×
朱启明;刘泽良;颜金辉

金属添加剂制造的机器学习：使用物理信息神经网络预测温度和熔池流体动力学。 （英语） Zbl 07360521号

计算。机械。 67，第2期，619-635（2021）.
摘要：机器学习（ML）和人工智能（AI）最近的迅猛发展显示了金属添加剂制造（AM）过程建模突破的巨大潜力，这是推导过程-结构-属性关系不可或缺的一步。然而，传统机器学习工具在数据科学中的成功主要归功于前所未有的大量标记数据集（大数据），这些数据集可以通过实验或第一原理模拟获得。不幸的是，由于AM实验的高昂费用和高保真模拟的高昂计算成本，这些标记数据集在AM中的获取成本很高，阻碍了基于大数据的ML工具直接应用于金属AM问题。为了充分利用机器学习金属AM的能力，同时减轻对“大数据”的依赖，我们提出了一个物理信息神经网络（PINN）框架，将数据和第一物理原理（包括动量、质量和能量守恒定律）融合到神经网络中，以通知学习过程。据作者所知，这是基于物理的深度学习首次应用于三维AM过程建模。此外，我们提出了一种基于Heaviside函数的Dirichlet边界条件（BCs）的硬类型方法，它不仅可以精确地强制BCs，而且可以加速学习过程。PINN框架应用于两个具有代表性的金属制造问题，包括2018年NIST AM-Benchmark测试系列。我们使用基于有限元的变分多尺度公式化方法，通过将预测结果与可用的实验数据和高保真仿真结果进行比较，仔细评估了PINN模型的性能。研究表明，由于额外的物理知识，PINN可以准确地预测金属AM过程中的温度和熔池动力学，只需要适量的标记数据集。PINN对金属AM的突袭显示了物理信息深度学习在先进制造更广泛应用中的巨大潜力。所有数据集和PINN代码将在年开源https://yan.cee.illinois.edu/论文发表后。

引用于25文件

MSC公司：

74-XX岁 可变形固体力学

关键词：

计算流体力学;热多相流;添加剂制造

软件：

ALE3D公司;西雅娜;PRMLT公司;PIN码;PyTorch公司;卡费;TensorFlow公司;亚当;3D-R2N2型;DiffSharp（差异锐化）
PDF格式BibTeX公司 XML格式引用
\textit{Q.Zhu}等人，计算。机械。67，编号2，619--635（2021；Zbl 07360521）
全文： 内政部 arXiv公司

参考文献：

[1] 赵，C。；Fezzaa，K。；坎宁安，R。；温，H。；迪卡洛，F。；Chen，L。；Rollett，A。；Sun，T.，使用高速x射线成像和衍射实时监测激光粉末床熔化过程，科学代表，7，1，1-11（2017）
[2] 坎宁安，R。；赵，C。；Parab，北。；坎佐斯，C。；Pauza，J。；Fezzaa，K。；Sun，T。；Rollett，A.，超高速x射线成像揭示的激光熔化中的小孔阈值和形态，《科学》，3636429849-852（2019）
[3] 郭，Q。；赵，C。；曲，M。；熊，L。；霍贾扎德，S。；Escano，L。；Parab，N。；Fezzaa，K。；Sun，T。；Chen，L.，激光金属添加剂制造中熔体流动动力学的现场全场绘图，Addit Manuf，31，100939（2020）
[4] NIST添加剂制造基准测试系列（AM-BENCH）（2020年）。https://www.nist.gov/ambench。2020年8月3日访问
[5] AFRL增材制造建模挑战系列（2020年）。https://www.americamakes.us/america-makes-and-afrl-annouse-am-modeling-challenge/。2020年7月7日访问
[6] Noble C、Anderson A、Barton N、Bramwell J、Capps A、Chang M、Chou J、Dawson D、Diana E、Dunn T（2017）Ale3d：一个任意的拉格朗日-尤利安多物理代码。技术报告，美国加利福尼亚州利弗莫尔Lawrence Livermore国家实验室（LLNL）
[7] Khairallah，S。；安德森。；Rubenchik，A。；King，W.，《激光粉末层聚变添加剂制造：复杂熔体流动物理和孔隙、飞溅和剥蚀区的形成机制》，《马特学报》，108，36-45（2016）
