Compare commits
No commits in common. "2984fac87bf6327980832f700fbe90ac1b271ed9" and "d83d6a822449a7aaddc3764586fccc8d7cbcfb85" have entirely different histories.
2984fac87b
...
d83d6a8224
|
|
@ -1,352 +0,0 @@
|
||||||
# 利用自动微分计算
|
|
||||||
import sympy
|
|
||||||
import data
|
|
||||||
import exp
|
|
||||||
import math
|
|
||||||
import main
|
|
||||||
|
|
||||||
sympy.init_printing()
|
|
||||||
# h_i 悬点高差
|
|
||||||
# l_i 悬点档距
|
|
||||||
# _alpha 导线膨胀系数 1/°C
|
|
||||||
# _elastic 弹性系数 N/mm2
|
|
||||||
# _t_e 架线时考虑初伸长的降温，取正值。单位°C
|
|
||||||
# lambda_i 计算不平衡张力时导线比载 N/(m.mm)
|
|
||||||
# sigma_i 计算不平衡张力时最低点水平应力 单位N/mm2
|
|
||||||
# t_i 计算不平衡张力时导线温度 单位°C
|
|
||||||
# _lambda_m 导线架线时时导线比载 N/(m.mm)
|
|
||||||
# _sigma_m 导线架线时时最低点水平应力 单位N/mm2
|
|
||||||
# _t_m 导线架线时时导线温度 单位°C
|
|
||||||
|
|
||||||
|
|
||||||
delta_Li__1 = sympy.symbols(
|
|
||||||
"delta_Li:{span_count}".format(span_count=data.span_count - 1)
|
|
||||||
)
|
|
||||||
delta_Li = (
|
|
||||||
*delta_Li__1,
|
|
||||||
sympy.symbols("delta_Li_i"),
|
|
||||||
)
|
|
||||||
# sigma_i = sympy.symbols("sigma_i:{span_count}".format(span_count=data.span_count))
|
|
||||||
|
|
||||||
|
|
||||||
loop_end = data.loop_end # 最大循环次数
|
|
||||||
# 架线时的状态
|
|
||||||
# 取外过无风
|
|
||||||
string_length = data.string_length # 串长 单位m
|
|
||||||
string_g = data.string_g # 串重 单位N
|
|
||||||
t_m_data = data.t_m # 导线架设时的气温。单位°C
|
|
||||||
t_e_data = data.t_e # 架线时考虑初伸长的降温，取正值。单位°C
|
|
||||||
alpha_data = data.alpha # 导线膨胀系数 1/°C
|
|
||||||
elastic = data.elastic # 弹性系数 N/mm2
|
|
||||||
area = data.area # 导线面积 mm2
|
|
||||||
lambda_m_data = data.lambda_m # 导线比载 N/(m.mm)
|
|
||||||
sigma_m_data = data.sigma_m # 架线时，初伸长未释放前的最低点水平应力。单位N/mm2
|
|
||||||
span_count = data.span_count # 几个档距
|
|
||||||
# n个档距,n-1个直线塔
|
|
||||||
h_array = data.h_array
|
|
||||||
hi_matrix = sympy.Matrix(h_array)
|
|
||||||
# sympy.pprint(hi_matrix)
|
|
||||||
l_array = data.l_array
|
|
||||||
l_matrix = sympy.Matrix(l_array)
|
|
||||||
t_data = data.t
|
|
||||||
conductor_n = data.conductor_n
|
|
||||||
# ti_matrix = sympy.Matrix(t_array)
|
|
||||||
lambda_i_array = data.lambda_i_array
|
|
||||||
# TODO: 暂时没考虑荷载变化
|
|
||||||
lambda_m_matrix = sympy.Matrix(lambda_i_array)
|
|
||||||
lambda_i_matrix = sympy.Matrix(lambda_i_array)
|
|
||||||
|
|
||||||
|
|
||||||
symbol_delta_l_i = exp.delta_li()
|
|
||||||
sigma_i = sympy.symbols("sigma_i")
|
|
||||||
d_delta_l_i_sigma_i = sympy.diff(symbol_delta_l_i, sigma_i)
|
|
||||||
symbol_sigma_i1 = exp.fun_sigma_i1(delta_Li)
|
|
||||||
d_sigma_i1_sigma_i = sympy.diff(symbol_sigma_i1, sigma_i)
|
|
||||||
# sigma_i1 = sympy.symbols("sigma_i1")
|
|
||||||
# d_sigma_i1_sigma_i1 = sympy.diff(symbol_sigma_i1, sigma_i)
|
|
||||||
delta_Li_i = sympy.symbols("delta_Li_i")
|
|
||||||
