11 |
Balanced truncation model reduction for linear time-varying systemsLang, Norman, Saak, Jens, Stykel, Tatjana January 2015 (has links)
A practical procedure based on implicit time integration methods applied to the differential Lyapunov equations arising in the square root balanced truncation method is presented. The application of high order time integrators results in indefinite right-hand sides of the algebraic Lyapunov equations that have to be solved within every time step. Therefore, classical methods exploiting the inherent low-rank structure often observed for practical applications end up in complex data and arithmetic. Avoiding the additional effort treating complex quantities, a symmetric indefinite factorization of both the right-hand side and the solution of the differential Lyapunov equations is applied.:1 Introduction
2 Balanced truncation for LTV systems
3 Solving differential Lyapunov equations
4 Solving the reduced-order system
5 Numerical experiments
6 Conclusion
|
12 |
XAI-assisted Radio Resource Management: Feature selection and SHAP enhancement / XAI-assisterad radio-resursallokering: Feature selection och förbättring av SHAPSibuet Ruiz, Nicolás January 2022 (has links)
With the fast development of radio technologies, wireless systems have become more convoluted. This complexity, accompanied by an increase of the number of connections, is translated into a need for more parameters to analyse and decisions to take at each instant. AI comes into play by automating these processes, particularly with Deep Learning techniques, that often show the best accuracy. However, the high performance by these methods also comes with the drawback of behaving like a black box from the view of a human. To this end, eXplainable AI serves as a technique to better understand the decision process of these algorithms. This thesis proposes an eXplainable AI framework to be used on Reinforcement Learning agents, particularly within the use case of antenna resource adaptation for network energy reduction. The framework puts a special emphasis on model adaptation/reduction, therefore focusing on feature importance techniques. The proposed framework presents a pre-model block using Concrete Autoencoders for feature reduction and a post-model block using self-supervised learning to estimate feature importance. Both of these can be used alone or in combination with DeepSHAP, in order to mitigate some of this popular method’s drawbacks. The explanations provided by the pipeline prove useful in order to reduce model complexity without loss of accuracy and to understand the usage of the input features by the AI model. / Med den snabba utvecklingen av radioteknologier har trådlösa system blivit alltmer invecklade. Denna komplexitet, kombinerat med en ökning av antalet anslutningar, innebär att fler parametrar behöver analyseras, och fler beslut behöver fattas vid varje ögonblick. AI kommer in i bilden genom att automatisera dessa processer, särskilt med Deep Learning-tekniker, som ofta uppvisar bäst noggrannhet. Men den höga prestandan med dessa metoder kommer också med nackdelen att tekniken beter sig som en svart låda från en människas synvinkel. Förklarlig AI fungerar därför som en teknik för att bättre förstå beslutet som fattas av dessa algoritmer. Denna avhandling föreslår ett förklarligt AI-ramverk som ska användas inom förstärkningsinlärning, särskilt inom användningsfallet med antenn-resursanpassning för energireduktion i trådlösa nätverk. Det föreslagna ramverket sätter en särskild tonvikt på modellanpassning/modellreduktion. Ramverket innehåller ett förmodellblock som använder Concrete Autoencoders för Feature Reduction och ett post-modellblock som använder självövervakad inlärning för att uppskatta Feature Importance. Båda dessa kan användas ensamt eller i kombination med DeepSHAP, för att lindra några av denna populära metods nackdelar. Feature Importance-uppskattningarna från ramverket visar sig vara användbara för att minska modellkomplexitet utan förlust av noggrannhet och för att förstå användningen av Input Features av AI-modellen.