[8] Roehling，TT；吴，SS；南非哈伊拉腊；罗琳，JD；Soezeri，不锈钢；碎屑，MF；Matthews，MJ，《金属添加剂制造过程中用于微结构控制的调制激光强度剖面椭圆度》，《马特学报》，128，197-206（2017）
[9] Khairallah，S。；马丁。；Lee，J。；Guss，G。；北卡罗来纳州卡尔塔。；哈蒙斯，J。；尼尔森，M。；查普特，K。；Schwalbach，E。；沙阿（Shah，M.）。；查普曼，G。；威利，T。；Rubenchik，A。；安德森，A。；Wang，Y。；马修斯，M。；King，W.，《控制金属3d打印中相互依赖的中亚纳秒动力学和缺陷生成》，《科学》，368，6491，660-665（2020）
[10] 克纳普，G。；Mukherjee，T。；Zuback，J。；魏，H。；Palmer，T。；De，A。；DebRoy，T.，《增材制造数字孪生兄弟的构建模块》，《马特学报》，135，390-399（2017）
[11] Mukherjee，T。；魏，H。；De，A。；DebRoy，T.，添加剂制造中的热和流体流动第i部分：粉末床熔融建模，计算机材料科学，150，304-313（2018）
[12] Mukherjee，T。；魏，H。；De，A。；DebRoy，T.，《添加剂制造中的热和流体流动第二部分：不锈钢、钛、镍和铝基合金的粉末床熔化》，《计算机材料科学》，150，369-380（2018）
[13] Lin S（2019）多尺度金属添加剂制造过程建模的数值方法和高性能计算。西北大学博士论文
[14] Lin，S。；甘，Z。；严，J。；Wagner，G.，非结构化网格上的保守水平集方法，用于模拟添加剂制造过程中的多相热流体流动，计算方法应用机械工程，372113348（2020）·Zbl 1506.76091号
[15] 阿塔尔，E。；Körner，C.，带液固相变的热自由表面流动的格子Boltzmann模型，国际热流杂志，32，1，156-163（2011）
[16] 科纳，C。；阿塔尔，E。；Heinl，P.，选择性束流熔化过程的介观模拟，J Mater Process Technol，211，6，978-987（2011）
[17] 科纳，C。；Bauerieß，A。；Attar，E.，粉末选择性束熔炼过程中的基本固结机制，模拟材料科学工程，21，8，085011（2013）
[18] Zohdi，TI，《添加粒子沉积和选择性激光加工——计算制造框架》，Compute Mech，54，1，171-191（2014）
[19] Zohdi，T.，粉末材料电增强热机械烧结的直接基于颗粒的计算框架，《数学机械固体》，19，1，93-113（2014）·Zbl 07278981号
[20] 加内里瓦拉，R。；Zohdi，TI，选择性激光烧结制造过程的多物理建模和模拟，Procedia Cirp，14，299-304（2014）
[21] Yan，W。；Ge，W。；钱，Y。；Lin，S。；周，B。；刘，WK；林，F。；Wagner，GJ，电子束选择性熔化中单/多裂纹缺陷机制的多物理建模，《材料学报》，134，324-333（2017）
[22] Yan，W。；钱，Y。；Ge，W。；Lin，S。；刘，WK；林，F。；Wagner，GJ，选择性电子束熔炼中多层制备过程的细观模型：层间/轨道空洞形成，Mater Des，141，210-219（2018）
[23] Yan，W。；Lin，S。；O.卡夫卡。；Lian，Y。；Yu，C。；刘，Z。；严，J。；Wolff，S.等人。；Wu，H。；Ndip Agbor，E。；莫扎法尔，M。；Ehmann，K。；曹，J。；瓦格纳，G。；Liu，W.，数据驱动的多尺度多物理模型，用于推导增材制造的过程-结构-性能关系，Compute Mech，61，5，521-541（2018）·Zbl 1471.74081号
[24] Yan，W。；Ge，W。；史密斯，J。；Lin，S。；O.卡夫卡。；林，F。；Liu，W.，功能梯度材料电子束熔化的多尺度模型，《材料学报》，115，403-412（2016）
[25] 陈，H。；Yan，W.，《激光粉末床熔化过程中的飞溅和剥蚀：多相流建模》，《马特学报》，196154-167（2020）