d_sigma_i1_d_l_i = sympy.diff(symbol_sigma_i1, delta_Li_i)
|
|
||||||
|
|
||||||
|
|
||||||
# 一共2n个变量，n个delta_Li，n个sigma_i
|
|
||||||
# 分 [
|
|
||||||
# A B
|
|
||||||
# C D
|
|
||||||
# E1 E2
|
|
||||||
# ]
|
|
||||||
# 6块
|
|
||||||
|
|
||||||
|
|
||||||
# B为dΔli/dσi
|
|
||||||
def evaluate_d_delta_l_i_sigma_i(val_delta_l_li, val_sigma_i):
|
|
||||||
(
|
|
||||||
delta_l_i,
|
|
||||||
l_i,
|
|
||||||
lambda_i,
|
|
||||||
alpha,
|
|
||||||
E,
|
|
||||||
t_e,
|
|
||||||
t_i,
|
|
||||||
lambda_m,
|
|
||||||
t_m,
|
|
||||||
sigma_m,
|
|
||||||
_sigma_i,
|
|
||||||
beta_i,
|
|
||||||
) = sympy.symbols(
|
|
||||||
"""
|
|
||||||
delta_l_i,
|
|
||||||
l_i,
|
|
||||||
lambda_i,
|
|
||||||
alpha,
|
|
||||||
E,
|
|
||||||
t_e,
|
|
||||||
t_i,
|
|
||||||
lambda_m,
|
|
||||||
t_m,
|
|
||||||
sigma_m,
|
|
||||||
sigma_i,
|
|
||||||
beta_i
|
|
||||||
"""
|
|
||||||
)
|
|
||||||
val_list = []
|
|
||||||
for i in range(span_count):
|
|
||||||
val = d_delta_l_i_sigma_i.subs(
|
|
||||||
[
|
|
||||||
(delta_l_i, val_delta_l_li[i]),
|
|
||||||
(l_i, l_array[i]),
|
|
||||||
(lambda_i, lambda_i_array[i]),
|
|
||||||
(alpha, alpha_data),
|
|
||||||
(E, elastic),
|
|
||||||
(t_e, t_e_data),
|
|
||||||
(t_i, t_data),
|
|
||||||
(lambda_m, lambda_m_data),
|
|
||||||
(t_m, t_m_data),
|
|
||||||
(sigma_m, sigma_m_data),
|
|
||||||
(_sigma_i, val_sigma_i[i]),
|
|
||||||
(beta_i, math.atan(h_array[i] / l_array[i])),
|
|
||||||
]
|
|
||||||
)
|
|
||||||
val_list.append(val)
|
|
||||||
return val_list
|
|
||||||
|
|
||||||
|
|
||||||
# C为dσi1dΔli
|
|
||||||
# C只有n-1行
|
|
||||||
def evaluate_d_sigma_i1_d_delta_l_i(val_delta_l_li, val_sigma_i):
|
|
||||||
(
|
|
||||||
G_i,
|
|
||||||
A,
|
|
||||||
lambda_i,
|
|
||||||
lambda_i1,
|
|
||||||
_sigma_i,
|
|
||||||
h_i,
|
|
||||||
h_i1,
|
|
||||||
l_i,
|
|
||||||
l_i1,
|
|
||||||
stringlen_i,
|
|
||||||
_sigma_i1,
|
|
||||||
beta_i,
|
|
||||||
beta_i1,
|
|
||||||
) = sympy.symbols(
|
|
||||||
"""
|
|
||||||
G_i,
|
|
||||||
A,
|
|
||||||
lambda_i,
|
|
||||||
lambda_i1,
|
|
||||||
sigma_i,
|
|
||||||
h_i,
|
|
||||||
h_i1,
|
|
||||||
l_i,
|
|
||||||
l_i1,
|
|
||||||
stringlen_i,
|
|
||||||
sigma_i1,
|
|
||||||
beta_i,
|
|
||||||
beta_i1,
|
|
||||||
"""
|
|
||||||
)
|
|
||||||
row = []
|
|
||||||
for i in range(span_count - 1):
|
|
||||||
col = []
|
|
||||||
for j in range(span_count):
|
|
||||||
if i < j:
|
|
||||||
col.append(0)
|
|
||||||
else:
|
|
||||||
_val = d_sigma_i1_d_l_i.subs(
|
|
||||||
[
|
|
||||||
(G_i, string_g / conductor_n),
|
|
||||||
(A, area),
|
|
||||||
(lambda_i, lambda_i_array[i]),
|
|
||||||
(lambda_i1, lambda_i_array[i + 1]),
|
|
||||||
(_sigma_i, val_sigma_i[i]),
|
|
||||||
(h_i, h_array[i]),
|
|
||||||
(h_i1, h_array[i + 1]),
|
|
||||||
(l_i, l_array[i]),
|
|
||||||
(l_i1, l_array[i + 1]),
