×
韩成吉;Choi，Hee-Sun先生;Choi，Juhwan先生;崔金焕;Kim，Jin Gyun

基于DNN的数据驱动建模，使用粗样本数据进行实时柔性多体动力学仿真。 （英语） Zbl 1506.65097号

计算。方法应用。机械。工程师。 373，文章ID 113480，33 p.（2021）.
摘要：为了实现柔性多体动力学（FMBD）系统的实时仿真，我们建议基于深度神经网络（DNN）的数据驱动建模。虽然DNN可以准确地表示系统动力学，但FMBD系统的两个主要因素要求训练DNN需要较高的计算成本。一种是柔性体的精细离散化，它产生大量的训练数据。另一个是FMBD的非线性，这要求列车DNN模型具有大量的权重和偏差参数。为了克服这些困难，我们提出了一种有效训练DNN的数据驱动建模算法，该算法包括两个步骤。首先，随机选择的粗数据集顺序训练DNN模型。这有助于加快培训过程，即使对于高度参数化的DNN也是如此。在某种程度上，模型不再改进，引入误差校正步骤可以提高模型的性能。数值算例表明，该算法易于使用，利用了有效的训练数据量，同时实现了DNN的高性能。

引用于三文件

MSC公司：

65升05 常微分方程初值问题的数值方法
70E55型 多体系统动力学

关键词：

柔性多体动力学;数据驱动模型;实时仿真;深度神经网络;粗样本数据;误差修正

软件：

亚当
PDF格式BibTeX公司 XML格式引用
\textit{S.Han}等人，计算。方法应用。机械。工程373，文章ID 113480，33 p.（2021；Zbl 1506.65097）
全文： 内政部