[26] Panwisawas，C。；邱，C。；MJ安德森；Sovani，Y。；特纳，RP；阿塔拉，MM；JW布鲁克斯；Basoalto，HC，选择性激光熔化的中尺度模拟：热流体动力学和微观结构演化，计算机材料科学，126479-490（2017）
[27] 李，X。；赵，C。；Sun，T。；Tan，W.，《通过多物理建模和高速同步辐射x射线成像揭示激光粉末床聚变过程中的瞬态粉末气体相互作用》，Addit Manuf，35，101362（2020）
[28] Megahed M、Mindt H-W、Shula B、Peralta A、Neumann J（2016）《粉末床模型——竣工质量的数值评估》。收录：第57届AIAA/ASCE/AHS/ASC结构、结构动力学和材料会议，第1657页
[29] 思维，H-W；Desmaison，O。；梅吉德，M。；Peralta，A。；Neumann，J.，粉末床制造缺陷建模，J Mater Eng Perform，27，1，32-43（2018）
[30] 严，J。；Yan，W。；Lin，S。；Wagner，G.，熔化和凝固的液-固-气热流体流动的全耦合有限元公式，计算方法应用机械工程，336，444-470（2018）·Zbl 1440.74266号
[31] 风扇，Z。；Li，B.，金属添加剂制造过程的无网格模拟，Integrate Mater Manuf Innov，8，2，144-153（2019）
[32] 甘，Z。；Lian，Y。；林，SE；KK琼斯；刘，WK；Wagner，GJ，inconel 625选择性激光熔化中热行为、表面形貌和枝晶微观结构的基准研究，Integrate Mater Manuf Innov，8，2，178-193（2019）
[33] 刘，Z。；吴，C。；Koishi，M.，《无缝结构-性能预测的深层材料网络转移学习》，《计算力学》，64，2，451-465（2019）·Zbl 1468.74087号
[34] 刘，Z。；吴，C。；Koishi，M.，用于异质材料多尺度拓扑学习和加速非线性建模的深层材料网络，计算方法应用机械工程，3451138-1168（2019）·Zbl 1440.74340号
[35] 刘，Z。；Wu，C.，在数据驱动的多尺度力学中探索深层材料网络的三维架构，J Mech Phys Solids，127，20-46（2019）·兹比尔1477.74006
[36] Liu Z，Kafka O，Yu C，Liu W（2018）晶体塑性异质材料的数据驱动自洽聚类分析。收录：Oñate E，Peric D，de Souza Neto E，Chiumenti M（eds）计算塑性进展。施普林格，第221-242页·Zbl 1493.74017号
[37] 刘，Z。；弗莱明，M。；Liu，W.，弹塑性应变软化材料自洽聚类分析的微观结构材料数据库，计算方法应用机械工程，330，547-577（2018）·Zbl 1439.74063号
[38] 刘，Z。；贝萨，M。；Liu，W.，自洽聚类分析：非弹性非均质材料的有效多尺度方案，计算方法应用机械工程，306319-341（2016）·兹比尔1436.74070
[39] Abadi M、Barham P、Chen J.、Chen Z、Davis A、Dean J、Devin M、Ghemawat S、Irving G、Isard M等（2016）《Tensorflow:大规模机器学习系统》。在：第十二届USENIX操作系统设计与实现研讨会（（OSDI），第265-283页
[40] Paszke A、Gross S、Massa F、Lerer A、Bradbury J、Chanan G、Killeen T、Lin Z、Gimelshein N、Antiga L等（2019）Pytorch：一个命令式、高性能的深度学习库。发表于：Wallach H、Larochelle H、Beygelzimer A、d'Alché-Buc F、Fox E、Garnett R（eds）《神经信息处理系统的进展》，第8024-8035页
