کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
497579 862924 2016 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive reduced-basis generation for reduced-order modeling for the solution of stochastic nondestructive evaluation problems
ترجمه فارسی عنوان
نسل کاهش یافته سازگار برای مدل سازی کاهش سفارش برای حل مشکلات ارزیابی غیرمخرب تصادفی
کلمات کلیدی
مشخصات مواد ارزیابی غیرمخرب، مکانیک معکوس محاسباتی، عدم قطعیت اندازه گیری، مدل سفارش کاهش یافته، جابجایی شبکه تفکیک،
ترجمه چکیده
یک الگوریتم جدید برای ایجاد تقریب کارایی محاسباتی پاسخ سیستم که توسط یک مسئله ارزش مرزی تعریف شده است ارائه شده است. به طور خاص، رویکرد ارائه شده بر کاهش قابل ملاحظه هزینه های محاسباتی مورد نیاز برای تقریبی راه حل یک معادله دیفرانسیل با مبادله جزئی تصادفی متمرکز شده است، به ویژه برای ارزیابی راه حل یک مسئله ارزیابی غیرمخرب مرتبط با عدم قطعیت سیستم. برای دستیابی به این بازده محاسباتی، رویکرد، مدلسازی کاهش سفارش با استفاده از تکنیک مدل سازی جابجایی شبکهای شبکه را برای تخمین پاسخ سیستم مورد علاقه با توجه به هر پارامتر ناشناخته تعیین شده، با توجه به توزیع، شناخته شده است. مولفه مدل سازی کاهش یافته شامل یک الگوریتم جدید برای تولید انطباق یک گروه داده بر اساس یک تکنیک شبکه توزیع شده است تا سپس بر اساس مبنای کاهش یافته ایجاد شود. قابلیت ها و کاربرد بالقوه رویکرد ارائه شده از طریق دو مطالعه موردی شبیه سازی شده در خصوص ویژگی های معکوس خواص مواد برای دو سیستم مختلف فیزیکی که شامل برخی از عدم قطعیت قابل توجه می باشند، نمایش داده می شود. اولین مطالعه موردی ویژگی مشخصه کاهش نا مشخص در سختی یک ساختار را از تست عدم تحرک مبتنی بر پاسخ فرکانسی شبیه سازی کرد. سپس، مطالعه موردی دوم به بررسی خصوصیات هدایت حرارتی وابسته به درجه حرارت از یک جامد از تست حرارتی شبیه سازی شده است. به طور کلی، رویکرد مدل سازی جایگزین از طریق هر دو نمونه شبیه سازی شده برای ارائه راه حل های دقیق راه حل برای مسائل معکوس برای سیستم های نشان داده شده توسط معادلات دیفرانسیل مجدد تصادفی با کسری از هزینه محاسبات معمول نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
نسل کاهش یافته سازگار برای مدل سازی کاهش سفارش برای حل مشکلات ارزیابی غیرمخرب تصادفی
چکیده انگلیسی
A novel algorithm for creating a computationally efficient approximation of a system response that is defined by a boundary value problem is presented. More specifically, the approach presented is focused on substantially reducing the computational expense required to approximate the solution of a stochastic partial differential equation, particularly for the purpose of estimating the solution to an associated nondestructive evaluation problem with significant system uncertainty. In order to achieve this computational efficiency, the approach combines reduced-basis reduced-order modeling with a sparse grid collocation surrogate modeling technique to estimate the response of the system of interest with respect to any designated unknown parameters, provided the distributions are known. The reduced-order modeling component includes a novel algorithm for adaptive generation of a data ensemble based on a nested grid technique, to then create the reduced-order basis. The capabilities and potential applicability of the approach presented are displayed through two simulated case studies regarding inverse characterization of material properties for two different physical systems involving some amount of significant uncertainty. The first case study considered characterization of an unknown localized reduction in stiffness of a structure from simulated frequency response function based nondestructive testing. Then, the second case study considered characterization of an unknown temperature-dependent thermal conductivity of a solid from simulated thermal testing. Overall, the surrogate modeling approach was shown through both simulated examples to provide accurate solution estimates to inverse problems for systems represented by stochastic partial differential equations with a fraction of the typical computational cost.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Methods in Applied Mechanics and Engineering - Volume 310, 1 October 2016, Pages 172-188
نویسندگان
, , ,