|
|
||||||
(stringlen_i, string_length),
|
|
||||||
(_sigma_i1, val_sigma_i[i + 1]),
|
|
||||||
(beta_i, math.atan(h_array[i] / l_array[i])),
|
|
||||||
(beta_i1, math.atan(h_array[i + 1] / l_array[i + 1])),
|
|
||||||
]
|
|
||||||
)
|
|
||||||
_val_delta_l_li = list(val_delta_l_li)
|
|
||||||
_val_delta_l_li[-1] = _val_delta_l_li[j] # 把需要求导的Δlj放最后一个位置
|
|
||||||
_val_delta_l_li[j] = 0
|
|
||||||
# σi1的第i+1行至倒数第2行全部清0
|
|
||||||
for k in range(i + 1, len(_val_delta_l_li) - 1):
|
|
||||||
_val_delta_l_li[k] = 0
|
|
||||||
# if index == i:
|
|
||||||
# _val = _val.subs(li, val_delta_l_li[index])
|
|
||||||
# if index > i:
|
|
||||||
# _val = _val.subs(li, 0)
|
|
||||||
for index, li in enumerate(delta_Li):
|
|
||||||
_val = _val.subs(li, _val_delta_l_li[index])
|
|
||||||
pass
|
|
||||||
col.append(_val)
|
|
||||||
row.append(col)
|
|
||||||
return sympy.Matrix(row)
|
|
||||||
|
|
||||||
|
|
||||||
# D为dΔσi1dσi
|
|
||||||
# D只有n-1行
|
|
||||||
def evaluate_d_sigma_i1_d_delta_sigma_i(val_delta_li):
|
|
||||||
row = []
|
|
||||||
for i in range(span_count - 1):
|
|
||||||
col = []
|
|
||||||
for j in range(span_count):
|
|
||||||
if i == j:
|
|
||||||
sum_delta_li = math.fsum(val_delta_li)
|
|
||||||
_val = -(
|
|
||||||
(
|
|
||||||
h_array[i] / l_array[i]
|
|
||||||
+ ((string_g / conductor_n) ** 2 - sum_delta_li ** 2) ** 0.5
|
|
||||||
)
|
|
||||||
/ (
|
|
||||||
((string_g / conductor_n) ** 2 - sum_delta_li ** 2) ** 0.5
|
|
||||||
+ h_array[i + 1] / l_array[i + 1]
|
|
||||||
)
|
|
||||||
)
|
|
||||||
col.append(_val)
|
|
||||||
continue
|
|
||||||
if i == j - 1:
|
|
||||||
col.append(1)
|
|
||||||
continue
|
|
||||||
col.append(0)
|
|
||||||
row.append(col)
|
|
||||||
return sympy.Matrix(row)
|
|
||||||
|
|
||||||
|
|
||||||
def solve():
|
|
||||||
# 初始化
|
|
||||||
val_delta_li = [0.1 for i in range(span_count)]
|
|
||||||
# val_delta_li = [0.15864687475316822, -0.1935189734784845, 0.03478489898855073]
|
|
||||||
|
|
||||||
val_sigma_i = [sigma_m_data for _ in range(span_count)]
|
|
||||||
# val_sigma_i = [175.38451579479482, 176.01015153076614, 175.88355419459572]
|
|
||||||
|
|
||||||
loop = 0
|
|
||||||
while True:
|
|
||||||
loop += 1
|
|
||||||
print("第{loop}次迭代".format(loop=loop))
|
|
||||||
if loop >= 20:
|
|
||||||
break
|
|
||||||
# A为dΔli/dli
|
|
||||||
M_A = sympy.eye(span_count)
|
|
||||||
# B为dΔli/dσi
|
|
||||||
M_B = sympy.diag(
|
|
||||||
evaluate_d_delta_l_i_sigma_i(val_delta_li, val_sigma_i), unpack=True
|
|
||||||
)
|
|
||||||
# C为dΔσi1dli
|
|
||||||
M_C = evaluate_d_sigma_i1_d_delta_l_i(val_delta_li, val_sigma_i)
|
|
||||||
# D为dΔσi1dσi
|
|
||||||
M_D = evaluate_d_sigma_i1_d_delta_sigma_i(val_delta_li)
|
|
||||||
E1 = [1 for _ in range(span_count)]
|
|
||||||
E2 = [0 for _ in range(span_count)]
|
|
||||||