[41] Bastien F、Lamblin P、Pascanu R、Bergstra J、Goodfellow I、Bergeron A、Bouchard N、Warde-Farley D、Bengio Y Theano：新功能和速度改进。arXiv:1211.5590
[42] Jia Y，Shelhamer E，Donahue J，Karayev S，Long J，Girshick R，Guadarrama S，Darrell T（2014）Caffe:快速特征嵌入的卷积架构。摘自：第22届ACM多媒体国际会议记录，第675-678页
[43] 杨，X。；巴拉哈斯·索拉诺，D。；塔塔科夫斯基，G。；Tartakovsky，A.，Physics-informated Cokriging:一种基于高斯过程回归的多元数据模型收敛方法，《计算物理杂志》，395，410-431（2019）·Zbl 1453.62651号
[44] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，GE，使用高斯过程的线性微分方程机器学习，计算物理杂志，348，683-693（2017）·Zbl 1380.68339号
[45] 拉加里斯，I。；利卡斯，A。；Fotiadis，D.，求解常微分方程和偏微分方程的人工神经网络，IEEE Trans neural Netw，9，5，987-1000（1998）
[46] 莱斯，M。；亚兹达尼，A。；Karniadakis，G.，《隐藏流体力学：从流动可视化中学习速度和压力场》，《科学》，367，6481，1026-1030（2020）·Zbl 1478.76057号
[47] Sun，L。；高，H。；潘，S。；Wang，J-X，基于物理约束的无模拟数据深度学习的流体流动替代建模，计算方法应用机械工程，361112732（2020）·兹比尔1442.76096
[48] 齐西斯，D。；希迪亚，EK；Lekkas，D.，一种能够感知和预测多艘船舶行为的基于云的架构，《应用软件计算》，35，652-661（2015）
[49] Raissi M、Perdikaris P、Karniadakis GE Physics为深度学习提供了信息（第一部分）：非线性偏微分方程的数据驱动解。arXiv公司：1711.10561
[50] He Q、Tartakovsky G、Barajas-Solano D、Tartagovsky A（2019），基于物理的深层神经网络，用于地下运输问题中的多物理数据同化。2019年AGUFM:H34B-02
[51] 塔塔科夫斯基，A。；马雷罗，C。；佩尔迪卡里斯，P。；塔塔科夫斯基，G。；Barajas-Solano，D.，用于地下水流问题中学习参数和本构关系的基于物理的深层神经网络，《水资源研究》，56，5，e2019WR026731（2020）
[52] 卢，L。；道，M。；库马尔，P。；拉马默蒂，美国。；通用电气公司Karniadakis；Suresh，S.，《通过仪器压痕深度学习提取材料的机械性能》，《国家科学院学报》，117，13，7052-7062（2020）
[53] 何，Q。；Chen，J.，一种基于局部凸重建的物理约束数据驱动方法，用于噪声数据库，计算方法应用机械工程，363112791（2020）·Zbl 1436.62725号
[54] 莱斯，M。；佩迪卡里斯，P。；Karniadakis，G.，《基于物理的神经网络：解决非线性偏微分方程正反问题的深度学习框架》，《计算物理杂志》，378，686-707（2019）·Zbl 1415.68175号
[55] 基萨斯，G。；Yang，Y。；Hwuang，E。；Witschey，W。；Detre，J。；Perdikaris，P.，《心血管血流建模中的机器学习：使用物理信息神经网络从非侵入性4d流mri数据预测动脉血压》，《计算方法应用机械工程》，358112623（2020）·Zbl 1441.76149号
[56] JA Dantzig；Rappaz，M.，《固化：修订和扩展》（2016），洛桑：EPFL出版社，洛桑
[57] Khan，P。；Debroy，T.，alsl 202不锈钢激光焊接过程中合金元素的汽化和熔池温度，Metal Trans B，15，4，641-644（1984）
[58] 科勒，M。；A.保罗。；Debroy，T.，《激光焊接过程中合金元素汽化的机理》，Metal Trans B，18，4，733-740（1987）
