Automating XFEM Modeling Process for Optimal Failure Predictions
Notice bibliographique
Résumé
The eXtended Finite Element Method (XFEM) is a versatile method for solving crack propagation problems. Meanwhile, XFEM predictions for crack onset and propagation rely on the stress field which tends to converge at a slower rate than that of displacements, making it challenging to capture critical load at crack onset accurately. Furthermore, identifying the critical region(s) for XFEM nodal enrichments is user-dependent. The identification process can be straightforward for small-scale test specimen while in other cases such as complex structures it can be unmanageable. In this work a novel approach is proposed with three major objectives; (1) alleviate user-dependency; (2) enhance predictions accuracy; (3) minimize computational effort. An automatic critical region(s) identification based on material selected failure criterion is developed. Moreover, the approach enables the selection of optimized mesh necessary for accurate prediction of failure loads at crack initiation. Also, optimal enrichment zone size determination is automated. The proposed approach was developed as an iterative algorithm and implemented in ABAQUS using Python scripting. The proposed algorithm was validated against our test data of unnotched specimens and relevant test data from the literature. The results of the predicted loads/displacements at failure are in excellent agreement with measurements. Crack onset locations were in very good agreement with observations from testing. Finally, the proposed algorithm has shown a significant enhancement in the overall computational efficiency compared to the conventional XFEM. The proposed algorithm can be easily implemented into user-built or commercial finite element codes.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».