|
13 |
Modellreduktion und Substrukturtechnik am Beispiel von modularen Schalentragwerken aus ultrahochfestem BetonZhou, Lei, Simon, Jaan, Reese, Stefanie 21 July 2022 (has links)
Schalentragwerke sind aufgrund ihres vorteilhaften Lastabtragverhaltens im Membranzustand sehr geeignet für die Herstellung leichter Tragwerke. Der Schwerpunkt dieses Projekts liegt auf der Entwicklung einer geeigneten numerischen Methode, um möglichst effizient statische und dynamische Berechnungen durchzuführen und damit den Entwurf zu erleichtern. Für Entwurf und Analyse wird eine neuartige Kombination von Substrukturtechnik und Modellreduktion eingesetzt, um den notwendigen Rechenaufwand zu minimieren. [Aus: Einleitung] / Shell structures are very suitable for the construction of lightweight structures, especially because of the load bearing behaviour in the membrane state. Based on this concept, the main focus of this project is to develop suitable numerical methods to carry out the static and dynamic analysis efficiently, with the target of simplifying the design. For the design and analysis, a new methodology has been developed which couples substructuring and model order reduction. This allows to reduce the degrees of freedom of the system as well as the computational ef ort signif cantly. [Off: Introduction]
|
14 |
Numerical Methods for Model Reduction of Time-Varying Descriptor SystemsHossain, Mohammad Sahadet 07 September 2011 (has links)
This dissertation concerns the model reduction of linear periodic descriptor systems both in continuous and discrete-time case. In this dissertation, mainly the projection based approaches are considered for model order reduction of linear periodic time varying descriptor systems. Krylov based projection method is used for large continuous-time periodic descriptor systems and balancing based projection technique is applied to large sparse discrete-time periodic descriptor systems to generate the reduce systems.
For very large dimensional state space systems, both the techniques produce large dimensional solutions. Hence, a recycling technique is used in Krylov based projection methods which helps to compute low rank solutions of the state space systems and also accelerate the computational convergence. The outline of the proposed model order reduction procedure is given with more details. The accuracy and suitability of the proposed method is demonstrated through different examples of different orders.
Model reduction techniques based on balance truncation require to solve matrix equations. For periodic time-varying descriptor systems, these matrix equations are projected generalized periodic Lyapunov equations and the solutions are also time-varying. The cyclic lifted representation of the periodic time-varying descriptor systems is considered in this dissertation and the resulting lifted projected Lyapunov equations are solved to achieve the periodic reachability and observability Gramians of the original periodic systems. The main advantage of this solution technique is that the cyclic structures of projected Lyapunov equations can handle the time-varying dimensions as well as the singularity of the period matrix pairs very easily. One can also exploit the theory of time-invariant systems for the control of periodic ones, provided that the results achieved can be easily re-interpreted in the periodic framework.
Since the dimension of cyclic lifted system becomes very high for large dimensional periodic systems, one needs to solve the very large scale periodic Lyapunov equations which also generate very large dimensional solutions. Hence iterative techniques, which are the generalization and modification of alternating directions implicit (ADI) method and generalized Smith method, are implemented to obtain low rank Cholesky factors of the solutions of the periodic Lyapunov equations. Also the application of the solvers in balancing-based model reduction of discrete-time periodic descriptor systems is discussed. Numerical results are given to illustrate the effciency and accuracy of the proposed methods.
|
15 |
Model Reduction for Piezo-Mechanical Systems using Balanced TruncationUddin, Mohammad Monir 29 April 2011 (has links)
Today in the scientific and technological world, physical and artificial processes are often described by mathematical models which can be used for simulation, optimization or control. As the mathematical models get more detailed and different coupling effects are required to include, usually the dimension of these models become very large. Such large-scale systems lead to large memory requirements and computational complexity. To handle these large models efficiently in simulation, control or optimization model order reduction (MOR) is essential. The fundamental idea of model order reduction is to approximate a large-scale model by a reduced model of lower state space dimension that has the same (to the largest possible extent) input-output behavior as the original system. Recently, the system-theoretic method Balanced Truncation (BT) which was believed to be applicable only to moderately sized problems, has been adapted to really large-scale problems. Moreover, it also has been extended to so-called descriptor systems, i.e., systems whose dynamics obey differential-algebraic equations. In this thesis, a BT algorithm is developed for MOR of index-1 descriptor systems based on several papers from the literature. It is then applied to the setting of a piezo-mechanical system. The algorithm is verified by real-world data describing micro-mechanical piezo-actuators. The whole algorithm works for sparse descriptor form of the system. The piezo-mechanical original system is a second order index-1 descriptor system, where mass, damping, stiffness, input and output matrices are highly sparse. Several techniques are introduced to reduce the system into a first order index-1 descriptor system by preserving the sparsity pattern of the original models. Several numerical experiments are used to illustrate the efficiency of the algorithm.
|
16 |
Model Order Reduction in Structural Mechanics / Coupling the Rigid and Elastic Multi Body DynamicsKoutsovasilis, Panagiotis 06 October 2009 (has links) (PDF)
Gegenstand dieser Arbeit ist die Forschungsdisziplin, welche in der Strukturmechanik als Modellordnungsreduktion bekannt ist. Im Mittelpunkt stehen Kopplungsprozesse von starren und elastischen
Mehrkörpersystemen - sowohl in theoretischer Hinsicht als auch bezüglich der praktischen Realisation im Rahmen des Finite-Elemente-Programms ANSYS und des Mehrkörpersimulationsprogramms SIMPACK. Eine Vielfalt von strukturerhaltendenMOR-Methoden wurde zum Zwecke des Überblicks dargestellt. Darüber hinaus findet sich eine Kategorisierungsmethodik in Hinsicht auf den später beschriebenen FEM-MKS-Kopplungsprozess.
