Multiscale techniques have been widely shown to potentially overcome the limitation of homogenization schemes in representing the microscopic failure mechanisms in heterogeneous media as well as their influence on their structural response at the macroscopic level. Such techniques allow the use of fully detailed models to be avoided, thus resulting in a notable decrease in the overall computational cost at fixed numerical accuracy compared to the so-called direct numerical simulations. In the present work, two different multiscale modeling approaches are presented for the analysis of microstructural instability-induced failure in locally periodic fiber-reinforced composite materials subjected to general loading conditions involving large deformations. The first approach, which is of a semi-concurrent kind, consists in the on-the-fly derivation of the macroscopic constitutive response of the composite structure together with its microscopic stability properties through a two-way computational homogenization scheme. The latter one is a novel hybrid hierarchical-concurrent multiscale approach relying on a two-level domain decomposition scheme used in conjunction with a nonlinear homogenization scheme performed at the preprocessing stage. Both multiscale approaches have been suitably validated through comparisons with reference direct numerical simulations, by which the ability of the latter approach in capturing boundary layer effects has been demonstrated.


翻译:广泛展示了多种技术,以克服在代表不同媒体的微显性失败机制及其对宏观一级结构性反应的影响方面,在代表不同媒体的微显性失败机制方面对同质性办法的局限性,以及这些技术对其在宏观一级的结构反应的影响,这些技术使得可以避免使用完全详细的模型,从而通过双向计算同质化办法,使按固定数字精确度计算的总计算成本与所谓的直接数字模拟相比显著下降;在目前的工作中,提出了两种不同的多尺度模型方法,用于分析当地定期定期纤维合成材料中因结构不稳定性导致的微结构结构性不稳定性失灵而导致的当地定期纤维合成材料,这些材料须受涉及大型变形的一般加载条件的影响;第一种方法是一种半同流型方法,即半流式方法,包括综合结构的宏观成构件反应以及其微分层稳定特性,通过双向计算同质制办法,在使用与前处理阶段的非线性同化计划一起使用的两级域分解系统,这两种多尺度办法均包括综合结构的实时比较能力,在后一种比较中,在模拟中,在模拟后一级对边界一级作了正确验证。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
专知会员服务
52+阅读 · 2020年11月3日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
一份循环神经网络RNNs简明教程,37页ppt
专知会员服务
172+阅读 · 2020年5月6日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
已删除
将门创投
7+阅读 · 2019年10月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
LibRec 精选:基于参数共享的CNN-RNN混合模型
LibRec智能推荐
6+阅读 · 2019年3月7日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年12月8日
Arxiv
0+阅读 · 2021年12月7日
Arxiv
0+阅读 · 2021年12月6日
VIP会员
相关资讯
已删除
将门创投
7+阅读 · 2019年10月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
LibRec 精选:基于参数共享的CNN-RNN混合模型
LibRec智能推荐
6+阅读 · 2019年3月7日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2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
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员