[59] Voller，V。；Swaminathan，C.，《基于Eral源的凝固相变方法》，《数值传热第B部分》，Fundam，19，2，175-189（1991）
[60] 刘伟。；Wang，Z。；刘，X。；曾，N。；刘，Y。；Alsaadi，F.，深度神经网络架构及其应用的调查，神经计算，234，11-26（2017）
[61] Schwing AG，Urtasun R完全连接的深层结构网络。arXiv公司：1503.02351
[62] 劳伦斯，S。；贾尔斯，CL；佐伊，AC；Back，AD，《人脸识别：卷积神经网络方法》，IEEE Trans neural Netw，8，1，98-113（1997）
[63] Mikolov T、KarafiáT M、Burget L、Černockỳ J、 Khudanpur S（2010）基于递归神经网络的语言模型。参加：国际言语传播协会第十一届年会
[64] Sengupta，N。；萨希杜拉，M。；Saha，G.，使用基于倒谱的统计特征进行肺部声音分类，《计算机生物医学》，75，118-129（2016）
[65] Bishop，CM，模式识别和机器学习（2006），柏林：Springer，柏林·Zbl 1107.68072号
[66] Choy CB，Xu D，Gwak J，Chen K，Savarese S（2016）3d-r2n2:单视图和多视图三维物体重建的统一方法。参加：欧洲计算机视觉会议。施普林格，第628-644页
[67] Han，J。；裴，J。；Kamber，M.，《数据挖掘：概念和技术》（2011），阿姆斯特丹：爱思唯尔出版社·Zbl 1445.68004号
[68] Liang S，Srikant R为什么使用深度神经网络进行函数逼近？arXiv:1610.04161
[69] Sibi，P。；Jones，SA；Siddarth，P.，《使用反向传播神经网络分析不同的激活函数》，J Theor Appl Inf Technol，47，3，1264-1268（2013）
[70] Maas A、Hannun A、Ng A（2013）整流器非线性改善了神经网络声学模型。收录：ICML会议记录，第30卷，第3页
[71] Eger S，Youssef P，Gurevych I是时候刷牙了吗？比较nlp任务中的深度学习激活功能。arXiv:1901.02671号
[72] Ruder S梯度下降优化算法概述。arXiv公司：1609.04747
[73] Kingma DP，Ba J Adam：一种随机优化方法。arXiv:1412.6980
[74] Baydin，A。；Pearlmutter，B。；Radul，A。；Siskind，J.，《机器学习中的自动差异化：一项调查》，J Mach Learn Res，18，1，5595-5637（2017）·Zbl 06982909号
[75] Tezduyar，TE，《不可压缩流动计算的稳定有限元公式》，Adv Appl Mech，28，1-44（1992）·Zbl 0747.76069号 ·doi:10.1016/S0065-2156（08）70153-4
[76] Takizawa，K。；Tezduyar，TE，多尺度时空流体-结构相互作用技术，计算力学，48247-267（2011）·Zbl 1398.76128号 ·doi:10.1007/s00466-011-0571-z
[77] Takizawa，K。；Tezduyar，TE，时空流体-结构相互作用方法，数学模型方法应用科学，22，supp02，1230001（2012）·Zbl 1248.76118号 ·doi:10.1142/S0218202512300013
[78] Takizawa，K。；泰兹杜亚尔，TE；Kuraishi，T.，地面车辆及其轮胎热流分析的多尺度ST方法，数学模型方法应用科学，252227-2255（2015）·Zbl 1325.76139号 ·doi:10.1142/S021820515400072
[79] 萨阿德，Y。；Schultz，MH，Gmres:求解非对称线性系统的广义最小残差算法，SIAM科学统计计算杂志，7，3，856-869（1986）·Zbl 0599.65018号
