کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7060631 | 1458690 | 2018 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Detection of contact failures with the Markov chain Monte Carlo method by using integral transformed measurements
ترجمه فارسی عنوان
تشخیص شکست های تماس با روش مونت کارلو زنجیره مارکوف با استفاده از اندازه گیری های یکپارچه تبدیل شده
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
این کار با حل مسئله هدایت حرارتی معکوس با هدف تشخیص شکست های تماس در کامپوزیت های لایه ای از طریق تخمین هدایت تماس بین لایه ها انجام شده است. هدایت مکانی متنوعی با استفاده از یک فرمول بیزی برای مسئله و یک روش مونت کارلو زنجیره مارکوف، با اندازه گیری دوربین های مادون قرمز از درجه حرارت گذرا بر روی سطح بدن، برآورد می شود. تجزیه و تحلیل معکوس با استفاده از یک طرح فشرده سازی داده ها صورت گرفته است، جایی که اندازه گیری های دما به صورت یکپارچگی با توجه به متغیر فضایی تغییر می کند. روش حاضر با استفاده از اندازه گیری های مصنوعی و داده های تجربی از آزمایشات آزمایشگاهی کنترل شده مورد ارزیابی قرار گرفته است. نشان داده شده است که تنها چند حالت داده ای تبدیل شده برای حل مسئله معکوس مورد نیاز است، بنابراین کاهش قابل توجهی از زمان محاسبات در روش مونت کارلو زنجیره مارکوف و همچنین تنظیم مشکل مشکوک مطرح می شود.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی شیمی
جریان سیال و فرایندهای انتقال
چکیده انگلیسی
This work deals with the solution of an inverse heat conduction problem aiming at the detection of contact failures in layered composites through the estimation of the contact conductance between the layers. The spatially varying contact conductance is estimated using a Bayesian formulation of the problem and a Markov chain Monte Carlo method, with infrared camera measurements of the transient temperature field on the surface of the body. The inverse analysis is formulated using a data compression scheme, where the temperature measurements are integral transformed with respect to the spatial variable. The present approach is evaluated using synthetic measurements and experimental data from controlled laboratory experiments. It is shown that only few transformed modes of the data are required for solving the inverse problem, thus providing substantial reduction of the computational time in the Markov chain Monte Carlo method, as well as regularization of the ill-posed problem.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Thermal Sciences - Volume 132, October 2018, Pages 486-497
Journal: International Journal of Thermal Sciences - Volume 132, October 2018, Pages 486-497
نویسندگان
Luiz A.S. Abreu, Helcio R.B. Orlande, Marcelo J. Colaço, Jari Kaipio, Ville Kolehmainen, César C. Pacheco, Renato M. Cotta,