Die Effizienz der MOR-Methoden wird sowohl hinsichtlich der Qualität der ROM als auch bezogen auf die hierfür benötigte Rechenzeit bemessen. Aus diesem Grunde wurden etliche MOR Schemata dargelegt, mit dem Ziel, den Effizienzfaktor während der Berechnung eines ROMs zu maximieren, das heißt maximale Qualität und minimale Rechenzeit zu erzielen. Die Validierung der dynamischen ROM-Eigenschaften basiert auf der Anwendung der sogenannten Modellkorrelationskriterien. Dies wurde an vier Anwendungsbeispielen aus dem Feld der Strukturmechanik getestet: der 3D-Balkenstruktur, der UIC60-Schiene, dem Pleuel und der Kurbelwelle.
Die Anwendung der diagonal perturbation-Methodik verbessert die Kondition der Steifigkeitsmatrix eines Modells, von beiden Arten von Lösungsprozeduren, d.h. direkte und iterative Verfahren, betroffen sind. Die dynamische Bewegung mechanischer MKS wird als ein Index-3-DAE-Systemformuliert und die Information über die elastischen Körper wird in Form der sogenannten Standard Input Datei in einen MKS-Code transferriert. Die Einführung des Back-projection-Ansatzes ermöglicht
die weitere Verwendung bestimmter ROM-Typen, derren assoziierten physikalische Eigenschaften unangemessen definiert wurden.
Zum Abschluss werden die theoretischen, modellierenden und numerischen Fortschritte der Arbeit resümiert und kombiniert im Sinne der Model Order Reduction Package Toolbox (MORPACK). Die Matlab-basierte MORPACK-Toolbox ermöglicht den FEM-MKS-Kopplungsprozess für die Verwendung
von ANSYS und SIMPACK. Hierin sind ein Großteil der zuvor erläuterten Erweiterungen eingeschlossen. Mit Hilfe der zwei integrierten inneren MOR- und SID-Schnittstellen als auch der vier Anwendungsebenen wird der Import von freien oder eingespannten ROM in SIMPACK ermöglicht. / The research discipline referred to as the Model Order Reduction in structural mechanics is the topic of this Thesis. Special emphasis is given to the coupling process of rigid and elastic Multi Body Dynamics in terms of both the theoretical aspects and the practical realization within the environment of the commercial Finite Element and the Multi Body Systems software packages, ANSYS and SIMPACK respectively.
In this regard, a variety of structure preserving Model Order Reduction methods is presented and a categorization methodology is provided in view of the later FEM-MBS coupling process. The algorithmic scheme of several of the MOR methods indicates the capability of generating qualitatively better Reduced Order Models than the standardized Guyan and Component Mode Synthesis approaches.
The efficiency of a MOR method is measured in terms of both the quality of the ROM and the associated time required for the .computation
Based on the application of the, so called, Model Correlation Criteria the efficiency of the MOR schemes is tested on four application examples originating from the area of structural mechanics, i.e. the 3D elastic solid bar structure, the UIC60 elastic rail, the elastic piston rod, and the elastic crankshaft model. Herewith, the superiority of alternative MOR schemes in comparison to Guyan or CMS methods is demonstrated in terms of the ROM?s quality and the computation time by the use of either the one-step or the two-step MOR algorithms.
Numerous of the FE discretized structures suffer from the, so called, ill-conditioned properties regarding the associated stiffness matrix.
On one hand, the direct solution of a MOR method might produce erroneous ROMs due to the associated truncation phenomenon and on the other hand, any kind of iterative approach suffers from vast computation times. The application of the diagonal perturbation methodology improves the condition properties of the model?s stiffness matrix and thus, both kinds of the aforementioned solution procedures are affected.
