【Matlab】求解复合材料层合板刚度矩阵及柔度矩阵
1. matlab文件结构
2. main.m代码
clc
clear;
warning off;
%%
%铺层角度数组
angles=[0 90 0]; % °
%单层厚度
ply_thickness=0.125; %mm
%lamina 性能参数
E11=1000 ;%Mpa
E22=1000 ;
nu12=0.3 ;
G12=1500 ;
%%
% 铺层数量
ply_num=size(angles);
ply_num=max(ply_num);
% 求zlist,wQij等矩阵
% z坐标数组
zlist=Get_zlist(ply_thickness,angles);
% 所有ply的偏轴刚度矩阵(3 X 3 X k)
Q=Get_Qij(E11,nu12,E22,G12);
wQij=Get_wQij(Q,angles);
%%
% 求A B D刚度矩阵
%A Matrix
A=zeros(3,3);
for i=1:ply_num
temp=wQij(:,:,i).*(zlist(i+1)-zlist(i));
A=A+temp;
end
%A Matrix
B=zeros(3,3);
for i=1:ply_num
temp=0.5*wQij(:,:,i).*(zlist(i+1)^2-zlist(i)^2);
B=B+temp;
end
%A Matrix
D=zeros(3,3);
for i=1:ply_num
temp=(wQij(:,:,i).*(zlist(i+1)^3-zlist(i)^3))/3.0;
D=D+temp;
end
%%
% show result
disp('A=')
disp(A)
disp('B=')
disp(B)
disp('D=')
disp(D)
%%
% 求柔度矩阵
% A' matrix—>S1
% B' matrix—>S2
% H' matrix—>S3
% D' matrix—>S4
S1=inv(A)-(-inv(A)*B)*inv(D-B*inv(A)*B)*(B*inv(A));
S2=(-inv(A)*B)*inv(D-B*inv(A)*B);
S3=-1*inv(D-B*inv(A)*B)*B*inv(A);
S4=inv(D-B*inv(A)*B);
%%
disp('S1=')
disp(S1)
disp('S2=')
disp(S2)
disp('S3=')
disp(S3)
disp('S4=')
disp(S4)
3. TMats.m代码
function Ts=TMats(arr_angles)
% 返回3X3X3的数组,demension 3 表示第K层的T矩阵
ply_num=size(arr_angles);
ply_num=max(ply_num); % get ply's total number
Ts=[];
for i=1:ply_num
TempT=TMat(arr_angles(i));
Ts=cat(3,Ts,TempT);
end
end
function T = TMat( angle )
% TMat--input: angles of ply unit:degree -return coordinate transfer Matrix
T=zeros(3,3);
T(1,1)=cosd(angle)*cosd(angle);
T(1,2)=sind(angle)*sind(angle);
T(1,3)=2*sind(angle)*cosd(angle);
T(2,1)=sind(angle)*sind(angle);
T(2,2)=cosd(angle)*cosd(angle);
T(2,3)=-T(1,3);
T(3,1)=-sind(angle)*cosd(angle);
T(3,2)=-T(3,1);
T(3,3)=cosd(angle)^2-sind(angle)^2;
end
4. Get_zlist.m代码
function zlist = Get_zlist( ply_thickness,angles )
%返回 Z坐标的数组
%total number of plys
ply_num=size(angles);
ply_num=max(ply_num);
% total thickness
t=ply_num*ply_thickness;
%z0坐标
zlist=0;
for i=1:ply_num
zlist=cat(2,zlist,i*ply_thickness);
end
%整体下移0.5个laminate thickness
zlist=zlist-0.5*t;
end
5. Get_wQij.m代码
function wQij=Get_wQij(Q,angles)
% 输入 材料主方向的Q矩阵和铺层角度数组(1 X n)
plynum=size(angles);
plynum=max(plynum);
wQij=[];
%得到所有铺层的坐标变换矩阵
Ts=TMats(angles);
for i= 1:plynum
Ti=Ts(:,:,i);
invT=inv(Ti);
temp_wQ=invT*Q*(invT');
%追加到维度3上
wQij=cat(3,wQij,temp_wQ);
end
end
6. Get_Qij.m代码
function Qij = Get_Qij(E11,nu12,E22,G12)
%输入材料参数 E11 nu12 E22 G12 ,返回ply的折减刚度矩阵Q
% 此处显示详细说明
Q=zeros(3,3);
nu21=(E11*nu12)/(E22);
Q(1,1)=E11/(1-nu12*nu21);
Q(2,2)=E22/(1-nu12*nu21);
Q(1,2)=(E11*nu12)/(1-nu12*nu21);
Q(2,1)=Q(1,2);
Q(3,3)=G12;
Qij=Q;
end
7. 求解结果展示
【Matlab】求解复合材料层合板刚度矩阵及柔度矩阵的更多相关文章
- fslove - Matlab求解多元多次方程组
fslove - Matlab求解多元多次方程组 简介: 之前看到网上的一些资料良莠不齐,各种转载之类的,根本无法解决实际问题,所以我打算把自己的学到的总结一下,以实例出发讲解fsolve. 示例如下 ...
- matlab中元胞数组(cell)转换为矩阵
matlab中元胞数组(cell)转换为矩阵. cell转换为矩阵函数为:cell2mat(c),其中c为待转换的元胞数组: 转化之后的矩阵可能不满足我们对矩阵维数的要求,那么也许还需要下面两个函数: ...
- Matlab中矩阵的平方和矩阵中每个元素的平方介绍
该文章讲述了Matlab中矩阵的平方和矩阵中每个元素的平方介绍. 设t = [2 4 2 4] 则>> t.^2 ans = 4 164 16 而>> t^2 ans = ...
- matlab 求解线性规划问题
线性规划 LP(Linear programming,线性规划)是一种优化方法,在优化问题中目标函数和约束函数均为向量变量的线性函数,LP问题可描述为: minf(x):待最小化的目标函数(如果问题本 ...
- MATLAB小函数:将列向量转化为0-1矩阵
MATLAB小函数:将列向量转化为0-1矩阵 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 将列向量转化为0-1矩阵,例如 A = 1 2 1 5 3 ...
- MATLAB矩阵处理—特殊矩阵
需要掌握 MATLAB语言中特殊矩阵 MATLAB语言中矩阵的变幻 MATLAB语言矩阵如何求值 MATLAB语言中特征值与特征向量 MATLAB语言中稀疏矩阵 2.1 特殊矩阵 如何建立矩阵? 逐 ...
- 用Matlab求解微分方程
用Matlab求解微分方程 解微分方程有两种解,一种是解析解,一种是数值解,这两种分别对应不同的解法 解析解 利用dsolve函数进行求解 syms x; s = dsolve('eq1,eq2,.. ...
- matlab 求解 f(x)=x(x+1)(x+2)(x+3)(x+4)...(x+n-2)(x+n-1)(x+n)的导数;
matlab 求解 f(x)=x(x+1)(x+2)(x+3)(x+4)...(x+n-2)(x+n-1)(x+n)的导数; matlab diff() 问题的提出 问题 代码求解 clc; clea ...
- Jacobian矩阵、Hessian矩阵和Newton's method
在寻找极大极小值的过程中,有一个经典的算法叫做Newton's method,在学习Newton's method的过程中,会引入两个矩阵,使得理解的难度增大,下面就对这个问题进行描述. 1, Jac ...
- 三维重建面试4:Jacobian矩阵和Hessian矩阵
在使用BA平差之前,对每一个观测方程,得到一个代价函数.对多个路标,会产生一个多个代价函数的和的形式,对这个和进行最小二乘法进行求解,使用优化方法.相当于同时对相机位姿和路标进行调整,这就是所谓的BA ...
随机推荐
- pycharm选择conda虚拟环境出错:python的SDK无效
检查项如下: 0.安装了python,并在系统环境变量中配置了python 0.5 正确配置了conda的系统环境变量 1.安装conda的文件夹又读写权限(不需要管理员模式运行也能进行读写) 直接在 ...
- Git+Gitee使用分享
Git+Gitee快速入门 创建仓库 初始化本地仓库 验证本地git是否安装好 打开cmd窗口,输入git 这样就OK. Git 全局设置:(只需要设置一次) 这台电脑如果是第一次使用 ...
- resttemplate的ReadTimeout和ConnectTimeout
问题描述:今天,在做微服务开发中,A服务区调用B服务,获取数据做导出excel操作.A服务出现了"java.net.SocketTimeoutException: Read timed ou ...
- Spring Security并结合JWT实现用户认证(Authentication) 和用户授权(Authorization)
引言在Web应用开发中,安全一直是非常重要的一个方面.Spring Security基于Spring 框架,提供了一套Web应用安全性的完整解决方案. JwT (JSON Web Token) 是当前 ...
- Qt音视频开发11-通用监控布局控件(开源)
一.前言 自从做监控系统以来,就一直有打算将这个功能独立出来一个类,这样的话很多系统用到此类布局切换,通用这个类就行,而且后期此布局会增加其他异形布局,甚至按照16:9之类的比例生成布局,之前此功能直 ...
- AndroidStudio 彻底关闭http网络代理方法
以前在AndroidStudio中设置完代理后,会在项目的gradle.properties文件中生成代理配置信息: 即使你在setting的http proxy中关掉代理,实际编译时还会使用上次设置 ...
- 《Spring MVC+MyBatis快速开发与项目实战》-黄文毅2019:一书的源码和配套视频下载地址
<Spring MVC+MyBatis快速开发与项目实战>-黄文毅2019:一书的源码下载地址: http://github.com/huangwenyi10/springmvc-myba ...
- 从新手到专家:如何设计一套亿级消息量的分布式IM系统
本文原作者Chank,原题"如何设计一个亿级消息量的 IM 系统",为了提升内容质量,本次有修订和改动. 1.写有前面 本文将在亿级消息量.分布式IM系统这个技术前提下,分析和总结 ...
- runoob-PostgreSQL 教程
https://www.runoob.com/postgresql/postgresql-tutorial.html
- runoob-matplotlib(python)
https://www.runoob.com/matplotlib/matplotlib-tutorial.html Matplotlib 教程 Matplotlib 是 Python 的绘图库,它能 ...