化:数据呈现的未来形态

当AI生成的图表开始自动“美化”数据&#xff0c;当动态可视化报告能像人类一样“讲故事”&#xff0c;当你的眼球运动直接决定数据呈现方式——数据可视化的未来形态&#xff0c;正在撕裂传统认知。某车企用AI生成的3D可视化方案&#xff0c;让设计师集体失业&#xff1b;某医…...

Spring Boot 整合 Redis 实战

一、整合准备&#xff1a;环境与依赖​ 1. 技术栈说明​ Spring Boot 版本&#xff1a;3.1.2&#xff08;兼容 Java 17&#xff09;​ Redis 服务器&#xff1a;Redis 7.0&#xff08;本地部署或 Docker 容器&#xff09;​ Maven 依赖&#xff1a; <dependency><…...

pdf url 转 图片

背景&#xff1a;vue2.0需要把pdf转成图片&#xff0c;显示在url里面&#xff0c;使用pdfjs-dist来解决 步骤&#xff1a; 1、安装依赖包(我的项目是node12&#xff0c;安装太高版本会报错) npm i pdfjs-dist2.16.105 2、vue代码 <template><div class"main…...

JPG与PDF格式转换器

该插件可实现JPG与PDF格式的互转。 MainForm.Designer.cs using System.Windows.Forms; namespace JpgToPdfConverter {partial class MainForm{private System.ComponentModel.IContainer components null;protected override void Dispose(bool disposing){if (disposing &…...

Kafka 如何保证消息顺序性

文章目录 分区策略轮询随机按 Partition 路由按 key 路由 顺序性保证 分区策略 Kafka 的消息会被生产者发送到分区 Partition中&#xff0c;然后消费者通过获取分区中的消息来完成消费操作。所以Kafka不仅有主题 Topic这个概念&#xff0c;也引入分区 Partition 这个概念来实现…...

C++23 views::zip 和 views::zip_transform (P2321R2) 深入解析

文章目录 一、引言二、C23与Ranges库背景知识2.1 C23概述2.2 Ranges库回顾 三、views::zip 详解3.1 功能与定义3.2 使用场景3.3 示例代码 四、views::zip_transform 详解4.1 功能与定义4.2 使用场景4.3 示例代码 五、views::zip 与 views::zip_transform 的对比5.1 功能差异5.2…...

Starrocks的主键表涉及到的MOR Delete+Insert更新策略

背景 写这个文章的作用主要是做一些总结和梳理&#xff0c;特别是正对大数据场景下的实时写入更新策略 COW 和 MOR 以及 DeleteInsert 的技术策略的演进&#xff0c; 这也适用于其他大数据的计算存储系统。该文章主要参考了Primary Key table. 分析总结 Starrocks 的主键表主…...

【计算机视觉】OpenCV实战项目:基于OpenCV的车牌识别系统深度解析

基于OpenCV的车牌识别系统深度解析 1. 项目概述2. 技术原理与算法设计2.1 图像预处理1) 自适应光照补偿2) 边缘增强 2.2 车牌定位1) 颜色空间筛选2) 形态学操作3) 轮廓分析 2.3 字符分割1) 投影分析2) 连通域筛选 2.4 字符识别 3. 实战部署指南3.1 环境配置3.2 项目代码解析 4.…...

20250513_问题:由于全局Pytorch导致的错误

文章目录 前言问题&#xff1a;由于全局Pytorch导致的错误找到问题(1)找到问题(2) 总结 前言 问题&#xff1a;由于全局Pytorch导致的错误 代码报错显示无法使用CUDA AttributeError: module ‘torch._C’ has no attribute ‘_cuda_setDevice’ 找到问题(1) import torch pri…...

flinksql实践(从kafka读数据)

本案例是基于flinksql实现的&#xff0c;将逐步实现从kafka读写数据&#xff0c;聚合查询&#xff0c;关联维表(外部系统)等。 环境准备 首先确保电脑已经安装好zookeeper、kafka、flink。本文flink使用单机模式&#xff0c;zookeeper和kafka也使用单机配置。(环境配置部分可以…...

Linux系统:文件系统前言,详解CHSLBA地址

本节重点 理解硬盘的组成结构与工作原理理解柱面、扇区CHS地址进行寻址对整块硬盘的逻辑抽象LBA地址进行寻址LBA与CHS地址的相互转换 一、初识硬盘 1.1 基本概念 硬盘&#xff08;Hard Disk Drive&#xff0c;HDD&#xff09;是一种用于存储和检索数据的计算机硬件设备。它…...