The back-projection approach is introduced, which projects the ROM belonging to the Non physical subspace reduction-expansion methods category back onto the physical configuration space and thus, enabling its further usage in a MBS code, e.g. SIMPACK.
Finally, the theoretical, modelling, and numerical advancements are combined in terms of the Model Order Reduction Package. The Matlab-based MORPACK toolbox enables the FEM-MBS coupling process for the ANSYS-SIMPACK utilization and herewith, several of the aforementioned enhancements are included. With the help of the two integrated inner interfaces, i.e. MOR and SID, as well as four application levels, the import into SIMPACK of alternatively free or fixed ROMs is enabled. The functionality of MORPACK is demonstrated based on two application examples, namely, the 3D elastic solid bar and the UIC60 elastic rail, the dynamic properties of which are validated prior to their import into SIMPACK.
|
17 |
Entwurf einer fehlerüberwachten Modellreduktion basierend auf Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Modell / Implementation of an error-controlled model reduction based on Krylov-subspace methods and application to a mechanical modelBernstein, David 17 October 2014 (has links) (PDF)
Die FEM-MKS-Kopplung erfordert Modellordnungsreduktions-Verfahren, die mit kleiner reduzierter Systemdimension das Übertragungsverhalten mechanischer Strukturen abbilden. Rationale Krylov-Unterraum-Verfahren, basierend auf dem Arnoldi-Algorithmen, ermöglichen solche Abbildungen in frei wählbaren, breiten Frequenzbereichen. Ziel ist der Entwurf einer fehlerüberwachten Modelreduktion auf Basis von Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Model.
Auf Grundlage der Software MORPACK wird eine Arnoldi-Funktion erster Ordnung um interpolativen Startvektor, Eliminierung der Starrkörperbewegung und Reorthogonalisierung erweitert. Diese Operationen beinhaltend, wird ein rationales, interpolatives SOAR-Verfahren entwickelt. Ein rationales Block-SOAR-Verfahren erweist sich im Vergleich als unterlegen. Es wird interpolative Gleichwichtung verwendet. Das Arnoldi-Verfahren zeichnet kleiner Berechnungsaufwand aus. Das rationale, interpolative SOAR liefert kleinere reduzierte Systemdimensionen für gleichen abgebildeten Frequenzbereich. Die Funktionen werden auf Rahmen-, Getriebegehäuse- und Treibsatzwellen-Modelle angewendet.
Zur Fehlerbewertung wird eigenfrequenzbasiert ein H2-Integrationsbereich festgelegt und der übertragungsfunktionsbasierte, relative H2-Fehler berechnet.
Es werden zur Lösung linearer Gleichungssysteme mit Matlab entsprechende Löser-Funktionen, auf Permutation und Faktorisierung basierend, implementiert. / FEM-MKS-coupling requires model order reduction methods to simulate the frequency response of mechanical structures using a smaller reduced representation of the original system. Most of the rational Krylov-subspace methods are based on Arnoldi-algorithms. They allow to represent the frequency response in freely selectable, wide frequency ranges. Subject of this thesis is the implementation of an error-controlled model order reduction based on Krylov-subspace methods and the application to a mechanical model. Based on the MORPACK software, a first-order-Arnoldi function is extended by an interpolative start vector, the elimination of rigid body motion and a reorthogonalization. Containing these functions, a rational, interpolative Second Order Arnoldi (SOAR) method is designed that works well compared to a rational Block-SOAR-method. Interpolative equal weighting is used. The first-order-Arnoldi method requires less computational effort compared to the rational, interpolative SOAR that is able to compute a smaller reduction size for same frequency range of interest. The methods are applied to the models of a frame, a gear case and a drive shaft. Error-control is realized by eigenfrequency-based H2-integration-limit and relative H2-error based on the frequency response function. For solving linear systems of equations in Matlab, solver functions based on permutation and factorization are implemented.
|
18 |
Entwurf einer fehlerüberwachten Modellreduktion basierend auf Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches ModellBernstein, David 04 June 2014 (has links)
Die FEM-MKS-Kopplung erfordert Modellordnungsreduktions-Verfahren, die mit kleiner reduzierter Systemdimension das Übertragungsverhalten mechanischer Strukturen abbilden. Rationale Krylov-Unterraum-Verfahren, basierend auf dem Arnoldi-Algorithmen, ermöglichen solche Abbildungen in frei wählbaren, breiten Frequenzbereichen. Ziel ist der Entwurf einer fehlerüberwachten Modelreduktion auf Basis von Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Model.