[80] Bazilevs，Y。；Calo，VM；休斯，TJR；Zhang，Y.，《等几何流体-结构相互作用：理论、算法和计算》，计算力学，43，3-37（2008）·Zbl 1169.74015号
[81] Takizawa，K。；Bazilevs，Y。；Tezduyar，TE，时空和ALE-VMS技术用于患者特定心血管流体-结构相互作用建模，Arch Comput Methods Eng，19，171-225（2012）·Zbl 1354.92023号 ·doi:10.1007/s11831-012-9071-3
[82] 马苏德，A。；Calderer，R.，《不可压缩Navier-Stokes方程的变分多尺度稳定公式》，计算力学，44，2，145-160（2009）·Zbl 1165.76027号
[83] 朱，L。；Goraya，S。；Masud，A.，《自由表面下沉和破碎波的界面采集方法》，J Eng Mech，145，11，04019088（2019）
[84] Calderer，R。；朱，L。；吉布森，R。；Masud，A.，基于残差的湍流模型和自由表面流动的任意拉格朗日-欧拉框架，数学模型方法应用科学，25，12，2287-2317（2015）·Zbl 1329.76136号
[85] 马苏德，A。；Calderer，R.，移动边界流的基于残差的湍流模型：变分多尺度方法和三级尺度分离的分层应用，国际数值方法流体杂志，73，3，284-305（2013）·Zbl 1455.76062号
[86] Takizawa，K。；Tezduyar，TE，降落伞流体-结构相互作用的计算方法，Arch Comput methods Eng，19，125-169（2012）·Zbl 1354.76113号 ·数字标识代码：10.1007/s11831-012-9070-4
[87] Bazilevs，Y。；Takizawa，K。；Tezduyar，TE，《计算流体-结构相互作用：方法和应用》（2013），伦敦：威利出版社，伦敦·Zbl 1286.74001号 ·doi:10.1002/9781118483565
[88] Takizawa，K。；弗里茨，M。；蒙特斯，D。；斯皮尔曼，T。；Tezduyar，TE，具有不精确和修正几何孔隙度的环帆降落伞的流体-结构相互作用建模，计算力学，50835-854（2012）·doi:10.1007/s00466-012-0761-3
[89] Takizawa，K。；Tezduyar，TE；博本，J。；北科斯托夫。；Boswell，C。；Buscher，A.，具有修改几何孔隙率的航天器降落伞集群的流体-结构相互作用建模，Comput Mech，521351-1364（2013）·兹比尔1398.74097 ·doi:10.1007/s00466-013-0880-5
[90] Takizawa，K。；Tezduyar，TE；Boswell，C。；Y.筑井。；Montel，K.，降落伞FSI建模空气动力矩计算的特殊方法，计算力学，55，1059-1069（2015）·doi:10.1007/s00466-014-1074-5
[91] Takizawa，K。；Bazilevs，Y。；Tezduyar，TE；Korobenko，A.，《利用变分多尺度方法进行航空航天、能源和运输技术的计算流分析》，《高级工程计算杂志》，4，2，83-117（2020）·Zbl 1454.65120号
[92] 拉文斯伯根，M。；Helgedagsrud，T。；巴兹列夫斯，YY；Korobenko，A.，复杂环境地形上大气湍流的变分多尺度框架，计算方法应用机械工程，368113182（2020）·Zbl 1506.86010号
[93] Bazilevs，Y。；Hsu，M-C；阿克曼，I。；赖特，S。；Takizawa，K。；Henicke，B。；斯皮尔曼，T。；Tezduyar，TE，全尺寸风力涡轮机转子的3D模拟。第一部分：几何建模和空气动力学，《国际数值方法流体》，65，207-235（2011）·Zbl 1428.76086号 ·doi:10.1002/fld.2400