2025年01月10日浙江鑫越系统科技前端面试

目录 vue2 和 vue3 的区别vue 怎么封装组件js 怎么把一个数组置空怎么组件自己调用自己的组件v-bind:attribute 和 v-bind“{attribute}” 的区别var let const 的区别this 指向作用域链闭包原型链事件循环 1. vue2 和 vue3 的区别 Vue 2 和 Vue 3 在多个方面存在区别&#…...

2025.05.11阿里云机考真题算法岗-第三题

📌 点击直达笔试专栏 👉《大厂笔试突围》 💻 春秋招笔试突围在线OJ 👉 笔试突围OJ 03. 镜像追踪游戏 问题描述 A先生正在玩一款名为「镜像追踪」的游戏。游戏在一个 n n n...

实景三维建模软件应用场景(众趣科技实景三维建模)

实景三维建模软件应用场景概述 实景三维建模软件&#xff0c;作为数字化时代的重要工具&#xff0c;不仅能够真实、立体、时序化地反映和表达物理世界&#xff0c;还为国家的基础设施建设和数字化发展提供了有力的支撑。 在测绘与地理信息领域&#xff0c;实景三维建模软件是构…...

centos中libc.so.6No such file的解决方式

你在运行安装程序时遇到了以下错误&#xff1a; Configuring the installer for this systems environment...strings: /lib/libc.so.6: No such file 这个错误通常是由于系统中缺少 glibc&#xff08;GNU C Library&#xff09;或其相关文件导致的。glibc 是 Linux 系统中的…...

MapReduce打包运行

1. 编写 MapReduce 程序 首先需要编写 MapReduce 程序&#xff0c;通常包含 Mapper、Reducer 和 Driver 类。例如&#xff0c;一个简单的 WordCount 程序&#xff1a; java import java.io.IOException; import java.util.StringTokenizer;import org.apache.hadoop.conf.Con…...

RustDesk:开源电脑远程控制软件

RustDesk&#xff1a;开源电脑远程控制软件 RustDesk&#xff1a;开源电脑远程控制软件一、RustDesk 简介二、下载教程2.1 桌面版下载2.2 Android 版下载 三、安装教程3.1 桌面版安装 四、功能讲解4.1 远程控制4.2 文件传输4.3 安全可靠4.4 自定义服务器 五、RustDesk技术架构解…...

【Unity】WebGL开发问题汇总

1 前言 主要记录下WebGL开发过程中遇到的各种问题。 2 问题 2.1 中文字体不显示 问题&#xff1a; 经典问题了。将项目打包在WebGL平台后&#xff0c;运行发现所用中文字体都不现实了。 解决办法&#xff1a; 替换Text组件的“字体”。可以将电脑字体复制到项目当中然后替换组…...

华为海思系列----昇腾张量编译器(ATC)模型转换工具----入门级使用指南(LINUX版)

由于官方SDK比较冗余且经常跨文档讲解且SDK整理的乱七八糟,对于新手来说全部看完上手成本较高,本文旨在以简短的方式介绍 CAFFE / ONNX 模型转 om 模型,并进行推理的全流程。希望能够帮助到第一次接触华为海思框架的道友们。大佬们就没必要看这种基础文章啦! 注:本…...

c++STL-list的模拟实现

cSTL-list的模拟实现 list源码剖析list模拟实现list构造函数拷贝构造函数赋值重载迭代器 iterator访问结点数size和判空尾插 push_back头插 push_front尾删pop_back头删pop_front插入 insert删除 erase清空clear和析构函数访问结点 参考程序 list源码剖析 建议先看cSTL-list的…...

RabbitMQ 核心概念与消息模型深度解析(二)

四、代码实战 了解了 RabbitMQ 的核心概念和消息模型后&#xff0c;接下来我们通过代码实战来进一步加深对它们的理解和掌握。下面将以 Java 和 Spring AMQP 为例&#xff0c;展示如何使用 RabbitMQ 进行消息的发送和接收。 4.1 环境准备 在开始编写代码之前&#xff0c;需要…...

JAVA研发+前后端分离,ZKmall开源商城B2C商城如何保障系统性能?