E = list(E1)
|
|
||||||
E.extend(E2)
|
|
||||||
M_E = sympy.Matrix([E])
|
|
||||||
# 解方程
|
|
||||||
A = sympy.Matrix([[M_A, M_B], [M_C, M_D], [M_E]])
|
|
||||||
fx_delta_Li = []
|
|
||||||
fx_sigma_i1 = []
|
|
||||||
b_i = 0
|
|
||||||
for i in range(span_count):
|
|
||||||
fx_delta_Li.append(
|
|
||||||
val_delta_li[i]
|
|
||||||
- main.delta_li(
|
|
||||||
h_array[i],
|
|
||||||
l_array[i],
|
|
||||||
lambda_i_array[i],
|
|
||||||
alpha_data,
|
|
||||||
elastic,
|
|
||||||
t_e_data,
|
|
||||||
t_data,
|
|
||||||
val_sigma_i[i],
|
|
||||||
lambda_m_data,
|
|
||||||
t_m_data,
|
|
||||||
sigma_m_data,
|
|
||||||
)
|
|
||||||
)
|
|
||||||
if i < span_count - 1:
|
|
||||||
fx_sigma_i1.append(
|
|
||||||
val_sigma_i[i + 1]
|
|
||||||
- main.fun_sigma_i1(
|
|
||||||
area,
|
|
||||||
val_sigma_i[i],
|
|
||||||
math.fsum(val_delta_li[0 : i + 1]),
|
|
||||||
string_length,
|
|
||||||
string_g / conductor_n,
|
|
||||||
h_array[i],
|
|
||||||
l_array[i],
|
|
||||||
lambda_i_array[i],
|
|
||||||
h_array[i + 1],
|
|
||||||
l_array[i + 1],
|
|
||||||
lambda_i_array[i + 1],
|
|
||||||
)
|
|
||||||
)
|
|
||||||
|
|
||||||
# lambda_i1 = lambda_i_array[i + 1]
|
|
||||||
# h_i1 = h_array[i + 1]
|
|
||||||
# l_i1 = l_array[i + 1]
|
|
||||||
# h_i = h_array[i]
|
|
||||||
# l_i = l_array[i]
|
|
||||||
# beta_i = math.atan(h_i / l_i)
|
|
||||||
# beta_i1 = math.atan(h_i1 / l_i1)
|
|
||||||
# w_i = (
|
|
||||||
# lambda_i_array[i] * l_array[i] / 2 / math.cos(beta_i)
|
|
||||||
# + val_sigma_i[i] * h_i / l_i
|
|
||||||
# + (lambda_i1 * l_i1 / 2 / math.cos(beta_i1) - val_sigma_i[i+1] * h_i1 / l_i1)
|
|
||||||
# )
|
|
||||||
# b_i += val_delta_li[i]
|
|
||||||
# # 新版大手册p329 (5-61) 最上方公式
|
|
||||||
# right_equ = val_sigma_i[i] + b_i / math.sqrt(string_length ** 2 - b_i ** 2) * (
|
|
||||||
# string_g/conductor_n / 2 / area + w_i # string_g已在传入时考虑了导线分裂数
|
|
||||||
# )
|
|
||||||
|
|
||||||
fx_sum_Li = [math.fsum(val_delta_li)]
|
|
||||||
b_list = []
|
|
||||||
b_list.extend(fx_delta_Li)
|
|
||||||
b_list.extend(fx_sigma_i1)
|
|
||||||
b_list.extend(fx_sum_Li)
|
|
||||||
b = sympy.Matrix(b_list)
|
|
||||||
# sympy.pprint(b)
|
|
||||||
x = sympy.linsolve((-A, b))
|
|
||||||
x_list = list(x)[0]
|
|
||||||
abs_min = [math.fabs(_x) for _x in x_list]
|
|
||||||
abs_min.sort()
|
|
||||||
if abs_min[-1] < 1e-5:
|
|
||||||
break
|
|
||||||
print("最大偏差{max_dx}".format(max_dx=abs_min[-1]))
|
|
||||||
# 更新变量
|
|
||||||
for i in range(span_count):
|
|
||||||
val_delta_li[i] += x_list[i]
|
|
||||||
val_sigma_i[i] += x_list[i + span_count]
|
|
||||||
if loop >= loop_end:
|
|
||||||
print("不收敛")
|
|
||||||
else:
|
|
||||||
print(loop)
|
|
||||||
print(val_delta_li)
|
|
||||||
print(val_sigma_i)
|
|
||||||
|
|
||||||
|
|
||||||
solve()
|
|
||||||
print("Finished.")
