論文の概要: A Computationally Tractable Framework for Nonlinear Dynamic Multiscale
Modeling of Membrane Fabric
- arxiv url: http://arxiv.org/abs/2007.05877v2
- Date: Wed, 27 Jan 2021 05:22:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 06:04:02.093217
- Title: A Computationally Tractable Framework for Nonlinear Dynamic Multiscale
Modeling of Membrane Fabric
- Title（参考訳）: 膜ファブリックの非線形動的マルチスケールモデリングのための計算可能フレームワーク
- Authors: Philip Avery, Daniel Z. Huang, Wanli He, Johanna Ehlers, Armen
Derkevorkian, Charbel Farhat
- Abstract要約: このフレームワークは、周期的サブスケール構造の局所化部分を有限要素を用いてモデル化する「有限要素二乗」(または FE2)法の一般化である。
この枠組みは、織布製のパラシュートキャノピーの超音速インフレーションを含む現実的な火星着陸アプリケーションとして実証され、検証されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A general-purpose computational homogenization framework is proposed for the
nonlinear dynamic analysis of membranes exhibiting complex microscale and/or
mesoscale heterogeneity characterized by in-plane periodicity that cannot be
effectively treated by a conventional method, such as woven fabrics. The
framework is a generalization of the "finite element squared" (or FE2) method
in which a localized portion of the periodic subscale structure is modeled
using finite elements. The numerical solution of displacement driven problems
involving this model can be adapted to the context of membranes by a variant of
the Klinkel-Govindjee method[1] originally proposed for using finite strain,
three-dimensional material models in beam and shell elements. This approach
relies on numerical enforcement of the plane stress constraint and is enabled
by the principle of frame invariance. Computational tractability is achieved by
introducing a regression-based surrogate model informed by a physics-inspired
training regimen in which FE$^2$ is utilized to simulate a variety of numerical
experiments including uniaxial, biaxial and shear straining of a material
coupon. Several alternative surrogate models are evaluated including an
artificial neural network. The framework is demonstrated and validated for a
realistic Mars landing application involving supersonic inflation of a
parachute canopy made of woven fabric.
- Abstract（参考訳）: 織物などの従来の方法では効果的に処理できない平面内周期性によって特徴づけられる複雑なマイクロスケールおよび/またはメソスケールの不均一性を示す膜の非線形動的解析のための汎用計算均質化フレームワークを提案する。
この枠組みは「有限要素二乗」(または FE2) 法の一般化であり、周期的部分スケール構造の局所化部分は有限要素を用いてモデル化される。
このモデルを含む変位駆動問題の数値解は、klinkel-govindjee法(英語版)の変形により膜の文脈に適応することができる[1] ビームおよびシェル要素の有限ひずみ三次元物質モデルを用いて当初提案された。
このアプローチは平面応力制約の数値的な適用に依存し、フレーム不変性の原理によって実現される。
FE$^2$を用いて、材料クーポンの一軸、二軸、せん断ひずみを含む様々な数値実験をシミュレートする物理インスパイアされたトレーニングレギュレーションにより、回帰に基づくサロゲートモデルを導入することにより、計算的トラクタビリティを実現する。
人工ニューラルネットワークを含むいくつかの代替サロゲートモデルを評価する。
この枠組みは、織布製のパラシュートキャノピーの超音速インフレーションを含む現実的な火星着陸アプリケーションとして実証され、検証されている。
関連論文リスト
- Subspace-Constrained Quadratic Matrix Factorization: Algorithm and Applications [1.689629482101155]
多様体学習における課題に対処するために,部分空間制約付き二次行列分解モデルを提案する。
このモデルは、接空間、正規部分空間、二次形式を含む重要な低次元構造を共同で学習するように設計されている。
その結果,本モデルは従来の手法よりも優れており,コア低次元構造を捉える上での頑健さと有効性を強調した。
論文 参考訳（メタデータ） (2024-11-07T13:57:53Z) - Learning Controlled Stochastic Differential Equations [61.82896036131116]
本研究では,非一様拡散を伴う連続多次元非線形微分方程式のドリフト係数と拡散係数の両方を推定する新しい手法を提案する。
我々は、(L2)、(Linfty)の有限サンプル境界や、係数の正則性に適応する学習率を持つリスクメトリクスを含む、強力な理論的保証を提供する。
当社のメソッドはオープンソースPythonライブラリとして利用可能です。
論文 参考訳（メタデータ） (2024-11-04T11:09:58Z) - Discovering Interpretable Physical Models using Symbolic Regression and
Discrete Exterior Calculus [55.2480439325792]
本稿では,記号回帰(SR)と離散指数計算(DEC)を組み合わせて物理モデルの自動発見を行うフレームワークを提案する。
DECは、SRの物理問題への最先端の応用を越えている、場の理論の離散的な類似に対して、ビルディングブロックを提供する。
実験データから連続体物理の3つのモデルを再発見し,本手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-10-10T13:23:05Z) - Simulation-based inference using surjective sequential neural likelihood
estimation [50.24983453990065]
主観的逐次的ニューラルネットワーク類似度推定はシミュレーションに基づく推論の新しい手法である。
データを低次元空間に埋め込むことで、SSNLは高次元データセットに適用する際の従来の可能性ベースの手法が抱えるいくつかの問題を解く。
論文 参考訳（メタデータ） (2023-08-02T10:02:38Z) - Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。
これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文 参考訳（メタデータ） (2023-07-11T16:51:38Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳（メタデータ） (2023-04-08T07:55:36Z) - Multielement polynomial chaos Kriging-based metamodelling for Bayesian
inference of non-smooth systems [0.0]
本稿では,高非線形工学モデルのベイズパラメータ推定のための領域分割に基づく代理モデリング手法を提案する。
開発されたサロゲートモデルは、入力空間の非重複の有限集合上に構築された局所ポリノミアルカオスに基づくクリギングメタモデルの配列を断片的に関数として結合する。
提案手法の有効性と精度は,解析的ベンチマークと数値的ケーススタディを含む2つのケーススタディを通じて検証される。
論文 参考訳（メタデータ） (2022-12-05T13:22:39Z) - AI enhanced finite element multiscale modelling and structural
uncertainty analysis of a functionally graded porous beam [11.994242021813696]
金属発泡体の局所的幾何学的ランダム性は多孔質構造の性能予測に複雑さをもたらす。
本研究では, マルチスケールモデリングと深層学習を組み合わせることで, 発泡特性を効率的に評価するための評価戦略を開発した。
論文 参考訳（メタデータ） (2022-11-02T07:36:24Z) - Convergence of weak-SINDy Surrogate Models [0.0]
本研究では,SINDy法(Sparse Identification of Dynamics)の変種によって生成された代理モデルの詳細な誤差解析を行う。
応用として、弱SINDy surrogate Modelingと適切な分解(POD)を組み合わせて偏微分方程式(PDE)の代理モデルを構築することについて議論する。
論文 参考訳（メタデータ） (2022-09-30T16:33:11Z) - A deep learning driven pseudospectral PCE based FFT homogenization
algorithm for complex microstructures [68.8204255655161]
提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。
提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
論文 参考訳（メタデータ） (2021-10-26T07:02:14Z) - Polyconvex anisotropic hyperelasticity with neural networks [1.7616042687330642]
有限変形に対する凸機械学習に基づくモデルを提案する。
モデルは立方体格子メタマテリアルの非常に困難なシミュレーションデータで校正される。
データアプローチのデータは、機械的な考慮に基づいており、追加の実験やシミュレーション機能を必要としない。
論文 参考訳（メタデータ） (2021-06-20T15:33:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。