在电商行业竞争白热化的当下&#xff0c;B2C 商城系统的性能表现成为决定用户留存与商业成败的关键因素。ZKmall 开源商城凭借 Java 研发与前后端分离架构的深度融合&#xff0c;构建起一套高效、稳定且具备强大扩展性的系统架构&#xff0c;从底层技术到上层应用全方位保障性能…...

【android bluetooth 框架分析 02】【Module详解 6】【StorageModule 模块介绍】

1. 背景 我们在 gd_shim_module 介绍章节中&#xff0c;看到 我们将 StorageModule 模块加入到了 modules 中。 // system/main/shim/stack.cc modules.add<storage::StorageModule>();在 ModuleRegistry::Start 函数中我们对 加入的所有 module 挨个初始化。 而在该函…...

Datawhale 5月llm-universe 第1次笔记

课程地址&#xff1a;GitHub - datawhalechina/llm-universe: 本项目是一个面向小白开发者的大模型应用开发教程&#xff0c;在线阅读地址&#xff1a;https://datawhalechina.github.io/llm-universe/ 难点&#xff1a;配置conda环境变量 我用的vscode github方法 目录 重要…...

Linux架构篇、第五章git2.49.0部署与使用

Linux_架构篇 欢迎来到Linux的世界&#xff0c;看笔记好好学多敲多打&#xff0c;每个人都是大神&#xff01; 题目&#xff1a;git2.49.0部署与使用 版本号: 1.0,0 作者: 老王要学习 日期: 2025.05.13 适用环境: Centos7 文档说明 这份文档聚焦于在 CentOS 7 环境下部署和…...

南方科技大学Science! 自由基不对称催化新突破 | 乐研试剂

近日&#xff0c;南方科技大学刘心元教授团队联合浙江大学洪鑫教授团队在自由基不对称催化领域取得新进展。课题组开发了一系列大位阻阴离子 N,N,P-配体&#xff0c;用于铜催化未活化外消旋仲烷基碘与亚砜亚胺的不对称胺化反应。该反应表现出广泛的底物兼容性&#xff0c;涵盖具…...

手机换IP真的有用吗?可以干什么?

在当今数字化时代&#xff0c;网络安全和个人隐私保护日益受到重视。手机作为我们日常生活中不可或缺的工具&#xff0c;其网络活动痕迹往往通过IP地址被记录和追踪。那么&#xff0c;手机换IP真的有用吗&#xff1f;它能为我们带来哪些实际好处&#xff1f;本文将为你一一解答…...

【C++详解】类和对象(上)类的定义、实例化、this指针

文章目录 一、类的定义1、类定义格式2、访问限定符3、类域 二、实例化1、实例化概念2、对象大小 三、this指针 一、类的定义 1、类定义格式 class为定义类的关键字&#xff0c;Stack为类的名字&#xff0c;{}中为类的主体&#xff0c;注意类定义结束时后面分号不能省略。类体中…...

C语言—再学习(数据的存储类别)

在c语言中&#xff0c;每个变量和函数都有两个属性&#xff1a;数据类型和数据的存储类别 C的存储类别包括4种&#xff1a;自动挡&#xff08;auto&#xff09;、静态的&#xff08;static&#xff09;、寄存器的&#xff08;register&#xff09;、外部的&#xff08;extern&…...

软考软件评测师——计算机组成与体系结构(分级存储架构)

一、虚拟存储技术 虚拟存储系统通过软硬件协同实现内存扩展&#xff0c;其核心特征包括&#xff1a; 逻辑容量扩展能力&#xff1a;实际物理内存与外存结合&#xff0c;呈现远大于物理内存的连续地址空间动态加载机制&#xff1a;程序运行时仅加载必要部分到内存&#xff0c;…...

需求跟踪矩阵准确性的5大策略

需求跟踪矩阵的准确性可显著提升软件项目质量&#xff0c;确保需求的全面覆盖、减少遗漏和偏差&#xff0c;有利于优化变更管理&#xff0c;降低返工风险&#xff0c;最终保障产品符合用户预期和业务目标。如果不能保证跟踪矩阵的准确性&#xff0c;可能会导致需求遗漏、测试覆…...

【调度算法】MAPF多智能体路径规划问题

参考链接&#xff1a;https://blog.csdn.net/qq_43353179/article/details/129396325 在这篇博客的基础上对一些省略的部分进行补充。 网站&#xff1a;https://mapf.info/ 可行性判断 1. k-鲁棒性&#xff08;k-robust MAPF&#xff09; 在经典 MAPF 中&#xff0c;只要所有…...