|
|
||||||
13
data.py
13
data.py
|
|
@ -1,4 +1,3 @@
|
||||||
#loop_end = 10000000 # 最大循环次数
|
|
||||||
loop_end = 1000000 # 最大循环次数
|
loop_end = 1000000 # 最大循环次数
|
||||||
# 架线时的状态
|
# 架线时的状态
|
||||||
# 取外过无风
|
# 取外过无风
|
||||||
|
|
@ -10,13 +9,11 @@ alpha = 0.0000155 # 导线膨胀系数 1/°C
|
||||||
elastic = 95900 # 弹性系数 N/mm2
|
elastic = 95900 # 弹性系数 N/mm2
|
||||||
area = 154.48 # 导线面积 mm2
|
area = 154.48 # 导线面积 mm2
|
||||||
lambda_m = 14.8129 / area # 导线比载 N/(m.mm)
|
lambda_m = 14.8129 / area # 导线比载 N/(m.mm)
|
||||||
lambda_i_array = [lambda_m*0.9,lambda_m*1.3,lambda_m,lambda_m,lambda_m]
|
|
||||||
# 取400m代表档距下
|
# 取400m代表档距下
|
||||||
sigma_m = 28517 / area # 架线时，初伸长未释放前的最低点水平应力。单位N/mm2
|
sigma_m = 28517 / area # 架线时，初伸长未释放前的最低点水平应力。单位N/mm2
|
||||||
span_count = 3 # 几个档距
|
span_count = 4 # 几个档距
|
||||||
# n个档距,n-1个直线塔
|
# n个档距,n-1个直线塔
|
||||||
h_array = [0, 0, 0, 0, 0]
|
h_array = [0, 0, 0, 0]
|
||||||
l_array = [400, 300, 300, 500, 300]
|
l_array = [200, 300, 1400, 500]
|
||||||
t = 15
|
t_array = [15, 15, 15, 15]
|
||||||
epsilon = 1e-4 # 收敛判据
|
epslon = 1e-3 # 收敛判据
|
||||||
conductor_n = 6 # 导线分裂数
|
|
||||||
|
|
|
||||||
118
exp.py
118
exp.py
|
|
@ -1,118 +0,0 @@
|
||||||
import sympy
|
|
||||||
import math
|
|
||||||
|
|
||||||
# h 悬点高差
|
|
||||||
# l_i 悬点档距
|
|
||||||
# alpha 导线膨胀系数 1/°C
|
|
||||||
# elastic 弹性系数 N/mm2
|
|
||||||
# t_e 架线时考虑初伸长的降温，取正值。单位°C
|
|
||||||
# lambda_i 计算不平衡张力时导线比载 N/(m.mm)
|
|
||||||
# sigma_i 计算不平衡张力时最低点水平应力 单位N/mm2
|
|
||||||
# t_i 计算不平衡张力时导线温度 单位°C
|
|
||||||
# lambda_m 导线架线时时导线比载 N/(m.mm)
|
|
||||||
# sigma_m 导线架线时时最低点水平应力 单位N/mm2
|
|
||||||
# t_m 导线架线时时导线温度 单位°C
|
|
||||||
|
|
||||||
|
|
||||||
def delta_li():
|
|
||||||
(
|
|
||||||
delta_l_i,
|
|
||||||
l_i,
|
|
||||||
lambda_i,
|
|
||||||
alpha,
|
|
||||||
E,
|
|
||||||
t_e,
|
|
||||||
t_i,
|
|
||||||
lambda_m,
|
|
||||||
t_m,
|
|
||||||
sigma_m,
|
|
||||||
sigma_i,
|
|
||||||
beta_i
|
|
||||||
) = sympy.symbols(
|
|
||||||
"""
|
|
||||||
delta_l_i,
|
|
||||||
l_i,
|
|
||||||
lambda_i,
|
|
||||||
alpha,
|
|
||||||
E,
|
|
||||||
t_e,
|
|
||||||
t_i,
|
|
||||||
lambda_m,
|
|
||||||
t_m,
|
|
||||||
sigma_m,
|
|
||||||
sigma_i,
|
|
||||||
beta_i,"""
|
|
||||||
)
|
|
||||||
# beta_i = sympy.atan(h_i / l_i) # 高差角
|
|
||||||
_delta_li = delta_l_i - (
|
|
||||||
l_i
|
|
||||||
/ ((sympy.cos(beta_i) ** 2) * (1 + (lambda_i * l_i / sigma_i) ** 2 / 8))
|
|
||||||
* (
|
|
||||||
(l_i * sympy.cos(beta_i)) ** 2
|
|
||||||
/ 24
|
|
||||||
* ((lambda_m / sigma_m) ** 2 - (lambda_i / sigma_i) ** 2)
|
|
||||||
+ ((sigma_i - sigma_m) / E / sympy.cos(beta_i))
|
|
||||||
+ alpha * (t_i + t_e - t_m)
|
|
||||||
)
|
|
||||||
)
|
|
||||||
# d_delta_li_sigma_i = sympy.diff(_delta_li, sigma_i)
|
|
||||||
return _delta_li
|
|
||||||
|
|
||||||
|
|
||||||
# area 导线截面 单位mm2
|
|
||||||
# sigma_i 第i档内水平应力 单位N/mm2
|
|
||||||
# b_i 悬垂串沿线路方向水平偏移距离，沿大号方向为正，反之为负。 单位m
|
|
||||||
# stringlen_i 第i基直线塔串长 单位m
|
|
||||||
# G_i 第i基直线塔串重 单位N
|
|
||||||
# h_i 悬垂串处千中垂位置时，,第 i 基对第 i-1 杆塔上导线悬挂点间的高差大号比小号杆塔悬挂点高者h本身为正值，反之为负值。
|
|
||||||
