Bei der Fertigung von Siliziumwafern durch Zerteilen eines Siliziumblockes kommt das Drahttrennläppverfahren zur Anwendung. Es wird eine Erregereinheit entwickelt, die den Siliziumblock während des Schneidprozesses zu Schwingungen anregt. Die Verwendung von Piezoaktoren ermöglicht mehrachsige Schwingungen mit variabler Frequenz und Amplitude. Wesentliche Bestandteile der Arbeit sind experimentelle Untersuchungen an den Aktoren und der gesamten Erregereinheit sowie die Modellierung des Gesamtsystems mit Hilfe linearer Einzelmodelle. Es zeigt sich, dass die Aktoren bei dynamischen Anwendungen linear beschrieben werden können, während das Gesamtmodell besonders in den Resonanzbereichen aufgrund montagebedingter Einflüsse Schwächen aufweist. Abschließend wird der Einfluss der Schwingungsanregung beim Drahtsägen untersucht. Aus den Versuchen geht hervor, dass im getesteten Frequenz- und Amplitudenbereich sowohl hohe Erregerfrequenzen als auch –amplituden geringere Schnittkräfte zur Folge haben.

This thesis is on the numerical computation of eigenvalues of symmetric hierarchical matrices. The numerical algorithms used for this computation are derivations of the LR Cholesky algorithm, the preconditioned inverse iteration, and a bisection method based on LDLT factorizations. The investigation of QR decompositions for H-matrices leads to a new QR decomposition. It has some properties that are superior to the existing ones, which is shown by experiments using the HQR decompositions to build a QR (eigenvalue) algorithm for H-matrices does not progress to a more efficient algorithm than the LR Cholesky algorithm. The implementation of the LR Cholesky algorithm for hierarchical matrices together with deflation and shift strategies yields an algorithm that require O(n) iterations to find all eigenvalues. Unfortunately, the local ranks of the iterates show a strong growth in the first steps. These H-fill-ins makes the computation expensive, so that O(n³) flops and O(n²) storage are required. Theorem 4.3.1 explains this behavior and shows that the LR Cholesky algorithm is efficient for the simple structured Hl-matrices. There is an exact LDLT factorization for Hl-matrices and an approximate LDLT factorization for H-matrices in linear-polylogarithmic complexity. This factorizations can be used to compute the inertia of an H-matrix. With the knowledge of the inertia for arbitrary shifts, one can compute an eigenvalue by bisectioning. The slicing the spectrum algorithm can compute all eigenvalues of an Hl-matrix in linear-polylogarithmic complexity. A single eigenvalue can be computed in O(k²n log^4 n). Since the LDLT factorization for general H-matrices is only approximative, the accuracy of the LDLT slicing algorithm is limited. The local ranks of the LDLT factorization for indefinite matrices are generally unknown, so that there is no statement on the complexity of the algorithm besides the numerical results in Table 5.7. The preconditioned inverse iteration computes the smallest eigenvalue and the corresponding eigenvector. This method is efficient, since the number of iterations is independent of the matrix dimension. If other eigenvalues than the smallest are searched, then preconditioned inverse iteration can not be simply applied to the shifted matrix, since positive definiteness is necessary. The squared and shifted matrix (M-mu I)² is positive definite. Inner eigenvalues can be computed by the combination of folded spectrum method and PINVIT. Numerical experiments show that the approximate inversion of (M-mu I)² is more expensive than the approximate inversion of M, so that the computation of the inner eigenvalues is more expensive. We compare the different eigenvalue algorithms. The preconditioned inverse iteration for hierarchical matrices is better than the LDLT slicing algorithm for the computation of the smallest eigenvalues, especially if the inverse is already available. The computation of inner eigenvalues with the folded spectrum method and preconditioned inverse iteration is more expensive. The LDLT slicing algorithm is competitive to H-PINVIT for the computation of inner eigenvalues. In the case of large, sparse matrices, specially tailored algorithms for sparse matrices, like the MATLAB function eigs, are more efficient. If one wants to compute all eigenvalues, then the LDLT slicing algorithm seems to be better than the LR Cholesky algorithm. If the matrix is small enough to be handled in dense arithmetic (and is not an Hl(1)-matrix), then dense eigensolvers, like the LAPACK function dsyev, are superior. The H-PINVIT and the LDLT slicing algorithm require only an almost linear amount of storage. They can handle larger matrices than eigenvalue