迅龙3号基于兆讯MH22D3适配CST328多点触摸驱动开发笔记

MH22D3芯片是兆讯公司新推出的基于cortex-M3内核的新一代芯片&#xff0c;专注于显示应用&#xff0c;其主频高达216Mhz&#xff0c;64KB SRAM&#xff0c;512KB Flash&#xff0c;开发UI应用游刃有余。详细介绍请看&#xff1a;MH22D3新一代显控应用性价比之王 新龙微基于MH22…...

推荐算法工程化:ZKmall模板商城的B2C 商城的用户分层推荐策略

在 B2C 电商竞争激烈的市场环境中&#xff0c;精准推荐已成为提升用户体验、促进商品销售的关键。ZKmall 模板商城通过推荐算法工程化手段&#xff0c;深度挖掘用户数据价值&#xff0c;制定科学的用户分层推荐策略&#xff0c;实现 “千人千面” 的个性化推荐&#xff0c;帮助…...

你对于JVM底层的理解

JVM&#xff08;Java虚拟机&#xff09;是一个执行Java字节码的虚拟机&#xff0c;负责将Java程序的代码转化为能够在不同操作系统上运行的机器码。为了深入理解JVM的底层工作原理&#xff0c;可以从以下几个方面入手&#xff1a; 1. 类加载机制 JVM的类加载机制是其核心之一…...

深入探讨 Java 性能术语与优化实践

在 Java 开发中,性能优化是确保应用程序高效运行的关键。无论是构建实时处理系统还是大规模分布式服务,理解性能术语和分析方法都至关重要。本文将详细介绍 Java 性能中的核心术语,包括延迟(Latency)、吞吐量(Throughput)、利用率(Utilization)、效率(Efficiency)、…...

简单介绍Qt的属性子系统

深入理解Qt的属性系统 ​ 笔者最近正在大规模的开发Qt的项目和工程&#xff0c;这里笔者需要指出的是&#xff0c;这个玩意在最常规的Qt开发中是相对比较少用的&#xff0c;笔者也只是在Qt的QPropertyAnimation需要动画感知笔者设置的一个属性的时候方才知道这个东西的。因此&…...

【PmHub后端篇】PmHub中基于自定义注解和AOP的服务接口鉴权与内部认证实现

1 引言 在现代软件开发中&#xff0c;尤其是在微服务架构下&#xff0c;服务接口的鉴权和内部认证是保障系统安全的重要环节。本文将详细介绍PmHub中如何利用自定义注解和AOP&#xff08;面向切面编程&#xff09;实现服务接口的鉴权和内部认证&#xff0c;所涉及的技术知识点…...

消息~组件(群聊类型)ConcurrentHashMap发送

为什么选择ConcurrentHashMap&#xff1f; 在开发聊天应用时&#xff0c;我们需要存储和管理大量的聊天消息数据&#xff0c;这些数据会被多个线程频繁访问和修改。比如&#xff0c;当多个用户同时发送消息时&#xff0c;服务端需要同时处理这些消息的存储和查询。如果用普通的…...

掌控随心 - 服务网格的流量管理艺术 (Istio 实例)

掌控随心 - 服务网格的流量管理艺术 (Istio 实例) 想象一下,没有服务网格的时候,我们要实现像“将 1% 的用户流量导入到新版本应用”、“根据用户设备类型访问不同后端”、“模拟下游服务故障”这类高级流量策略,通常需要在代码、负载均衡器、API 网关等多个地方进行复杂且分…...

Github 2025-05-13 Python开源项目日报 Top10

根据Github Trendings的统计&#xff0c;今日(2025-05-13统计)共有10个项目上榜。根据开发语言中项目的数量&#xff0c;汇总情况如下&#xff1a; 开发语言项目数量Python项目10TypeScript项目1 ComfyUI&#xff1a;强大而模块化的稳定扩散GUI 创建周期&#xff1a;399 天开…...

Spring Boot 自动装配原理详解

Spring Boot 的自动装配&#xff08;Auto-Configuration&#xff09;是其核心特性之一&#xff0c;它极大地简化了 Spring 应用的配置过程。通过自动装配&#xff0c;Spring Boot 能够根据项目中的依赖&#xff08;例如&#xff0c;添加了 Spring Data JPA 依赖后自动配置数据库…...