The use of nonlinear projection matrix in co-rotational (CR) analysis was pioneered by Rankin and Nour-Omid in 1990s (Computers & Structures, 30 (1988) 257-267; Comput. Methods Appl. Mech. Engrg., 93 (1991) 353-384), and has almost became a standard manner for CR formulations deduction over the past thirty years. This matrix however relies heavily on a hysterical and sophisticated derivation of the variation of the local displacements to the global ones, leading to complicated expressions for the internal force vector and the tangent stiffness matrix, which may devalue the simplicity and convenience for the original intention of using CR approach. This paper begins by making a discussion on existing element independent CR formulation and the objective is to develop a new and simple framework for general CR analysis that avoids using conventional nonlinear projection matrix. Multiple numerical examples involving various kinds of elements and different choices of element local CR frame are presented to demonstrate the performance of the proposed framework. The outcomes show that for all the examples the accuracy of the results are comparable with those obtained in conjunction with conventional nonlinear projection matrix.


翻译:1990年代,Rankin和Nour-Omid(Computers & Artiums, 30(1988) 257-267;Computuut.方法Appl. Mech. Engrg.,93(1991) 353-384)率先采用非线性投影矩阵,这几乎成为过去三十年来计算CR配方的标准方式。然而,这一矩阵在很大程度上依赖于对当地迁移到全球迁移的变异的歇斯底里和复杂的推断结果,导致内部力量矢量和正向性粘度矩阵的表达方式复杂,这可能贬低使用CRR方法的最初意图的简单性和方便性。本文件首先讨论的是现有的独立CRR制式要素,目标是为总的CR制式分析制定一个新的和简单的框架,避免使用传统的非线性投影矩阵。提出了涉及各种要素和当地CRF框架不同选择的多个数字实例,以证明拟议框架的绩效。结果表明,所有例子中,结果的准确性都与与与常规非线性投影制的矩阵相近。

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
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
深度学习搜索,Exploring Deep Learning for Search
专知会员服务
57+阅读 · 2020年5月9日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年6月1日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
9+阅读 · 2018年3月10日
VIP会员
相关VIP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
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
深度学习搜索,Exploring Deep Learning for Search
专知会员服务
57+阅读 · 2020年5月9日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8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