# lambda_i 第i档导线比载 N/(m.mm)
|
|
||||||
# h_i1 悬垂串处千中垂位置时，第 i+1 基对第 i 杆塔上导线悬挂点间的高差大号比小号杆塔悬挂点高者h本身为正值，反之为负值。
|
|
||||||
# lambda_i1
|
|
||||||
def fun_sigma_i1(delta_Li):
|
|
||||||
(
|
|
||||||
G_i,
|
|
||||||
A,
|
|
||||||
lambda_i,
|
|
||||||
lambda_i1,
|
|
||||||
sigma_i,
|
|
||||||
h_i,
|
|
||||||
h_i1,
|
|
||||||
l_i,
|
|
||||||
l_i1,
|
|
||||||
stringlen_i,
|
|
||||||
sigma_i1,
|
|
||||||
beta_i,
|
|
||||||
beta_i1,
|
|
||||||
) = sympy.symbols(
|
|
||||||
"""
|
|
||||||
G_i,
|
|
||||||
A,
|
|
||||||
lambda_i,
|
|
||||||
lambda_i1,
|
|
||||||
sigma_i,
|
|
||||||
h_i,
|
|
||||||
h_i1,
|
|
||||||
l_i,
|
|
||||||
l_i1,
|
|
||||||
stringlen_i,
|
|
||||||
sigma_i1,
|
|
||||||
beta_i,
|
|
||||||
beta_i1
|
|
||||||
"""
|
|
||||||
)
|
|
||||||
|
|
||||||
def b_i():
|
|
||||||
_t = sympy.Float(0)
|
|
||||||
for f in delta_Li:
|
|
||||||
_t += f
|
|
||||||
return _t
|
|
||||||
_sigma_i1 = sigma_i1 - (
|
|
||||||
(
|
|
||||||
G_i / 2 / A # G_i传入时已考虑导线分裂数
|
|
||||||
+ lambda_i * l_i / 2 / sympy.cos(beta_i)
|
|
||||||
+ lambda_i1 * l_i1 / 2 / sympy.cos(beta_i1)
|
|
||||||
+ sigma_i * h_i / l_i
|
|
||||||
)
|
|
||||||
+ sigma_i / b_i() * sympy.sqrt(stringlen_i ** 2 - b_i() ** 2)
|
|
||||||
) / (sympy.sqrt(stringlen_i ** 2 - b_i() ** 2) / b_i() + h_i1 / l_i1)
|
|
||||||
return _sigma_i1
|
|
||||||
71
main.py
71
main.py
|
|
@ -19,13 +19,13 @@ import data
|
||||||
|
|
||||||
def delta_li(
|
def delta_li(
|
||||||
h_i: float,
|
h_i: float,
|
||||||
l_i,
|
l_i: float,
|
||||||
lambda_i: float,
|
lambda_i: float,
|
||||||
_alpha: float,
|
_alpha: float,
|
||||||
_elastic: float,
|
_elastic: float,
|
||||||
_t_e: float,
|
_t_e: float,
|
||||||
t_i: float,
|
t_i: float,
|
||||||
sigma_i,
|
sigma_i: float,
|
||||||
_lambda_m: float,
|
_lambda_m: float,
|
||||||
_t_m: float,
|
_t_m: float,
|
||||||
_sigma_m: float,
|
_sigma_m: float,
|
||||||
|
|
@ -71,7 +71,7 @@ def fun_sigma_i1(
|
||||||
beta_i1 = math.atan(h_i1 / l_i1)
|
beta_i1 = math.atan(h_i1 / l_i1)
|
||||||
_sigma_i1 = (
|
_sigma_i1 = (
|
||||||
(
|
(
|
||||||
g_i / 2 / area # g_i传入时已考虑导线分裂数
|
g_i / 2 / area #g_i传入时已考虑导线分裂数
|
||||||
+ lambda_i * l_i / 2 / math.cos(beta_i)
|
+ lambda_i * l_i / 2 / math.cos(beta_i)
|
||||||
+ lambda_i1 * l_i1 / 2 / math.cos(beta_i1)
|
+ lambda_i1 * l_i1 / 2 / math.cos(beta_i1)
|
||||||
+ sigma_i * h_i / l_i
|
+ sigma_i * h_i / l_i
|
||||||
|
|
@ -99,21 +99,21 @@ def cal_loop():
|
||||||
# n个档距,n-1个直线塔
|
# n个档距,n-1个直线塔
|
||||||
h_array = data.h_array
|
h_array = data.h_array
|
||||||
l_array = data.l_array
|
l_array = data.l_array
|
||||||
t_i = data.t
|
t_array = data.t_array
|
||||||
lambda_i_array = data.lambda_i_array
|
lambda_array = [lambda_m for j in range(span_count)]
|
||||||
loop_count = 1
|
loop_count = 1
|
||||||
sigma_0 = sigma_m * 0.2
|
sigma_0 = sigma_m * 0.5
|
||||||
while True:
|
while True:
|
||||||
b_i = 0
|
b_i = 0
|
||||||
# 一次增加0.1N
|
# 一次增加0.1N
|
||||||
sigma_0 = sigma_0 + 0.1 / data.area
|
sigma_0 = sigma_0 + 0.01 / data.area
|
||||||
sigma_array = [sigma_0 for j in range(span_count)]