Auf Grundlage der Software MORPACK wird eine Arnoldi-Funktion erster Ordnung um interpolativen Startvektor, Eliminierung der Starrkörperbewegung und Reorthogonalisierung erweitert. Diese Operationen beinhaltend, wird ein rationales, interpolatives SOAR-Verfahren entwickelt. Ein rationales Block-SOAR-Verfahren erweist sich im Vergleich als unterlegen. Es wird interpolative Gleichwichtung verwendet. Das Arnoldi-Verfahren zeichnet kleiner Berechnungsaufwand aus. Das rationale, interpolative SOAR liefert kleinere reduzierte Systemdimensionen für gleichen abgebildeten Frequenzbereich. Die Funktionen werden auf Rahmen-, Getriebegehäuse- und Treibsatzwellen-Modelle angewendet.
Zur Fehlerbewertung wird eigenfrequenzbasiert ein H2-Integrationsbereich festgelegt und der übertragungsfunktionsbasierte, relative H2-Fehler berechnet.
Es werden zur Lösung linearer Gleichungssysteme mit Matlab entsprechende Löser-Funktionen, auf Permutation und Faktorisierung basierend, implementiert.:1. Einleitung
1.1. Motivation
1.2. Einordnung
1.3. Aufbau der Arbeit
2. Theorie
2.1. Simulationsmethoden
2.1.1. Finite Elemente Methode
2.1.2. Mehrkörpersimulation
2.1.3. Kopplung der Simulationsmethoden
2.2. Zustandsraumdarstellung und Reduktion
2.3. Krylov Unterraum Methoden
2.4. Arnoldi-Algorithmen erster Ordnung
2.5. Arnoldi-Algorithmen zweiter Ordnung
2.6. Korrelationskriterien
2.6.1. Eigenfrequenzbezogene Kriterien
2.6.2. Eigenvektorbezogene Kriterien
2.6.3. Übertragungsfunktionsbezogene Kriterien
2.6.4. Fehlerbewertung
2.6.5. Anwendung auf Systeme sehr großer Dimension
3. Numerik linearer Gleichungssysteme
3.1. Grundlagen
3.2. Singularität der Koeffizientenmatrix
3.2.1. Randbedingungen des Systems
3.2.2. Verwendung einer generellen Diagonalperturbation
3.3. Iterative Lösungsverfahren
3.4. Faktorisierungsverfahren
3.4.1. Cholesky-Faktorisierung
3.4.2. LU-Faktorisierung
3.4.3. Fillin-Reduktion durch Permutation
3.4.4. Fazit
3.5. Direkte Lösungsverfahren
3.6. Verwendung externer Gleichungssystem-Löser
3.7. Zusammenfassung
4. Implementierung
4.1. Aufbau von MORPACK
4.2. Anforderungen an Reduktions-Funktionen
4.3. Eigenschaften und Optionen der KSM-Funktionen
4.3.1. Arnoldi-Funktion erster Ordnung
4.3.2. Rationale SOAR-Funktionen
4.4. Korrelationskriterien
4.4.1. Eigenfrequenzbezogen
4.4.2. Eigenvektorbezogen
4.4.3. Übertragungsfunktionsbezogen
4.5. Lösungsfunktionen linearer Gleichungssysteme
4.5.1. Anforderungen und Aufbau
4.5.2. Verwendung der Gleichungssystem-Löser
4.5.3. Hinweise zur Implementierung von Gleichungssystem-Lösern
5. Anwendung
5.1. Versuchsmodelle
5.1.1. Testmodelle kleiner Dimension
5.1.2. Getriebegehäuse
5.1.3. Treibsatzwelle
5.2. Validierung der Reduktionsmethoden an kleinem Modell
5.2.1. Modifizierte Arnoldi-Funktion erster Ordnung
5.2.2. Rationale SOAR-Funktionen
5.2.3. Zusammenfassung
5.3. Anwendung der KSM auf große Modelle
5.3.1. Getriebegehäuse
5.3.2. Treibsatzwelle
5.4. Auswertung
6. Zusammenfassung und Ausblick
6.1. Zusammenfassung
6.2. Ausblick / FEM-MKS-coupling requires model order reduction methods to simulate the frequency response of mechanical structures using a smaller reduced representation of the original system. Most of the rational Krylov-subspace methods are based on Arnoldi-algorithms. They allow to represent the frequency response in freely selectable, wide frequency ranges. Subject of this thesis is the implementation of an error-controlled model order reduction based on Krylov-subspace methods and the application to a mechanical model. Based on the MORPACK software, a first-order-Arnoldi function is extended by an interpolative