Concurrent multiscale damage models are often used to quantify the impacts of manufacturing-induced micro porosity on the damage response of macroscopic metallic components. However, these models are challenged by major numerical issues including mesh dependency, convergence difficulty, and low accuracy in concentration regions. We make two contributions that collectively aim to address these difficulties. Firstly, we develop a novel adaptive assembly free impl-exp (AAF-IE) temporal integration scheme for nonlinear constitutive models. This scheme prevents the convergence issues that arise when implicit algorithms are employed to model softening. Our AAF-IE scheme autonomously adjusts step sizes to capture intricate history dependent deformations. It also dispenses with reassembling the stiffness matrices amid runtime for elasto-plasticity and damage models which, in turn, dramatically reduces memory footprints. Secondly, we propose an adaptive clustering-based domain decomposition strategy to dramatically reduce the spatial degrees of freedom by agglomerating close-by finite element nodes into a limited number of clusters. Our adaptive clustering scheme has static and dynamic stages that are carried out during offline and online analyses, respectively. The adaptive strategy determines the cluster density based on spatial discontinuity and controls adaptive clusters via field estimations. As demonstrated by numerical experiments the proposed adaptive method strikes a good balance between efficiency and accuracy for fracture simulations. In particular, we use our efficient concurrent multiscale model to quantify the significance of spatially varying microscopic porosity on a macrostructural softening behavior.


翻译:多尺度同时损害模型往往被用来量化制造业引起的微孔隙对大型金属成分损害反应的影响。然而,这些模型受到主要数字问题的挑战,包括网状依赖性、趋同困难和集中区域的精确度低。我们作出两项贡献,共同解决这些困难。首先,我们为非线性组成模型开发了一个新的适应性组装自成一体(AAAF-IE)时间分解(AAAF-IE)时间集成计划。这个计划防止了在使用隐含的软缩算法进行模型软化时产生的趋同问题。我们的AAAF-IE计划自动调整步骤大小,以捕捉到复杂的历史变形体。这些模型还包含重装硬度矩阵在加速性适应性和损害模型的运行时间中间,这反过来会大大降低记忆力足迹。第二,我们提出一个基于适应性聚群集的域分解策略,通过将接近的软缩要素节点组合成数量有限的组合体来大幅降低自由的空间度。我们的适应性组合计划有固定和动态的阶段,在离线性和在线和在线分析中进行复杂的变形变形变形变形变形变形分析期间进行。 调整策略战略在调整的弹性分析中,以调整性变形变形的精确度分析中,以不断调整性分析,以不断调整的精确度分析,以调整性变形变形变形变形变形变形的精确性分析,以演制制的机制方法,以调整性分析,以演制制成的机序式制成的机型制成的机序式制成型制制成。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
25+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年2月7日
VIP会员
相关资讯
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium2
中国图象图形学学会CSIG
0+阅读 · 2021年11月8日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
25+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【推荐】ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
机器学习研究会
20+阅读 · 2017年12月17日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员