代码收藏家 Python Workbench开发指南：案例详解
ANSYS Workbench中日志(Journal)功能提供了记录界面操作的能力。通过日志脚本，我们能够实现以下功能：
① 能够快速轻松地重放日志记录的操作；
② 扩展仿真功能、自动化重复仿真分析；
③ 通过脚本以批处理(Batch)模式运行分析。
1、脚本概述
Workbench日志功能为基于Python的脚本，提供脚本录制功能，我们可以修改这些脚本或创建新的脚本。
1.1 日志录制
可以通过以下几个步骤录制：
① 启动ANSYS Workbench平台，选择File > Scripting > Record Journal；
② 指定日志文件的名称和存放地址，点击Save；
③ 像往常一样使用界面操作进行仿真分析，Workbench会自动记录操作脚本；
④ 选择File > Scripting > Stop Record Journal，停止脚本录制。
1.2 命令窗口
在Workbench中可以使用命令窗口以交互模式调用命令、访问数据实体(Data Entity)属性，调用数据实体和数据容器(Data Container)方法。操作如下：
① 选择File > Scripting > Open Command Window；
② 命令窗口打开后，输入想要运行的命令；
每次输入命令时，相应的操作将出现在Workbench数据库和GUI上。我们一起看下面一段命令：
在上面命令中：首先通过GetTemplate()方法获得Mesh组件系统的对象变量：mesh_temp；然后调用mesh_temp对象下的CreateSystem()方法创建Mesh组件系统。
2、脚本编写
脚本是向Workbench发出的一组指令。脚本可以是修改过的日志，也可以是直接编写的全新指令。Workbench脚本使用面向对象的编程方法，脚本是基于IronPython2.7编写的，在尝试编写或修改脚本之前，我们应该熟悉这个版本的Python。
IronPython(https://ironpython.net/)是流行的编程语言Python for .NET的一个实现，而我们常说的Python是基于C语言实现的CPython(Welcome to Python.org)；两者在语法和基础类库是完全一致的，但是IronPython不能使用基于C语言编写的Python模块，如Numpy、Matplotlib等。
Python 是一种面向对象、解释型和交互的编程语言，简单易学容易上手，其代码具有非常强的可读性。Python本身为我们提供了非常完善的基础代码库，覆盖了网络、文件、GUI、数据库、文本等大量内容。基于Python的易学性和强大的扩展性，我们很容易利用Workbench中脚本API扩展所需的仿真功能。
关于Python的基础语法和教程，本文不做叙述，大家可以去网上自学入门。接下来主要介绍Workbench的框架结构和数据结构。
2.1 数据集成应用程序
在项目示意图(Project Schematic)下，可以与Workbench的本地应用程序(称为工作区)交互，并且可以启动数据集成应用程序。工作区完全构建在Workbench框架上，可以使用它的所有服务，包括：项目示意图、工程数据(Engineering Data)和设计探索(Design Exploration)。
数据集成(Data-integrated)应用程序是独立于Workbench框架；它们以扩展程序(Addins)集成在框架上，这样可以由项目示意图驱动，并与Workbench和其支持的程序共享关键数据和参数。数据集成应用程序包括Mechanical APDL、Fluent、CFX、DesignModeler、SpaceClaim、Mechanical等。
工作区和数据集成应用程序之间的差异在于：所有与工作区关联的数据修改操作都会被日志记录下来，并且可以通过Workbench脚本完全自动化；对于数据集成应用程序来说，只记录从项目示意图发起的操作，包括系统更新、数据共享传输。在数据集成应用程序中执行的操作不一定由ANSYS Workbench脚本记录或控制。例如，没有记录Mechanical APDL中构造几何的步骤或ANSYS Fluent中的求解方法。
虽然数据集成应用程序并不完全支持Workbench脚本，但它们中许多都有自己的原生脚本语言，可以通过Workbench脚本接口驱动。使用SendCommand方法将原生脚本命令传递给数据集成应用程序。可以将SendCommand调用方法插入Workbench脚本中，以驱动集成应用程序。如下表所示：
2.2 Workbench项目和数据结构
在使用Workbench脚本时，我们应该理解以下术语和概念。下图描述了项目中对象之间的关系。
项目 – Project
项目是为实现总体仿真目标创建的系统(System)、组件(Components)、数据(Data)及数据共享(Connections)的完整集 合。
系统 – System
系统是一组组件或单个组件的集 合，它们共同提供实现仿真目标的工作流，例如结构静力学分析、稳态流动分析及网格划分等。
组件 – Component
一个组件包括数据和一个数据编辑器(Editor)的集 合，它们一起工作以实现与CAE相关的任务。一个系统可以包括几个组件，这些组件一起定义模拟工作流。数据编辑器可以支持Workbench数据集成应用程序，如：Fluent、mechanical；也可以是工作区应用，如工程数据和设计探索。
数据容器 – Data Container
数据容器包括单个组件独有的数据以及要管理和操作的服务。创建、检索或修改组件本地数据的服务由数据容器提供，而控制数据进出组件的服务则由组件提供。
数据实体 – Data Entity
数据实体是在数据容器中定义的数据结构。数据实体类似于面向对象编程中的类。它定义可以调用的成员数据(或属性)和方法来对数据执行操作。
数据引用 – Data Reference
数据引用是实例化数据实体的句柄。可以从数据实体定义创建对象，数据引用提供对该对象的访问。在Workbench日志中，数据引用被分配给变量。然后使用变量访问数据实体的属性和方法。示例如下：
解析：上述代码通过GetSystem方法，返回引用System ID的数据对象，并将其分配给变量mesh_sys；然后使用变量mesh_sys可以调用System数据实体支持的方法，如用于更新组件系统的Update()方法。
数据容器引用 – Data Container Reference
与数据引用类似，数据容器引用是实例化数据容器对象的句柄。示例如下：
解析：上述代码通过调用mesh_sys对象的GetContainer方法，返回引用Component ID的数据容器对象，并将其分配给变量mesh；然后使用变量mesh可以访问组件数据实体支持的方法，如Edit和SendCommand方法。
2.3 脚本开发
进行Workbench脚本开发，需要做到以下几个方面：
①首先我们需要了解面向对象编程方法：理解类、属性、实例对象和方法的概念；②掌握Python的基本语法、流程控制、数据结构、函数及类的编程方法，并了解常用模块使用方法；
③了解仿真流程，并理解Workbench框架和数据结构；可通过开发文档查询获取脚本API。
其实做到上述要求其实并不难，只要我们平时多了解Python的使用方法，理解Workbench框架和数据结构，并时常多阅读Workbench脚本开发文档，多将理论知识付诸于实践中，相应大家很快都能掌握脚本开发的方法。
3、命令行启动
点击完整阅读全文
基于Python的Workbench开发指南+案例解析
推荐课程
Python语言在ANSYS的应用52讲-掌握SCDM脚本建模及ANSYS二次开发能力_SpaceClaim_ACT_Mechanical_Fluent_结构基础_流体基础_二次开发_python_消费电子-仿真秀视频课程
作者：仿真秀
