Mathematical models describing the behavior of viscoelastic materials are often based on evolution equations that measure the change in stress depending on its material parameters such as stiffness, viscosity or relaxation time. In this article, we introduce a Maxwell-based rheological model, define the associated forward operator and the inverse problem in order to determine the number of Maxwell elements and the material parameters of the underlying viscoelastic material. We perform a relaxation experiment by applying a strain to the material and measure the generated stress. Since the measured data varies with the number of Maxwell elements, the forward operator of the underlying inverse problem depends on parts of the solution. By introducing assumptions on the relaxation times, we propose a clustering algorithm to resolve this problem. We provide the calculations that are necessary for the minimization process and conclude with numerical results by investigating unperturbed as well as noisy data. We present different reconstruction approaches based on minimizing a least squares functional. Furthermore, we look at individual stress components to analyze different displacement rates. Finally, we study reconstructions with shortened data sets to obtain assertions on how long experiments have to be performed to identify conclusive material parameters.


翻译:描述粘胶材料行为的数学模型往往基于进化方程式,该方程式根据坚硬度、粘度或放松时间等物质参数衡量压力的变化。在本篇文章中,我们引入了基于Maxwell的热量模型,界定了相关的前方操作员和反向问题,以便确定马克斯韦尔元素的数量和基面粘胶材料的物质参数。我们通过对材料施压来进行放松实验,并测量产生的压力。由于测量的数据与Maxwell元素的数量不同,深层反向问题前方操作员取决于解决方案的某些部分。通过引入对放松时间的假设,我们提出了解决这一问题的组合算法。我们提供了最小化过程所需的计算方法,并通过调查杂乱的数据来得出数字结果。我们提出了不同的重建方法,其基础是尽量减少最小的方形功能。此外,我们通过个人压力组件来分析不同的迁移率。最后,我们研究利用缩短的数据集来进行重建,以获得关于为确定最终材料参数而必须进行多久的预测。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
44+阅读 · 2020年10月31日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年4月19日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关资讯
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7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
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16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