We propose to combine the ideas of mass redistribution and component mode synthesis. More specifically, we employ the MacNeal method, which readily leads to a singular mass matrix, and an accordingly modified version of the Craig-Bampton method. Besides obtaining a massless boundary, we achieve a drastic reduction of the mathematical model order in this way compared to the parent finite element model. Contact is modeled using set-valued laws and time stepping is carried out with a semi-explicit scheme. We assess the method's computational performance by a series of benchmarks, including both frictionless and frictional contact. The results indicate that the proposed method achieves excellent energy conservation properties and superior convergence behavior. It reduces the spurious oscillations and decreases the computational effort by about 1-2 orders of magnitude compared to the current state of the art (mass-carrying component mode synthesis method). We believe that the computational performance and favorable energy conservation properties will be valuable for the prediction of vibro-impact processes and physical damping.


翻译:更具体地说,我们建议将质量再分配和组成部分模式合成的概念结合起来。我们采用麦克尼尔方法,该方法很容易导致单一质量矩阵,并相应修改Craig-Bampton方法的版本。我们除了获得无质量边界外,还以这种方式大幅削减数学模型顺序,与母体有限要素模型相比,我们实现了数学模型顺序的大幅削减。联系采用定值法进行模型化,用半透明办法进行时间间隔。我们通过一系列基准,包括无摩擦和摩擦接触,评估该方法的计算性能。结果显示,拟议方法实现了极好的节能特性和超强趋同行为。它比当前艺术状态(载量要素模式合成方法)减少了1-2级的虚假振荡和计算努力。我们认为,计算性能和有利的节能特性对于预测振动影响过程和物理阻断将很有价值。

0
下载
关闭预览

相关内容

【AAAI2022】自适应的随机平滑防御的鲁棒性认证方法
专知会员服务
24+阅读 · 2021年12月27日
专知会员服务
21+阅读 · 2021年9月23日
【DeepMind】强化学习教程,83页ppt
专知会员服务
152+阅读 · 2020年8月7日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
4+阅读 · 2019年5月8日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
4+阅读 · 2019年5月8日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员