algorithms for dense matrices. For Hl-matrices of local rank 1, the LDLT slicing algorithm and the LR Cholesky algorithm need almost the same time for the computation of all eigenvalues. For large matrices, both algorithms are faster than the dense LAPACK function dsyev.:List of Figures xi List of Tables xiii List of Algorithms xv List of Acronyms xvii List of Symbols xix Publications xxi 1 Introduction 1 1.1 Notation 2 1.2 Structure of this Thesis 3 2 Basics 5 2.1 Linear Algebra and Eigenvalues 6 2.1.1 The Eigenvalue Problem 7 2.1.2 Dense Matrix Algorithms 9 2.2 Integral Operators and Integral Equations 14 2.2.1 Definitions 14 2.2.2 Example - BEM 16 2.3 Introduction to Hierarchical Arithmetic 17 2.3.1 Main Idea 17 2.3.2 Definitions 19 2.3.3 Hierarchical Arithmetic 24 2.3.4 Simple Hierarchical Matrices (Hl-Matrices) 30 2.4 Examples 33 2.4.1 FEM Example 33 2.4.2 BEM Example 36 2.4.3 Randomly Generated Examples 37 2.4.4 Application Based Examples 38 2.4.5 One-Dimensional Integral Equation 38 2.5 Related Matrix Formats 39 2.5.1 H2-Matrices 40 2.5.2 Diagonal plus Semiseparable Matrices 40 2.5.3 Hierarchically Semiseparable Matrices 42 2.6 Review of Existing Eigenvalue Algorithms 44 2.6.1 Projection Method 44 2.6.2 Divide-and-Conquer for Hl(1)-Matrices 45 2.6.3 Transforming Hierarchical into Semiseparable Matrices 46 2.7 Compute Cluster Otto 47 3 QR Decomposition of Hierarchical Matrices 49 3.1 Introduction 49 3.2 Review of Known QR Decompositions for H-Matrices 50 3.2.1 Lintner’s H-QR Decomposition 50 3.2.2 Bebendorf’s H-QR Decomposition 52 3.3 A new Method for Computing the H-QR Decomposition 54 3.3.1 Leaf Block-Column 54 3.3.2 Non-Leaf Block Column 56 3.3.3 Complexity 57 3.3.4 Orthogonality 60 3.3.5 Comparison to QR Decompositions for Sparse Matrices 61 3.4 Numerical Results 62 3.4.1 Lintner’s H-QR decomposition 62 3.4.2 Bebendorf’s H-QR decomposition 66 3.4.3 The new H-QR decomposition 66 3.5 Conclusions 67 4 QR-like Algorithms for Hierarchical Matrices 69 4.1 Introduction 70 4.1.1 LR Cholesky Algorithm 70 4.1.2 QR Algorithm 70 4.1.3 Complexity 71 4.2 LR Cholesky Algorithm for Hierarchical Matrices 72 4.2.1 Algorithm 72 4.2.2 Shift Strategy 72 4.2.3 Deflation 73 4.2.4 Numerical Results 73 4.3 LR Cholesky Algorithm for Diagonal plus Semiseparable Matrices 75 4.3.1 Theorem 75 4.3.2 Application to Tridiagonal and Band Matrices 79 4.3.3 Application to Matrices with Rank Structure 79 4.3.4 Application to H-Matrices 80 4.3.5 Application to Hl-Matrices 82 4.3.6 Application to H2-Matrices 83 4.4 Numerical Examples 84 4.5 The Unsymmetric Case 84 4.6 Conclusions 88 5 Slicing the Spectrum of Hierarchical Matrices 89 5.1 Introduction 89 5.2 Slicing the Spectrum by LDLT Factorization 91 5.2.1 The Function nu(M − µI) 91 5.2.2 LDLT Factorization of Hl-Matrices 92 5.2.3 Start-Interval [a, b] 96 5.2.4 Complexity 96 5.3 Numerical Results 97 5.4 Possible Extensions 100 5.4.1 LDLT Slicing Algorithm for HSS Matrices 103 5.4.2 LDLT Slicing Algorithm for H-Matrices 103 5.4.3 Parallelization 105 5.4.4 Eigenvectors 107 5.5 Conclusions 107 6 Computing Eigenvalues by Vector Iterations 109 6.1 Power Iteration 109 6.1.1 Power Iteration for Hierarchical Matrices 110 6.1.2 Inverse Iteration 111 6.2 Preconditioned Inverse Iteration for Hierarchical Matrices 111 6.2.1 Preconditioned Inverse Iteration 113 6.2.2 The Approximate Inverse of an H-Matrix 115 6.2.3 The Approximate Cholesky Decomposition of an H-Matrix 116 6.2.4 PINVIT for H-Matrices 117 6.2.5 The Interior of the Spectrum 120 6.2.6 Numerical Results 123 6.2.7 Conclusions 130 7 Comparison of the Algorithms and Numerical Results 133 7.1 Theoretical Comparison 133 7.2 Numerical Comparison 135 8 Conclusions 141 Theses 143 Bibliography 145 Index 153

Bei der Fertigung von Siliziumwafern durch Zerteilen eines Siliziumblockes kommt das Drahttrennläppverfahren zur Anwendung. Es wird eine Erregereinheit entwickelt, die den Siliziumblock während des Schneidprozesses zu Schwingungen anregt. Die Verwendung von Piezoaktoren ermöglicht mehrachsige Schwingungen mit variabler Frequenz und Amplitude. Wesentliche Bestandteile der Arbeit sind experimentelle Untersuchungen an den Aktoren und der gesamten Erregereinheit sowie die Modellierung des Gesamtsystems mit Hilfe linearer Einzelmodelle. Es zeigt sich, dass die Aktoren bei dynamischen Anwendungen linear beschrieben werden können, während das Gesamtmodell besonders in den Resonanzbereichen aufgrund montagebedingter Einflüsse Schwächen aufweist. Abschließend wird der Einfluss der Schwingungsanregung beim Drahtsägen untersucht. Aus den Versuchen geht hervor, dass im getesteten Frequenz- und Amplitudenbereich sowohl hohe Erregerfrequenzen als auch –amplituden geringere Schnittkräfte zur Folge haben.

