Shift-Independent Model Reduction of Large-Scale Second-Order Mechanical Structures
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
Nonmodal model order reduction (MOR) techniques present accurate and efficient ways to approximate input–output behavior of large-scale mechanical structures. In this regard, Krylov-based model reduction techniques for second-order mechanical structures are typically known to require a priori knowledge of the original system parameters, such as expansion points (or eigenfrequencies). The calculation of the eigenfrequencies of the original finite-element (FE) model can be significantly time-consuming for large-scale structures. Existing iterative rational Krylov algorithm (IRKA) addresses this issue by iteratively updating the expansion points for first-order formulations until convergence criteria are achieved. Motivated by preserving the model properties of second-order systems, this paper extends the IRKA method to second-order formulations, typically encountered in mechanical structures. The proposed second-order IRKA method is implemented on a large-scale system as an example and compared with the standard Krylov and Craig-Bampton reduction techniques. The results show that the second-order IRKA method provides tangibly reduced error for a multi-input-multi-output (MIMO) mechanical structure compared to the Craig-Bampton. In addition, unlike the standard Krylov methods, the second-order IRKA does not require the information on expansion points, which eliminates the need to perform a modal analysis on the original structure. This can be especially advantageous for large-scale systems where calculations of the eigenfrequencies of the original structure can be computationally expensive. For such large-scale systems, the proposed MOR technique can lead to significant reductions of the computational time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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