Abaqus基于Python二次开发脚本 根据增量步提取后处理odb文件中损伤单元数量以及整体占比 提取Cohesive单元损伤（SDEG） 子程序设定中的损伤单元数量（SDV） 延性损伤准则下的损伤单元数量（DUCTCRT） 方便快捷，省时省力

搞结构仿真的兄弟都懂，每次后处理盯着云图数损伤单元有多费眼睛。最近被项目逼急了，索性写了个Python脚本自动统计损伤单元数量，直接看数据比肉眼靠谱多了。分享几个关键代码段，重点说说怎么同时处理三种不同类型的损伤判据。

先搞个暴力遍历的框架，核心思路就是翻遍所有增量步：

from odbAccess import openOdb
import numpy as np

odb_path = 'Job-1.odb'
odb = openOdb(odb_path)
steps = odb.steps.values()

for step in steps:
    for frame in step.frames:
        current_time = frame.frameValue

这里有个坑要注意——直接odb.close()可能会内存泄漏，得用with上下文管理器更安全。不过Abaqus的Python接口有时候抽风，实在不行就在代码最后手动补个垃圾回收。

处理Cohesive单元损伤时，SDEG字段直接能读：

sdeg_field = frame.fieldOutputs['SDEG']
damaged_elements = [v.elementLabel for v in sdeg_field.values if v.data > 0.95]
print(f"当前步SDEG损伤单元数: {len(damaged_elements)}")

这里阈值设0.95是因为实际计算中完全损伤前会有个爬升过程。有个骚操作——把v.data替换成np.max(v.data)可以处理多积分点的情况，特别是实体单元。

Abaqus基于Python二次开发脚本 根据增量步提取后处理odb文件中损伤单元数量以及整体占比 提取Cohesive单元损伤（SDEG） 子程序设定中的损伤单元数量（SDV） 延性损伤准则下的损伤单元数量（DUCTCRT） 方便快捷，省时省力

子程序里的SDV稍微麻烦点，得确认变量位置：

svars = frame.fieldOutputs['SDV']
sdamage = svars.getScalarField(componentLabel='SDV3')  # 假设损伤存在第三个分量
damaged = [e.elementLabel for e in sdamage.values if e.data > 0.8]

重点是这个componentLabel得跟子程序里定义的顺序对得上。建议在子程序里加个打印语句确认变量存储位置，别问我怎么知道的...

延性损伤DUCTCRT的处理类似，但要注意单元类型过滤：

ductile = frame.fieldOutputs['DUCTCRT']
all_elements = set(odb.rootAssembly.instances['PART-1-1'].elements)
damaged_set = set([v.elementLabel for v in ductile.values if v.data > 1.0])
active_ratio = len(damaged_set)/len(all_elements)*100
print(f"延性损伤占比: {active_ratio:.2f}%")

用集合操作能自动去重，特别是当多个积分点都满足损伤条件时。这里有个细节——不同实例的elementLabel可能重复，处理多部件模型时需要遍历所有instance。

最后整个函数打包成：

def damage_counter(odb_path, thresholds):
    with openOdb(odb_path) as odb:
        results = {}
        for step in odb.steps.values():
            step_data = []
            for frame in step.frames:
                frame_data = {
                    'time': frame.frameValue,
                    'SDEG': len(get_damaged_elements(frame, 'SDEG', thresholds[0])),
                    'SDV': len(get_damaged_elements(frame, 'SDV3', thresholds[1])),
                    'DUCTCRT': len(get_damaged_elements(frame, 'DUCTCRT', thresholds[2]))
                }
                step_data.append(frame_data)
            results[step.name] = step_data
    return results

阈值做成字典传参更灵活。建议配合matplotlib直接画损伤演化曲线，比在CAE里点来点去高效十倍。实测十万量级的单元模型，完整遍历一次大概20秒，比手动操作快得不是一星半点。

注意几个坑：1）确保运行环境是Abaqus自带的Python 2.7；2）单元编号从1开始，别跟数组索引搞混；3）多工况对比时记得清空临时变量。代码扔到Abaqus命令行或者配个bat脚本都能跑，批量处理时直接上多线程，效率还能再翻倍。