Μέθοδοι βέλτιστης μοντελοποίησης μηχανικών συστημάτων με γραμμικά και μη γραμμικά χαρακτηριστικά με χρήση αριθμητικών και πειραματικών μεθόδων
Περίληψη
Ήδη, τα εμπορικά λογισμικά ανάλυσης πεπερασμένων στοιχείων (FEA) χρησιμοποιούν αποκλειστικά μεθόδους παραγώγων (gradient-based) για προβλήματα δομικής βελτιστοποίησης και ενημέρωσης μοντέλων πεπερασμένων στοιχείων (FE). Παρόλο υπολογιστικά ταχείς, η ανεπαρκής αξιοπιστία αυτών των αλγορίθμων αποδίδεται σε αμφιβολία σύγκλισης προς το ολικό ακρότατο. Επιπλέον, επαναληπτικές τεχνικές απαλλαγμένες παραγώγων δια- τίθενται επίσης τόσο σε εμπορικές όσο και σε ελεύθερες μαθηματικές πλατφόρμες, με το μειονέκτημα της αδυναμίας παραλληλοποίησης και της απαραίτητης μείωσης του μοντέλου FE ή της επέκτασης πειραματικών δεδομένων. ́Ετσι, η Στρατηγική Εξέλιξης Προσαρμογής Πίνακα Συνδιακύμανσης Covariance Matrix Adaption Evolution (CMA-ES), ένας σύγχρονος, απαλλαγμένος παραγώγων, μη παρεμβατικός, στοχαστικός αριθμητικός αλγόριθμος βελτιστοποίησης καθώς επίσης και ο αλγόριθμος δειγματοληψίας Transitional Markov Chain Monte Carlo (TMCMC) συζευγμένοι με εμπορικούς επιλυτές FEA τύπου NASTRAN, χρησιμοποιούντ ...
περισσότερα
Περίληψη σε άλλη γλώσσα
Currently, commercial finite element analysis (FEA) solvers are only using gradient-based methods for structural optimization and finite element (FE) model updating problems. Although, computationally cheap, poor reliability of these line search algorithms, is attributed to dubiety of convergence to the global optimum by entrapment in a local extremum. Moreover, iterative gradient-free techniques are also available in both commercial and free numerical computing environments, on the disadvantage of parallelization inability and indispensable FE model reduction or data expansion, that contribute to insufficient accuracy. Thus, Covariance Matrix Adaptation Evolution Strategy (CMA- ES), a state-of-the-art, non-gradient, non-intrusive, stochastic numerical optimization algorithm and Transitional Markov Chain Monte Carlo (TMCMC) sampling algorithm coupled to commercial NASTRAN format FEA solvers, are utilized in a Computational Framework for model updating, uncertainty quantification and mo ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (56.04 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.