For the numerical simulation of time-dependent problems, recent works suggest the use of a time marching scheme based on a tensorial decomposition of the time axis. This time-separated representation is straightforwardly introduced in the framework of the Proper Generalized Decomposition (PGD). The time coordinate is transformed into a multi-dimensional time through new separated coordinates, the micro and the macro times. From a physical viewpoint, the time evolution of all the quantities involved in the problem can be followed along two time scales, the fast one (micro-scale) and the slow one (macro-scale). In this paper, the method is applied to compute the quasi-static response of an elasto-plastic structure under cyclic loadings. The study shows the existence of a physically consistent temporal decomposition in computational cyclic plasticity. Such micro-macro characterization may be particularly appealing in high-cycle loading analyses, such as aging and fatigue, addressed in a future work in progress.


翻译:---- 循环弹塑性问题中的时间多尺度分解 翻译摘要: 对于时变问题的数值模拟,最近的研究建议使用基于时间轴的张量分解的时间 marching 方案。这种时间分离的表示可以轻松地引入到 Proper Generalized Decomposition(PGD)框架中。通过新的分离坐标,即微观时间和宏观时间,时间坐标被转化为多维时间。从物理角度来看,所涉及问题中所有数量的时间演化可以沿着两个时间尺度,即快速尺度(微观尺度)和慢速尺度(宏观尺度),进行跟踪。在本文中,该方法被应用于计算弹塑性结构在循环载荷下的准静态响应。该研究显示出计算循环塑性中的物理一致的时间分解的存在。这种微观-宏观特性在高循环载荷分析中可能尤为有吸引力,例如在进行老化和疲劳方面的工作中,这是一项正在进行的未来工作。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
247+阅读 · 2020年4月19日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4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
【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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5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
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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
0+阅读 · 2012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 · 2009年12月31日
Deep Face Recognition: A Survey
Arxiv
18+阅读 · 2019年2月12日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4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
【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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5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
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014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
0+阅读 · 2012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 · 2009年12月31日
Top
微信扫码咨询专知VIP会员