A Component-Based Parametric Reduced-Order Modeling Technique and Its Application to Probabilistic Vibration Analysis and Design Optimization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, a component-based parametric reduced-order modeling (PROM) technique for vibration analysis of complex structures is presented, and applications to both structural design optimization and uncertainty analysis are shown. In structural design optimization, design parameters are allowed to vary in the feasible design space. In probabilistic analysis, selected model parameters are assumed to have predefined probability distributions. For both cases, each realization corresponding to a specific set of parameter values could be evaluated accurately based on the exact modes for the system with those parametric values. However, as the number of realizations increases, this approach becomes prohibitively expensive, especially for largescale finite element models. Recently, a PROM method that employs a fixed projection basis was introduced to avoid the eigenanalysis for each variation while retaining good accuracy. The fixed basis is comprised of a combination of selected mode sets of the full model calculated at only a few sampling points in the parameter space. However, the preparation for the basis may still be cumbersome, and the simulation cost and the model size increase rapidly as the number of parameters increases. In this work, a component-based approach is taken to improve the efficiency and effectiveness of the PROM technique. In particular, a component mode synthesis method is employed so that the parameter changes are captured at the substructure level and the analysis procedure is accelerated. Numerical results are presented for two example problems, a design optimization of a pickup truck and a probabilistic analysis of a simple L-shaped plate. It is shown that the new component-based approach significantly improves the efficiency of the PROM technique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle