Stochastic Modeling and identification of material parameters on structures produced by additive manufacturing
Stochastic Modeling and identification of material parameters on structures produced by additive manufacturing
复制标题
增材制造结构材料参数的随机建模和识别
DOI：
10.1016/j.cma.2021.114166
复制
发表时间：
2021
影响因子：
7.2
通讯作者：
Gall, Ken
中科院分区：
文献类型：
--
作者：
Chu, Shanshan;Guilleminot, Johann;Kelly, Cambre;Abar, Bijan;Gall, Ken
提出了一种能够对增材制造生产的复杂结构上的空间相关随机材料参数进行表示、采样和识别的方法。建模组件建立在作者早期作品的基础上，并依赖于两种成分的组合。首先，引入分数阶随机偏微分方程并参数化，以自动捕获增材制造零件的复杂特征。随后引入信息论传输图，旨在确保前向传播问题的适定性。然后讨论了激光粉末床熔融钛支架上随机弹性张量的识别。为此，我们考虑中尺度的各向同性近似，其中波动在多个层上聚合，并通过使用不同组的物理结构实验来解决概率模型的校准和验证。尽管正向图对应用的边界条件、几何参数和结构孔隙率具有很高的敏感性，但事实证明，校准的随机模型可以为所有实验观察生成非消失的概率水平。
A methodology enabling the representation, sampling, and identification of spatially-dependent stochastic material parameters on complex structures produced by additive manufacturing is presented. The modeling component builds upon earlier works by the authors and relies on the combination of two ingredients. First, a fractional stochastic partial differential equation is introduced and parameterized in order to automatically capture the complex features of additively manufactured parts. Information-theoretic transport maps are subsequently introduced with the aim of ensuring well-posedness in the forward propagation problem. The identification of stochastic elasticity tensors on titanium scaffolds produced by laser powder bed fusion is then discussed. To this end, we consider an isotropic approximation at a mesoscale where fluctuations are aggregated over several layers, and address both the calibration and validation of the probabilistic model by using different sets of physical structural experiments. Despite the high sensitivity of the forward map to applied boundary conditions, geometrical parameters, and structural porosity, it is shown that the calibrated stochastic model can generate non-vanishing probability levels for all experimental observations.
登录
查看更多内容
激光粉末床融合模型和模拟中的模型误差和参数不确定性的回顾。
DOI：
--
发表时间：
2019
期刊：
Journal of manufacturing science and engineering
影响因子：
--
作者：
Tesfaye Moges;G. Ameta;P. Witherell
通讯作者：
P. Witherell
各向异性应变能函数的随机场模型及其在血管力学不确定性量化中的应用
影响因子：
7.2
作者：
Staber, B.;Guilleminot, J.
通讯作者：
Guilleminot, J.
具有对称性的随机场的随机模型和生成器：在弹性随机介质细观建模中的应用
DOI：
10.1137/120898346
发表时间：
2013
期刊：
Multiscale Model. Simul.
影响因子：
--
作者：
J. Guilleminot;Christian Soize
通讯作者：
Christian Soize
DOI：
10.1088/1361-651x/ab01bf
发表时间：
2019-01
影响因子：
1.8
作者：
Supriyo Ghosh;M. Mahmoudi;L. Johnson;A. Elwany;R. Arróyave;D. Allaire
通讯作者：
Supriyo Ghosh;M. Mahmoudi;L. Johnson;A. Elwany;R. Arróyave;D. Allaire
影响因子：
4.1
作者：
Chen, Peng;Haberman, Michael R.;Ghattas, Omar
通讯作者：
Ghattas, Omar