|
sigma_array = [sigma_0 for j in range(span_count)]
|
||||||
delta_l_i_array = []
|
delta_l_i_array = []
|
||||||
for i in range(span_count):
|
for i in range(span_count - 1):
|
||||||
h_i = h_array[i]
|
h_i = h_array[i]
|
||||||
l_i = l_array[i]
|
l_i = l_array[i]
|
||||||
lambda_i = lambda_i_array[i]
|
lambda_i = lambda_array[i]
|
||||||
t_i = t_i
|
t_i = t_array[i]
|
||||||
sigma_i = sigma_array[i]
|
sigma_i = sigma_array[i]
|
||||||
_delta_l_i = delta_li(
|
_delta_l_i = delta_li(
|
||||||
h_i,
|
h_i,
|
||||||
|
|
@ -134,8 +134,7 @@ def cal_loop():
|
||||||
g_i = string_g / data.conductor_n
|
g_i = string_g / data.conductor_n
|
||||||
h_i1 = h_array[i + 1]
|
h_i1 = h_array[i + 1]
|
||||||
l_i1 = l_array[i + 1]
|
l_i1 = l_array[i + 1]
|
||||||
if i<span_count-1:
|
lambda_i1 = lambda_array[i + 1]
|
||||||
lambda_i1 = lambda_i_array[i + 1]
|
|
||||||
try:
|
try:
|
||||||
sigma_i1 = fun_sigma_i1(
|
sigma_i1 = fun_sigma_i1(
|
||||||
area,
|
area,
|
||||||
|
|
@ -154,13 +153,14 @@ def cal_loop():
|
||||||
break
|
break
|
||||||
pass
|
pass
|
||||||
sigma_array[i + 1] = sigma_i1
|
sigma_array[i + 1] = sigma_i1
|
||||||
|
loop_count += 1
|
||||||
if math.fabs(b_i) < data.epsilon:
|
if math.fabs(b_i) < data.epsilon:
|
||||||
print("迭代{loop_count}次找到解。".format(loop_count=loop_count))
|
print("迭代{loop_count}次找到解。".format(loop_count=loop_count))
|
||||||
print("悬垂串偏移累加bi为{b_i}".format(b_i=b_i))
|
print("悬垂串偏移累加bi为{b_i}".format(b_i=b_i))
|
||||||
for i in range(span_count):
|
for i in range(span_count):
|
||||||
print("第{i}档导线应力为{tension}".format(i=i, tension=sigma_array[i]))
|
print("第{i}档导线应力为{tension}".format(i=i, tension=sigma_array[i]))
|
||||||
for i in range(span_count - 1):
|
for i in range(span_count - 1):
|
||||||
print("第{i}串偏移值为{bias}".format(i=i, bias=math.fsum(delta_l_i_array[0:i])))
|
print("第{i}串偏移值为{bias}".format(i=i, bias=delta_l_i_array[i]))
|
||||||
verify(
|
verify(
|
||||||
area,
|
area,
|
||||||
h_array,
|
h_array,
|
||||||
|
|
@ -169,8 +169,8 @@ def cal_loop():
|
||||||
string_g / data.conductor_n,
|
string_g / data.conductor_n,
|
||||||
sigma_array,
|
sigma_array,
|
||||||
delta_l_i_array,
|
delta_l_i_array,
|
||||||
lambda_i_array,
|
lambda_array,
|
||||||
t_i,
|
t_array,
|
||||||
alpha,
|
alpha,
|
||||||
elastic,
|
elastic,
|
||||||
t_e,
|
t_e,
|
||||||
|
|
@ -179,7 +179,6 @@ def cal_loop():
|
||||||
sigma_m,
|
sigma_m,
|
||||||
)
|
)
|
||||||
break
|
break
|
||||||
loop_count += 1
|
|
||||||
if loop_count >= loop_end:
|
if loop_count >= loop_end:
|
||||||
print("!!!未找到解。")
|
print("!!!未找到解。")
|
||||||
print(sigma_array)
|
print(sigma_array)
|
||||||
|
|
@ -197,7 +196,7 @@ def verify(
|
||||||
sigma_array: [float],
|
sigma_array: [float],
|
||||||
delta_l_i_array: [float],
|
delta_l_i_array: [float],
|
||||||
lambda_array: [float],
|
lambda_array: [float],
|
||||||
t_i,
|
t_array,
|
||||||
alpha,
|
alpha,
|
||||||
elastic,
|
elastic,
|
||||||
t_e,
|
t_e,
|
||||||
|
|
@ -209,12 +208,17 @@ def verify(
|
||||||
b_i = 0
|
b_i = 0
|
||||||
