Data-driven computing in dynamics
Data-driven computing in dynamics
复制标题
DOI：
10.1002/nme.5716
复制
发表时间：
2018-03-16
影响因子：
2.9
通讯作者：
Ortiz, M.
中科院分区：
文献类型：
--
作者：
Kirchdoerfer, T.;Ortiz, M.
我们为距离最小化和熵最大化方案制定了数据驱动计算的扩展，以纳入时间积分。先前的工作侧重于在存在静态平衡约束的情况下制定这两种类型的求解器。在此，公式根据到解的距离以及最大熵加权为数据点分配可变相关性，距离最小化方案作为一种特殊情况进行讨论。由此产生的方案包括在相空间上对适当定义的自由能进行最小化，同时满足相容性和时间离散的动量守恒约束。我们给出了选定的数值测试，这些测试确定了这两种数据驱动求解器和解决方案的收敛特性。
We formulate extensions to data-riven computing for both distance-minimizing and entropy-maximizing schemes to incorporate time integration. Previous works focused on formulating both types of solvers in the presence of static equilibrium constraints. Here, formulations assign data points to a variable relevance depending on distance to the solution and on maximum-entropy weighting, with distance-minimizing schemes discussed as a special case. The resulting schemes consist of the minimization of a suitably defined free energy over phase space subject to compatibility and a time-discretized momentum conservation constraint. We present selected numerical tests that establish the convergence properties of both types of data-driven solvers and solutions.