In this paper, we take a fresh look at using spectral analysis for assessing locking phenomena in finite element formulations. We propose to "measure" locking by comparing the difference between eigenvalue and mode error curves computed on coarse meshes with "asymptotic" error curves computed on "overkill" meshes, both plotted with respect to the normalized mode number. To demonstrate the intimate relation between membrane locking and spectral accuracy, we focus on the example of a circular ring discretized with isogeometric curved Euler-Bernoulli beam elements. We show that the transverse-displacement-dominating modes are locking-prone, while the circumferential-displacement-dominating modes are naturally locking-free. We use eigenvalue and mode errors to assess five isogeometric finite element formulations in terms of their locking-related efficiency: the displacement-based formulation with full and reduced integration and three locking-free formulations based on the B-bar, discrete strain gap and Hellinger-Reissner methods. Our study shows that spectral analysis uncovers locking-related effects across the spectrum of eigenvalues and eigenmodes, rigorously characterizing membrane locking in the displacement-based formulation and unlocking in the locking-free formulations.


翻译:在本文中,我们重新审视了使用光谱分析来评估有限元素配方中锁定现象的光谱分析。 我们建议“ 测量”, 将粗粗的杂草上计算出的超精值和模式差错曲线与“ 超精度” 介质计算出的“ 超精度” 误差曲线的差别进行比较。 我们用树脂值和模式差错来评估五种与固定模式有关的等离子质定质元素配方。 为了表明膜锁定和光谱精确度之间的密切关系, 我们侧重于一个环环环与异构形分解的例子。 我们显示,跨偏转变变变偏差偏差和模式差的曲线曲线曲线曲线差是容易锁定的, 而环绕变差- 偏差- 偏差- 偏差- 偏差模式是自然无锁的。 我们用树皮值和模式差来评估五种与锁定相关效率有关的等离子测量定质定质定质定质定质元素配方 : 基于完全和减少整合的离位配方, 以及基于B- bar- strept- strept- strain- strain- regle- regle- regle- regle- regle- regal- laction- slviewdal- disl- sl- sl- sl- laction- slviewdal- sal- sal- sal- sal- resmal- sal- sal- sal- 分析

0
下载
关闭预览

相关内容

【图与几何深度学习】Graph and geometric deep learning,49页ppt
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
已删除
清华大学研究生教育
3+阅读 · 2018年6月30日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
4+阅读 · 2018年1月15日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
已删除
清华大学研究生教育
3+阅读 · 2018年6月30日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6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