[94] Takizawa，K。；Henicke，B。；Tezduyar，TE；Hsu，M-C；Bazilevs，Y.，风力涡轮机转子空气动力学的稳定时空计算，计算力学，48，333-344（2011）·兹比尔1398.76127 ·doi:10.1007/s00466-011-0589-2
[95] Takizawa，K。；Henicke，B。；蒙特斯，D。；Tezduyar，TE；Hsu，M-C；Bazilevs，Y.，风力涡轮机转子空气动力学稳定时空计算的数值性能研究，计算力学，48，647-657（2011）·兹比尔1334.74032 ·doi:10.1007/s00466-011-0614-5
[96] Takizawa，K。；Tezduyar，TE；麦金太尔，S。；北科斯托夫。；科莱萨尔，R。；Habluezel，C.，风力涡轮机转子和塔架空气动力学的时空VMS计算，计算力学，53，1-15（2014）·Zbl 1398.76129号 ·doi:10.1007/s00466-013-0888-x
[97] Takizawa，K。；Bazilevs，Y。；Tezduyar，TE；Hsu，M-C；Øiseth，O。；马蒂森，KM；北科斯托夫。；McIntyre，S.，《利用ALE-VMS和时空方法进行工程分析和设计》，《建筑计算方法工程》，21481-508（2014）·Zbl 1348.74104号 ·doi:10.1007/s11831-014-9113-0
[98] Takizawa，K.，用新一代时空方法进行计算工程分析，计算力学，54，193-211（2014）·doi:10.1007/s00466-014-0999-z
[99] Bazilevs，Y。；Takizawa，K。；Tezduyar，TE；Hsu，M-C；北科斯托夫。；McIntyre，S.，用ALE-VMS和ST-VMS方法对风力涡轮机进行空气动力学和FSI分析，Arch Comput methods Eng，21，359-398（2014）·兹比尔1348.74095 ·doi:10.1007/s11831-014-9119-7
[100] Takizawa，K。；Tezduyar，TE；Mochizuki，H。；Hattori，H。；梅，S。；潘·L。；Montel，K.，滑动界面流动计算的时空VMS方法（ST-SI），数学模型方法应用科学，25，2377-2406（2015）·Zbl 1329.76345号 ·doi:10.1142/S021820515400126
[101] 科罗本科，A。；Bazilevs，Y。；Takizawa，K。；Tezduyar，TE；Tezduyar，TE，风力涡轮机ALE-VMS和ST-VMS计算空气动力学和FSI分析的最新进展，计算流体-结构相互作用和流动模拟的前沿：2018年下首席研究员的研究，科学、工程和技术建模与仿真，253-336（2018），柏林：施普林格，柏林·Zbl 1406.76003号 ·doi:10.1007/978-3-319-96469-07
[102] Otoguro，Y。；Mochizuki，H。；Takizawa，K。；Tezduyar，T.，海啸摇摆垂直轴风力涡轮机的时空变分多尺度等几何分析，计算力学，66，6，1443-1460（2020）·Zbl 1468.74079号
[103] 拉文斯伯根，M。；穆罕默德，A。；Korobenko，A.，变分多尺度框架中风力涡轮机建模的致动器线方法，计算流体，201，104465（2020）·Zbl 1519.76158号
[104] 穆罕默德，A。；熊，C。；贝尔，M。；Korobenko，A.，使用变分多尺度方法对两个垂直轴水力涡轮机进行性能分析，计算流体，200，104432（2020）·Zbl 1519.76270号
[105] Bayram，A。；Korobenko，A.，空化流的变分多尺度框架，计算力学，66，49-67（2020）·Zbl 1465.76051号
[106] Takizawa，K。；Tezduyar，TE；Buscher，A。；Asada，S.，心脏瓣膜模型的时空流体力学计算，计算力学，54，4，973-986（2014）·Zbl 1311.74083号
