背景
在工程设计、求解计算的过程中,往往存在大量重复性的工作,这些工作不仅耗时耗力,而且容易出错。为了提高工作效率,减少人为错误,我们希望这些重复性工作能够被计算机自动完成,从而让工程师从繁重的重复性劳动中解放出来,将更多的精力投入到创造性的工作中。
脚本是一种常用的自动化形式,它通过编写一系列的指令,让计算机或程序按照既定的顺序执行这些指令,从而完成一系列的自动化操作。
Python 是一种广泛使用的脚本语言。Jupyter Notebook 是基于网页的用于交互计算的应用程序,可以以网页的形式打开 Python 项目,在网页中直接编写运行脚本。
**CST Studio Suite 提供了 Python 编程接口,也提供了在 Python 环境中执行 VB 脚本的接口。并且,在 CST Studio Suite 2024 中,CST Python Libraries 的特性得到了更新。**通过脚本控制 CST Studio Suite,工程师可以将这些重复性的工作交给计算机自动完成,例如编写相应的算法让计算机自动寻找最优解,从而大大提高求解计算的效率。
现在,我们将使用 Jupyter Notebook 连接到 CST Studio Suite,通过一个演示案例,完成脚本控制建立模型、查看结果等工作,并在 Python 中进行更多自动化任务。
内容介绍
文章共分为 5 个部分,分别介绍以下内容:
- 搭建 Python 环境
- 控制 CST 建模
- 仿真并绘制结果
- 仿真优化
- 外部后处理
本期为第 1 篇文章,详细介绍如何搭建 Python 测试环境。
- 安装 Python
- Python 版本选择
- Python 生命周期与 CST 兼容性
- 安装来源
- 设置环境变量
- 验证 Python 是否成功安装
- 安装 Jupyter
- 设置下载源
- 安装 Jupyter
- 验证 Jupyter Notebook 能否顺利启动
- 启动 Jupyter Notebook
- 加载测试文件
- 在 Jupyter 中运行 Python
- 安装必要的库
- 检查 CST 相关库和接口是否正确
- 调用 CST Design Environment
- 创建空项目
- 查询求解器
- 创建参数
测试环境
安装 Python
Python 版本选择
在 CST Studio Suite 2024 帮助页面中标明,支持的版本为 Python 3.6-3.11 版本。
在开始测试之前,可以检查计算机是否已安装符合要求的 Python,例如在已安装应用列表中查阅,如未找到则需要手动安装 Python。
Python 生命周期与 CST 兼容性
根据 Python Developer's Guide 的信息(https://devguide.python.org/versions/#branchstatus),目前的发行的 Python 版本,状态为 security 的有 3.8-3.11。
其中,在尝试使用 3.11 版部署环境时,安装上述 cst-studio-suite-link 包的时候,有一定概率会提示错误,错误信息表明 cst-studio-suite-link 包要求的 Python 版本是小于 3.11。
因此,可以根据自身情况安装 3.10 或 3.9,这里以 3.10 版本为例。














