Efficient basis updating for parametric nonlinear model order reduction
Efficient basis updating for parametric nonlinear model order reduction
复制标题
参数非线性模型降阶的高效基础更新
DOI：
10.1002/pamm.201800075
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
D. Rixen
中科院分区：
文献类型：
--
作者：
C. H. Meyer;C. Lerch;M. Karamooz Mahdiabadi;D. Rixen
非线性模型降阶用于大挠度结构振动分析的有限元模型的数值求解。在考虑参数化模型并且必须多次求解输出的高维微分方程的设计和优化应用中，这种速度是非常需要的。第一步是通过一些基向量的线性组合来近似解向量，即节点的位移。这些基向量的一个常见选择是振动模式和静态模态导数的组合。然而，这些向量取决于参数化系统的参数值。该贡献展示了如何以有效的方式更新这些基向量。振动模态的更新由逆自由预处理Krylov子空间方法，而静态导数的更新由预处理共轭梯度求解器。与参数梁的案例研究给出了第一次洞察所提出的方法的性能。
Nonlinear model reduction is used to speed up the numerical solution of finite element models for vibration analysis of structures undergoing large deflections. This speed up is highly desired in design and optimization applications where parametric models are considered and the outcoming high‐dimensional differential equation must be solved multiple times. A first step is to approximate the solution vector i.e. the displacements of the nodes by a linear combination of some basis vectors. One common choice for these basis vectors is a combination of vibration modes and static modal derivatives. However, these vectors depend on parameter values of the parameterized system. This contribution shows how these basis vectors can be updated in an efficient manner. The vibration modes are updated by an inverse free preconditioned Krylov subspace method while the static derivatives are updated by a preconditioned conjugate gradient solver. A case study with a parametric beam gives a first insight into the performance of the proposed method.
参数非线性机械系统的模型降阶：最新技术和未来研究
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
C. H. Meyer;C. Lerch;B. Lohmann;D. Rixen
通讯作者：
D. Rixen