start vector, the elimination of rigid body motion and a reorthogonalization. Containing these functions, a rational, interpolative Second Order Arnoldi (SOAR) method is designed that works well compared to a rational Block-SOAR-method. Interpolative equal weighting is used. The first-order-Arnoldi method requires less computational effort compared to the rational, interpolative SOAR that is able to compute a smaller reduction size for same frequency range of interest. The methods are applied to the models of a frame, a gear case and a drive shaft. Error-control is realized by eigenfrequency-based H2-integration-limit and relative H2-error based on the frequency response function. For solving linear systems of equations in Matlab, solver functions based on permutation and factorization are implemented.:1. Einleitung
1.1. Motivation
1.2. Einordnung
1.3. Aufbau der Arbeit
2. Theorie
2.1. Simulationsmethoden
2.1.1. Finite Elemente Methode
2.1.2. Mehrkörpersimulation
2.1.3. Kopplung der Simulationsmethoden
2.2. Zustandsraumdarstellung und Reduktion
2.3. Krylov Unterraum Methoden
2.4. Arnoldi-Algorithmen erster Ordnung
2.5. Arnoldi-Algorithmen zweiter Ordnung
2.6. Korrelationskriterien
2.6.1. Eigenfrequenzbezogene Kriterien
2.6.2. Eigenvektorbezogene Kriterien
2.6.3. Übertragungsfunktionsbezogene Kriterien
2.6.4. Fehlerbewertung
2.6.5. Anwendung auf Systeme sehr großer Dimension
3. Numerik linearer Gleichungssysteme
3.1. Grundlagen
3.2. Singularität der Koeffizientenmatrix
3.2.1. Randbedingungen des Systems
3.2.2. Verwendung einer generellen Diagonalperturbation
3.3. Iterative Lösungsverfahren
3.4. Faktorisierungsverfahren
3.4.1. Cholesky-Faktorisierung
3.4.2. LU-Faktorisierung
3.4.3. Fillin-Reduktion durch Permutation
3.4.4. Fazit
3.5. Direkte Lösungsverfahren
3.6. Verwendung externer Gleichungssystem-Löser
3.7. Zusammenfassung
4. Implementierung
4.1. Aufbau von MORPACK
4.2. Anforderungen an Reduktions-Funktionen
4.3. Eigenschaften und Optionen der KSM-Funktionen
4.3.1. Arnoldi-Funktion erster Ordnung
4.3.2. Rationale SOAR-Funktionen
4.4. Korrelationskriterien
4.4.1. Eigenfrequenzbezogen
4.4.2. Eigenvektorbezogen
4.4.3. Übertragungsfunktionsbezogen
4.5. Lösungsfunktionen linearer Gleichungssysteme
4.5.1. Anforderungen und Aufbau
4.5.2. Verwendung der Gleichungssystem-Löser
4.5.3. Hinweise zur Implementierung von Gleichungssystem-Lösern
5. Anwendung
5.1. Versuchsmodelle
5.1.1. Testmodelle kleiner Dimension
5.1.2. Getriebegehäuse
5.1.3. Treibsatzwelle
5.2. Validierung der Reduktionsmethoden an kleinem Modell
5.2.1. Modifizierte Arnoldi-Funktion erster Ordnung
5.2.2. Rationale SOAR-Funktionen
5.2.3. Zusammenfassung
5.3. Anwendung der KSM auf große Modelle
5.3.1. Getriebegehäuse
5.3.2. Treibsatzwelle
5.4. Auswertung
6. Zusammenfassung und Ausblick
6.1. Zusammenfassung
6.2. Ausblick
|
19 |
Model Order Reduction in Structural Mechanics: Coupling the Rigid and Elastic Multi Body DynamicsKoutsovasilis, Panagiotis 21 September 2009 (has links)
Gegenstand dieser Arbeit ist die Forschungsdisziplin, welche in der Strukturmechanik als Modellordnungsreduktion bekannt ist. Im Mittelpunkt stehen Kopplungsprozesse von starren und elastischen
Mehrkörpersystemen - sowohl in theoretischer Hinsicht als auch bezüglich der praktischen Realisation im Rahmen des Finite-Elemente-Programms ANSYS und des Mehrkörpersimulationsprogramms SIMPACK. Eine Vielfalt von strukturerhaltendenMOR-Methoden wurde zum Zwecke des Überblicks dargestellt. Darüber hinaus findet sich eine Kategorisierungsmethodik in Hinsicht auf den später beschriebenen FEM-MKS-Kopplungsprozess.
