面向局部化历史相关现象的基于聚类的自适应降阶建模
数值分析
2022-12-22 v2 材料科学
机器学习
数值分析
摘要
本文提出一种新颖的基于聚类的自适应降阶建模（ACROM）框架，以显著改进并扩展近期基于聚类的降阶模型（CROMs）家族。该自适应框架使基于聚类的域分解能够在问题求解过程中动态演化，从而在相关场呈现更陡梯度的区域确保最优细化。它为涉及高度局部化塑性与损伤现象的历史相关非线性问题提供了一种快速且准确的材料建模新途径。整体方法由三个主要构建模块组成：目标簇选择准则、自适应簇分析以及簇交互张量的计算。此外，提出了一种自适应聚类解回退过程和动态自适应分裂因子策略，以进一步增强自适应过程。所提出的自适应自洽聚类分析（ASCA）在捕捉颗粒-基体复合材料的多尺度弹塑性行为并预测相关断裂与韧性方面，表现优于其静态对应方法。鉴于本文展示的令人鼓舞的结果，ACROM框架为在CROMs背景下探索自适应奠定了基础并开辟了新途径。
引用
@article{arxiv.2109.11897,
title = {Adaptivity for clustering-based reduced-order modeling of localized history-dependent phenomena},
author = {Bernardo P. Ferreira and F. M. Andrade Pires and Miguel A. Bessa},
journal= {arXiv preprint arXiv:2109.11897},
year = {2022}
}
备注
The code associated to this publication is planned to be released as open source in 2022