Haibarakiku

Genera un conjunto de datos de entrenamiento Abaqus FEA para modelos sustitutos/ML, utilizando muestreo Latin Hypercube o de patrón disperso sobre un vector de diseño parametrizado. Gestiona el envío de trabajos por lotes, la recuperación de fallas y escribe un índice unificado del conjunto de datos, ideal para barrer parámetros de diseño o construir conjuntos de entrenamiento.

Convierte las salidas de Abaqus FEA en CSVs de tabla ancha (X, Y) listos para ML, pivotando los desplazamientos de nodos de malla irregulares a una cuadrícula N×N regular, usando el fotograma final como objetivo de deformación y agregando datos de múltiples casos en X_amplitude.csv (vectores de diseño) y Y_grid_uz.csv (desplazamiento de cuadrícula aplanado).

Realiza la validación de diseño inverso en lazo cerrado, resolviendo un problema inverso en un modelo surrogate entrenado. Luego, verifica con Abaqus FEA, comparando los campos de desplazamiento predichos con los reales y reportando métricas de error para cuantificar la brecha entre el surrogate y el FEA.