for i in range(len(delta_l_i_array)):
|
for i in range(len(delta_l_i_array)):
|
||||||
sigma_i = sigma_array[i]
|
sigma_i = sigma_array[i]
|
||||||
|
sigma_i1 = sigma_array[i + 1]
|
||||||
|
left_equ = sigma_array[i + 1]
|
||||||
_delta_l_i = delta_l_i_array[i]
|
_delta_l_i = delta_l_i_array[i]
|
||||||
t_i = t_i
|
t_i = t_array[i]
|
||||||
# 此处用新版大手册p329页(5-58)校验偏移值。
|
# 此处用新版大手册p329页(5-58)校验偏移值。
|
||||||
lambda_i = lambda_array[i]
|
lambda_i = lambda_array[i]
|
||||||
|
lambda_i1 = lambda_array[i + 1]
|
||||||
h_i = h_array[i]
|
h_i = h_array[i]
|
||||||
|
h_i1 = h_array[i + 1]
|
||||||
l_i = l_array[i]
|
l_i = l_array[i]
|
||||||
|
l_i1 = l_array[i + 1]
|
||||||
cal_delta_l_i = delta_li(
|
cal_delta_l_i = delta_li(
|
||||||
h_i,
|
h_i,
|
||||||
l_i,
|
l_i,
|
||||||
|
|
@ -230,12 +234,6 @@ def verify(
|
||||||
)
|
)
|
||||||
if math.fabs(cal_delta_l_i - _delta_l_i) > 1e-4:
|
if math.fabs(cal_delta_l_i - _delta_l_i) > 1e-4:
|
||||||
print("!!!偏移等式不满足。")
|
print("!!!偏移等式不满足。")
|
||||||
if i<len(delta_l_i_array)-1:
|
|
||||||
sigma_i1 = sigma_array[i + 1]
|
|
||||||
left_equ = sigma_array[i + 1]
|
|
||||||
lambda_i1 = lambda_array[i + 1]
|
|
||||||
h_i1 = h_array[i + 1]
|
|
||||||
l_i1 = l_array[i + 1]
|
|
||||||
beta_i = math.atan(h_i / l_i)
|
beta_i = math.atan(h_i / l_i)
|
||||||
beta_i1 = math.atan(h_i1 / l_i1)
|
beta_i1 = math.atan(h_i1 / l_i1)
|
||||||
w_i = (
|
w_i = (
|
||||||
|
|
@ -244,7 +242,6 @@ def verify(
|
||||||
+ (lambda_i1 * l_i1 / 2 / math.cos(beta_i1) - sigma_i1 * h_i1 / l_i1)
|
+ (lambda_i1 * l_i1 / 2 / math.cos(beta_i1) - sigma_i1 * h_i1 / l_i1)
|
||||||
)
|
)
|
||||||
b_i += delta_l_i_array[i]
|
b_i += delta_l_i_array[i]
|
||||||
#新版大手册p329 (5-61) 最上方公式
|
|
||||||
right_equ = sigma_i + b_i / math.sqrt(string_length ** 2 - b_i ** 2) * (
|
right_equ = sigma_i + b_i / math.sqrt(string_length ** 2 - b_i ** 2) * (
|
||||||
string_g / 2 / area + w_i # string_g已在传入时考虑了导线分裂数
|
string_g / 2 / area + w_i # string_g已在传入时考虑了导线分裂数
|
||||||
)
|
)
|
||||||
|
|
@ -255,24 +252,8 @@ def verify(
|
||||||
return
|
return
|
||||||
print("等式满足。")
|
print("等式满足。")
|
||||||
|
|
||||||
if __name__=='__main__':
|
|
||||||
cal_loop()
|
|
||||||
import sympy
|
|
||||||
|
|
||||||
# sympy.init_printing(use_unicode=False)
|
cal_loop()
|
||||||
# a, b, c, d = sympy.symbols("a b c d")
|
|
||||||
# m, w, n, t = sympy.symbols("m w n t")
|
|
||||||
# b1, b2, b3 = sympy.symbols("b1 b2 b3")
|
print("Finished.")
|
||||||
# x = sympy.symbols("x")
|
|
||||||
# fx = (a * sympy.exp(-x / b1) + b * sympy.exp(-t / b1) + c) * sympy.cos(
|
|
||||||
# w * x + d
|
|
||||||
# ) + m * sympy.exp(-t / b3) * sympy.sin(w * x + n)
|
|
||||||
# int_f = sympy.integrate(fx, x)
|
|
||||||
# sympy.pprint(int_f, use_unicode=True)
|
|
||||||
# sympy.print_mathml(int_f)
|
|
||||||
# import sympy.matrices
|
|
||||||
# u_list=sympy.symbols("u1:101")
|
|
||||||
# sympy.pprint(u_list)
|
|
||||||
# m=sympy.Matrix(u_list)
|
|
||||||
# sympy.pprint(m)
|
|
||||||
# print("Finished.")
|
|
||||||
|
|
|
||||||
Loading…
Reference in New Issue