Die Effizienz der MOR-Methoden wird sowohl hinsichtlich der Qualität der ROM als auch bezogen auf die hierfür benötigte Rechenzeit bemessen. Aus diesem Grunde wurden etliche MOR Schemata dargelegt, mit dem Ziel, den Effizienzfaktor während der Berechnung eines ROMs zu maximieren, das heißt maximale Qualität und minimale Rechenzeit zu erzielen. Die Validierung der dynamischen ROM-Eigenschaften basiert auf der Anwendung der sogenannten Modellkorrelationskriterien. Dies wurde an vier Anwendungsbeispielen aus dem Feld der Strukturmechanik getestet: der 3D-Balkenstruktur, der UIC60-Schiene, dem Pleuel und der Kurbelwelle.
Die Anwendung der diagonal perturbation-Methodik verbessert die Kondition der Steifigkeitsmatrix eines Modells, von beiden Arten von Lösungsprozeduren, d.h. direkte und iterative Verfahren, betroffen sind. Die dynamische Bewegung mechanischer MKS wird als ein Index-3-DAE-Systemformuliert und die Information über die elastischen Körper wird in Form der sogenannten Standard Input Datei in einen MKS-Code transferriert. Die Einführung des Back-projection-Ansatzes ermöglicht
die weitere Verwendung bestimmter ROM-Typen, derren assoziierten physikalische Eigenschaften unangemessen definiert wurden.
Zum Abschluss werden die theoretischen, modellierenden und numerischen Fortschritte der Arbeit resümiert und kombiniert im Sinne der Model Order Reduction Package Toolbox (MORPACK). Die Matlab-basierte MORPACK-Toolbox ermöglicht den FEM-MKS-Kopplungsprozess für die Verwendung
von ANSYS und SIMPACK. Hierin sind ein Großteil der zuvor erläuterten Erweiterungen eingeschlossen. Mit Hilfe der zwei integrierten inneren MOR- und SID-Schnittstellen als auch der vier Anwendungsebenen wird der Import von freien oder eingespannten ROM in SIMPACK ermöglicht. / The research discipline referred to as the Model Order Reduction in structural mechanics is the topic of this Thesis. Special emphasis is given to the coupling process of rigid and elastic Multi Body Dynamics in terms of both the theoretical aspects and the practical realization within the environment of the commercial Finite Element and the Multi Body Systems software packages, ANSYS and SIMPACK respectively.
In this regard, a variety of structure preserving Model Order Reduction methods is presented and a categorization methodology is provided in view of the later FEM-MBS coupling process. The algorithmic scheme of several of the MOR methods indicates the capability of generating qualitatively better Reduced Order Models than the standardized Guyan and Component Mode Synthesis approaches.
The efficiency of a MOR method is measured in terms of both the quality of the ROM and the associated time required for the .computation
Based on the application of the, so called, Model Correlation Criteria the efficiency of the MOR schemes is tested on four application examples originating from the area of structural mechanics, i.e. the 3D elastic solid bar structure, the UIC60 elastic rail, the elastic piston rod, and the elastic crankshaft model. Herewith, the superiority of alternative MOR schemes in comparison to Guyan or CMS methods is demonstrated in terms of the ROM?s quality and the computation time by the use of either the one-step or the two-step MOR algorithms.
Numerous of the FE discretized structures suffer from the, so called, ill-conditioned properties regarding the associated stiffness matrix.
On one hand, the direct solution of a MOR method might produce erroneous ROMs due to the associated truncation phenomenon and on the other hand, any kind of iterative approach suffers from vast computation times. The application of the diagonal perturbation methodology improves the condition properties of the model?s stiffness matrix and thus, both kinds of the aforementioned solution procedures are affected.
The back-projection approach is introduced, which projects the ROM belonging to the Non physical subspace reduction-expansion methods category back onto the physical configuration space and thus, enabling its further usage in a MBS code, e.g. SIMPACK.