Ziel der Dissertation ist die ebenso valide wie effiziente Vorhersage der Schmelz- und der Wärmeeinflusszone der Schweißverbindung beim Thermit-Schweißen. Dazu werden reduzierte Modelle vorgestellt, darunter ein niederdimensionales Modell des Schienenstegs und dreidimensionale Modelle des Gießsystems für das Schweißverfahren. Mit dem niederdimensionalen Modell werden mittels Parameterschätzung unbekannte Randbedingungen der Vorwärmung des Gießsystems ermittelt sowie mittels Sensitivitätsanalyse systematisch Einflüsse auf die Schmelz- und die Wärmeeinflusszone untersucht. Durch den systematischen Vergleich der vorgestellten Modelle werden Gültigkeitsgrenzen der Modelle gezielt auf die Modellreduktionen zurückgeführt und über die Modelle hinausgehende Aspekte für die Beschreibung des Schmelz- und Erstarrungsverhaltens identifiziert. Dabei wird die Validität der Modelle anhand von experimentellen Daten der Schmelz- und der Wärmeeinflusszone im Schienenlängsschnitt untersucht. / This dissertation aims at providing a valid and efficient prediction of the melting zone and heat-affected zone of thermite welds. For this purpose, reduced models are presented, including a low-dimensional model of the rail web and three-dimensional models of the casting system for the welding process. With the low-dimensional model, unknown boundary conditions of the preheating of the casting system are determined by means of parameter estimation and influences on the melting zone and the heat-affected zone are systematically examined by means of a sensitivity analysis. By a systematic comparison of the models presented, the validity limits of the models are specifically traced back to the model reductions and aspects beyond these models for the description of the melting and solidification behavior are identified. The validity of the models is examined on the basis of experimental data from the melting zone and the heat-affected zone in the longitudinal section of the rails.

Geotechnische Problem- und Fragestellungen befassen sich zunehmend mit der komplexen Interaktion unterschiedlicher physikalischer Prozesse. Ein Beispiel sind hydro-mechanische Wechselwirkungen, die in verschiedenen Anwendungsbereichen eine große Rolle spielen (Hydraulic Fracturing, Bewertung von Barriereintegrität, Böschungsanalysen, etc.). Numerische Simulationen helfen dabei, umfangreiche multiphysikalische Vorgänge abzubilden. Zur hinreichend genauen und effizienten Bearbeitung kann es jedoch sein, dass die Anwendung eines einzelnen spezialisierten Softwarepaketes nicht ausreicht und nur Softwarekopplungen Abhilfe schaffen. Die vorliegende Arbeit erweitert die geomechanische Komplexität einer hydro-mechanischen Kopplung auf visko-elasto-plastisches Materialverhalten im Salinar. Betrachtet werden langandauernde und großräumig induzierte Fluidbewegungen in den durch Volumenkonvergenz charakterisierten lösungserfüllten Abbauen in einem generischen Kali- bzw. Steinsalzbergwerk. Zur Bearbeitung der Problemstellung wird eine grundlegende Methode zur Kopplung der numerischen Codes FLAC3D und Ansys Fluent entwickelt, detailliert vorgestellt und verifiziert. Unterschiedliche Modellszenarien in Bezug auf die initiale Fluidverteilung simulieren eindrucksvoll das Strömungsverhalten im generischen Grubenmodell unter Ausbildung eines freien Fluidspiegels oder eines Überdrucks im eingeschlossenen Fluid. Die Ergebnisse werden umfassend analysiert und das Potenzial zu Effizienzsteigerung durch die Softwarekopplung aufgezeigt. / Geotechnical problems and questions are progressively dealing with complex interactions of different physical processes. An example is hydro-mechanical coupling playing an important role in various research topics and applications (e.g. hydraulic fracturing, assessment of barrier integrity and slope analysis). Numerical simulations help to model extensive multi-physical processes. However, for an accurate and efficient processing, using a single specialized numerical code may not be sufficient and solutions can be obtained only with software couplings. The presented work extends the geomechanically complexity of a hydro-mechanical coupling by visco-elasto-plastic material behaviour in salt formations considering long-lasting and large-scale induced fluid flow within solution-filled cavities in a generic potash or rock salt mine, due to volume convergence. For solving this problem, a basic method for coupling the numerical codes FLAC3D and Ansys Fluent is developed, presented, and verified in detail. Different model scenarios in respect to initial fluid saturation are simulating the fluid flow in the generic mine model, depicting either a free fluid surface or an excess pressure in the trapped fluid. The results are analysed, and the potential for the increase of efficiency through the software coupling of FLAC3D and Ansys Fluent is demonstrated.