Benutzer: Gast  Login
Originaltitel:
A modular multi-fidelity scheme combining data-driven reduced order models for structural analysis under uncertainty
Übersetzter Titel:
Eine modulare Algorithmusarchitektur basierend auf daten-gestützen Modell Reduktions Methoden für Strukturanalysen unter Unsicherheit
Autor:
Czech, Catharina Julia Frederike
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Professur für Computational Mechanics (Prof. Duddeck)
Betreuer:
Duddeck, Fabian (Prof. Dr. habil.)
Gutachter:
Duddeck, Fabian (Prof. Dr. habil.); Hewson, Rob (Prof. Dr.); Ortega, Joaquín Alberto Hernández (Assoc. Prof. Dr.)
Sprache:
en
Fachgebiet:
MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik
Stichworte:
computational mechanics; model order reduction; optimizatio; multi-fidelity;
TU-Systematik:
BAU 005
Kurzfassung:
In computational mechanics, the impact of uncertain phenomena is commonly evaluated by probabilistic techniques inducing iterative procedures. However, the repetitive evaluation of nonlinear Finite Element analysis poses high computational costs. This thesis proposes a multi-fidelity scheme exploiting projection-based Model Order Reduction techniques for structural analysis to reduce the computational burden. The key feature is the intertwining of intrusive and non-intrusive reduction methods ta...     »
Übersetzte Kurzfassung:
In der Strukturmechanik wird der Einfluss von Zufallsphänomenen meist mit iterative Verfahren aus der Probabilistik bewertet. Allerdings führt die wiederholte Analyse von nicht-linear Finite Elemente Modellen zu hohen Rechenzeiten. In dieser Arbeit schlagen wir ein ‘multi-fidelity‘ Schema vor, das zwei projektionsbasierte Reduktionsmethoden kombiniert. Die Verflechtung intrusiver und nicht-intrusiver Reduktionsmethoden charakterisiert unsere neuartige Algorithmusarchitektur, die auf Analysen und...     »
WWW:
https://mediatum.ub.tum.de/?id=1720447
Eingereicht am:
20.09.2023
Mündliche Prüfung:
09.02.2024
Dateigröße:
7103421 bytes
Seiten:
159
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240209-1720447-1-3
Letzte Änderung:
15.03.2024
 BibTeX