[107] Terahara，T。；Takizawa，K。；Tezduyar，T。；Bazilevs，Y。；Hsu，M.，用时空拓扑变化方法进行心脏瓣膜等几何顺序耦合fsi分析，计算力学，65，1167-1187（2020）·Zbl 1462.74119号
[108] Terahara，T。；Takizawa，K。；Tezduyar，T。；对岛，A。；Shiozaki，K.，利用时空等几何离散化和拓扑变化进行心室-主动脉流动分析，计算力学，651343-1363（2020）·Zbl 1465.76118号
[109] Bazilevs，Y。；Takizawa，K。；吴，M。；Kuraishi，T。；Avsar，R。；Xu，Z。；Tezduyar，T.，《采用等几何离散化和复杂几何网格生成方法的燃气轮机计算流和结构分析》，Comput Mech（2020）·Zbl 07360493号 ·文件编号：10.1007/s00466-020-01919-w
[110] Bazilevs，Y。；Takizawa，K。；Tezduyar，T。；Hsu，M。；Otoguro，Y。；Mochizuki，H。；Wu，M.，用ale和时空变分多尺度方法及等几何离散化进行风力涡轮机和涡轮机械计算分析，J Adv Eng Compute，4，1，1-32（2020）·Zbl 1454.65111号
[111] 北卡罗来纳州科扎克。；拉贾纳，M。；吴，M。；Murugan，M。；布拉沃，L。；Ghoshal，A。；Hsu，M。；Bazilevs，Y.，《使用替代管理框架和高保真流动模型优化燃气轮机性能》，《能源》，13，17，4283（2020）
[112] Otoguro，Y。；Takizawa，K。；Tezduyar，TE；长冈，K。；阿夫萨尔，R。；Zhang，Y.，涡轮增压器涡轮的等几何离散时空vms流动分析：进气/排气循环的时间相关和稳定流入表示的计算，计算力学，64，5，1403-1419（2019）·兹比尔1467.76044
[113] Otoguro，Y。；Takizawa，K。；泰兹杜亚尔，TE；长冈，K。；Mei，S.，用时空变分多尺度方法和等几何分析计算涡轮增压器涡轮和排气歧管流量，计算流体，179764-776（2019）·Zbl 1411.76070号 ·doi:10.1016/j.compfluid.2018.05.019
[114] Kuraishi，T。；Takizawa，K。；Tezduyar，T.，轮胎空气动力学的时空计算分析与实际几何、道路接触、轮胎变形、路面粗糙度和液膜，计算力学，64，6，1699-1718（2019）·Zbl 1465.74130号
[115] Kuraishi，T。；Takizawa，K。；Tezduyar，TE，《轮胎空气动力学与实际轮胎几何、道路接触和轮胎变形》，《计算力学》，63，1165-1185（2019）·Zbl 1469.74041号 ·doi:10.1007/s00466-018-1642-1
[116] 莱文，L。；莱恩，B。；海格尔，J。；米格勒，K。；斯托特，M。；Phan，T。；Ricker，R。；Strantza，M。；希尔，M。；张，F。；塞帕拉，J。；Garboczi，E。；贝恩，E。；科尔，D。；艾伦。；福克斯，J。；Campbell，C.，《2018年am-bench测量、挑战问题、模型提交和会议的结果和结论》，Integr Mater Manuf Innov，9，1，1-15（2020）
[117] 海格尔，J。；莱恩，B。；Levine，L.，《金属am-bench人工制品三维构建过程中熔池长度和冷却速度的原位测量》，Integr-Mater Manuf Innov，9，1，31-53（2020）
[118] Brandon，L。；贾里德·H。；理查德·R。；Z.伊凡。；弗拉基米尔，K。；约旦，W。；Thien，P。；马克·S。；谢尔盖，M。；Lyle，L.，《625块裸板上单个激光痕迹的熔池几何形状和冷却速度的测量》，Integr-Mater Manuf Innov，9，16-30（2020）
[119] 海格尔，J。；Lane，B.，《商业激光粉末床熔合过程中单扫描轨迹期间熔池长度的测量》，《制造科学与工程杂志》，140，5，5-12（2018）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。