Finally, the theoretical, modelling, and numerical advancements are combined in terms of the Model Order Reduction Package. The Matlab-based MORPACK toolbox enables the FEM-MBS coupling process for the ANSYS-SIMPACK utilization and herewith, several of the aforementioned enhancements are included. With the help of the two integrated inner interfaces, i.e. MOR and SID, as well as four application levels, the import into SIMPACK of alternatively free or fixed ROMs is enabled. The functionality of MORPACK is demonstrated based on two application examples, namely, the 3D elastic solid bar and the UIC60 elastic rail, the dynamic properties of which are validated prior to their import into SIMPACK.
|
20 |
Coarse-graining for gradient systems and Markov processesStephan, Artur 29 October 2021 (has links)
Diese Arbeit beschäftigt sich mit Coarse-Graining (dt. ``Vergröberung", ``Zusammenfassung von Zuständen") für Gradientensysteme und Markov-Prozesse. Coarse-Graining ist ein etabliertes Verfahren in der Mathematik und in den Naturwissenschaften und hat das Ziel, die Komplexität eines physikalischen Systems zu reduzieren und effektive Modelle herzuleiten. Die mathematischen Probleme in dieser Arbeit stammen aus der Theorie der Systeme interagierender Teilchen. Hierbei werden zwei Ziele verfolgt: Erstens, Coarse-Graining mathematisch rigoros zu beweisen, zweitens, mathematisch äquivalente Beschreibungen für die effektiven Modelle zu formulieren.
Die ersten drei Teile der Arbeit befassen sich mit dem Grenzwert schneller Reaktionen für Reaktionssysteme und Reaktions-Diffusions-Systeme. Um effektive Modelle herzuleiten, werden nicht nur die zugehörigen Reaktionsratengleichungen betrachtet, sondern auch die zugrunde liegende Gradientenstruktur. Für Gradientensysteme wurde in den letzten Jahren eine strukturelle Konvergenz, die sogenannte ``EDP-Konvergenz", entwickelt. Dieses Coarse-Graining-Verfahren wird in der vorliegenden Arbeit auf folgende Systeme mit langsamen und schnellen Reaktionen angewandt: lineare Reaktionssysteme (bzw. Markov-Prozesse auf endlichem Zustandsraum), nichtlineare Reaktionssysteme, die das Massenwirkungsgesetz erfüllen, und lineare Reaktions-Diffusions-Systeme. Für den Grenzwert schneller Reaktionen wird eine mathematisch rigorose und strukturerhaltende Vergröberung auf dem Level des Gradientensystems inform von EDP-Konvergenz bewiesen.
Im vierten Teil wird der Zusammenhang zwischen Gleichungen mit Gedächtnis und Markov-Prozessen untersucht. Für Gleichungen mit Gedächtnisintegralen wird explizit ein größer Markov-Prozess konstruiert, der die Gleichung mit Gedächtnis als Teilsystem enthält.
Der letzte Teil beschäftigt sich mit verschieden Diskretisierungen für den Fokker-Planck-Operator. Dazu werden numerische und analytische Eigenschaften untersucht. / This thesis deals with coarse-graining for gradient systems and Markov processes. Coarse-graining is a well-established tool in mathematical and natural sciences for reducing the complexity of a physical system and for deriving effective models. The mathematical problems in this work originate from interacting particle systems. The aim is twofold: first, providing mathematically rigorous results for physical coarse-graining, and secondly, formulating mathematically equivalent descriptions for the effective models.
The first three parts of the thesis deal with fast-reaction limits for reaction systems and reaction-diffusion systems. Instead of deriving effective models by solely investigating the associated reaction-rate equation, we derive effective models using the underlying gradient structure of the evolution equation. For gradient systems a structural convergence, the so-called ``EDP-convergence", has been derived in recent years. In this thesis, this coarse-graining procedure has been applied to the following systems with slow and fast reactions: linear reaction systems (or Markov process on finite state space), nonlinear reaction systems of mass-action type, and linear reaction-diffusion systems. For the fast-reaction limit, we perform rigorous and structural coarse-graining on the level of the gradient system by proving EDP-convergence.
In the fourth part, the connection between memory equations and Markov processes is investigated. Considering linear memory equations, which can be motivated from spatial homogenization, we explicitly construct a larger Markov process that includes the memory equation as a subsystem.
The last part deals with different discretization schemes for the Fokker–Planck operator and investigates their analytical and numerical properties.
|
Page generated in 0.0815 seconds