参考文献：

[1] Shabana，A.A.，《多体系统动力学》（2003），剑桥大学出版社·Zbl 1100.70005号
[2] Shabana，A.A.，《柔性多体动力学：回顾过去和最近的发展》，《多体系统》。动态。，1, 2, 189-222 (1997) ·Zbl 0893.70008号
[3] Wu，L。；Tiso，P.，《柔性多体动力学非线性模型降阶：模态导数方法》，《多体系统》。动态。，36, 4, 405-425 (2016) ·Zbl 1352.70018号
[4] Yoo，W。；Haug，E.，《使用振动和静态校正模式的柔性机械系统动力学》，J.Mech。设计。，108, 3, 315-322 (1986)
[5] Kim，J.-G。；Han，J.-B。；Lee，H。；Kim，S.-S.，《使用通过动态校正改进的坐标简化的柔性多体动力学》，《多体系统》。动态。，42, 4, 411-429 (2018) ·Zbl 1425.70012号
[6] Han，J.-B。；Kim，J.-G。；Kim，S.-S.，使用变形坐标凝聚的柔性多体动力学的有效公式，多体系统。动态。，47, 3, 293-316 (2019) ·Zbl 1423.70027号
[7] Kim，S。；Choi，J。；Kim，J.-G。；Hatakeyama，R。；Kuribara，H。；Choi，J.H.，活塞润滑系统中弹性流体动力学和多柔体动力学的耦合模拟，高级机械。工程，11，12，第1687814019895855页（2019年）
[8] Schiehlen，W.，《多体系统动力学：根源和观点》，多体系统。动态。，1, 2, 149-188 (1997) ·Zbl 0901.70009号
[9] 希伦，W。；Guse，N。；Seifried，R.，计算力学和工程应用中的多体动力学，计算机。方法应用。机械。工程，195，41-43，5509-5522（2006）·Zbl 1119.70007号
[10] 费雷尔，M。；Eggensperger，K。；福克纳，S。；林道尔，M。；Hutter，F.，《2018年自动化挑战的实用自动机器学习》，（ICML（2018）自动机器学习国际研讨会），1189-1232
[11] Domingos，P.，关于机器学习的一些有用知识，Commun。ACM，55，10，78-87（2012）
[12] 古德费罗，I。；Y.本吉奥。；A.Courville，《深度学习》（2016），麻省理工学院出版社·Zbl 1373.68009号
[13] LeCun，Y。；Y.本吉奥。；Hinton，G.，《深度学习，自然》，521，7553，436-444（2015）
[14] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，通过反向传播错误学习表征，自然，3236088533-536（1986）·Zbl 1369.68284号
[15] Papadrakakis，M。；帕帕佐普洛斯，V。；Lagaros，N.D.，使用神经网络和蒙特卡罗模拟进行弹塑性结构的结构可靠性分析，计算。方法应用。机械。工程，136，1-2，145-163（1996）·Zbl 0893.73079号
[16] Cheng，J。；Li，Q.，基于遗传算法的人工神经网络结构可靠性分析，计算。方法应用。机械。工程，197，45-48，3742-3750（2008）·Zbl 1194.74515号
[17] 帕帕佐普洛斯，V。；Giovanis，D.G。；北卡罗来纳州拉加罗斯。；Papadrakakis，M.，可靠性分析用神经网络加速子集模拟，计算。方法应用。机械。工程，223，70-80（2012）·Zbl 1253.74073号
[18] 刘，S.-W。；黄，J.H。；Sung，J.-C。；Lee，C.，使用神经网络和计算力学检测裂纹，计算。方法应用。机械。工程，191，25-26，2831-2845（2002）·Zbl 1131.74316号
[19] Goswami，S。；Anitescu，C。；Chakraborty，S。；Rabczuk，T.，传输学习增强的物理信息神经网络，用于断裂的相场建模，Theor。申请。分形。机械。，第106条，第102447页（2020年）
[20] Choi，H.-S。；An，J。；Kim，J.-G。；Jung，J.-Y。；Choi，J。；Orzechowski，G。；Mikkola，A。；Choi，J.H.，使用深度神经网络的通用多体动力学数据驱动模拟（2019），arXiv预印本arXiv:1909.02391
[21] 勒菲克，M。；Schrefler，B.A.，作为有限元代码增量非线性本构模型的人工神经网络，计算。方法应用。机械。工程师，192，28-30，3265-3283（2003）·Zbl 1054.74731号
[22] Le，B。；Yvonnet，J。；He，Q.C.，使用神经网络的非线性弹性材料的计算均匀化，国际。J.数字。方法工程，104，12，1061-1084（2015）·Zbl 1352.74266号
[23] Man，H。；Furukawa，T.，各向异性材料非线性表征的神经网络本构模型，国际。J.数字。方法工程，85，8，939-957（2011）·Zbl 1217.74029号
[24] Yun，G.J。；加布西，J。；Elnashai，A.S.，基于神经网络的材料滞回性能新模型，国际。J.数字。方法工程，73，4，447-469（2008）·Zbl 1159.74005号
[25] 哈沙什，Y。；Jung，S。；Ghaboussi，J.，有限元分析中基于神经网络的材料模型的数值实现，国际期刊Numer。方法工程，59，7，989-1005（2004）·Zbl 1065.74609号
[26] 帕帕佐普洛斯，V。；Soimiris，G。；Giovanis，D。；Papadrakakis，M.，基于神经网络的几何非线性碳纳米管替代模型，计算。方法应用。机械。工程，328，411-430（2018）·Zbl 1439.74459号
[27] 赫塔多·J·E。；Alvarez，D.A.，基于神经网络的可靠性分析：比较研究，计算。方法应用。机械。工程，191，1-2，113-132（2001）·Zbl 1016.74044号
[28] Oishi，A。；Yagawa，G.，通过深度学习增强的计算力学，计算。方法应用。机械。工程，327327-351（2017）·Zbl 1439.74458号
[29] 劳赫，L。；Górecki，G。；Pietrzyk，M。；Macioł，P.，《利用高性能计算基础设施利用人工神经网络进行元建模》，（AIP会议论文集，第1769卷（2016），AIP Publishing LLC），第060012页。
[30] Cheng，M。；方，F。；疼痛，C。；Navon，I.，《使用深度卷积生成对抗网络的非线性时空流体流动的数据驱动建模》，计算。方法应用。机械。工程，365，第113000条pp.（2020）·兹比尔1442.76040
[31] Anitescu，C。；阿托什琴科，E。；阿拉伊兰，N。；Rabczuk，T.，解二阶边值问题的人工神经网络方法，计算。马特。康定。，59, 1, 345-359 (2019)
[32] 郭，H。；庄，X。；Rabczuk，T.，基尔霍夫板弯曲分析的深度配置法，计算。马特。容器。，59, 2, 433-456 (2019)
[33] Baiges，J。；科迪纳，R。；Castañar，I。；Castillo，E.，基于自适应网格细化和人工神经网络的有限元降阶模型，国际。J.数字。方法工程（2019）
[34] 吴，P。；Sun，J。；Chang，X。；张伟。；阿尔库奇，R。；郭毅。；Pain，C.C.，带时间卷积神经网络的数据驱动降阶模型，计算。方法应用。机械。工程，360，第112766条pp.（2020）·Zbl 1441.76101号
[35] 小克雷格（Craig Jr，R.R.）。；Bampton，M.C.，动力分析子结构耦合，AIAA J.，6，7，1313-1319（1968）·Zbl 0159.56202号
[36] Kim，J.-G。；Lee，P.-S.，《一种增强的craig-banmpton方法》，国际出版社。J.数字。方法工程，103，2，79-93（2015）·Zbl 1352.74378号
[37] Wu，S.-C。；豪格，E.J。；Kim，S.-S.，《柔性多体系统动力学的变分方法》，J.Struct。机械。，17, 1, 3-32 (1989)
[38] 阿格拉瓦尔，O.P。；Shabana，A.A.，使用组件模式的多体系统动力学分析，计算。结构。，21, 6, 1303-1312 (1985)
[39] Kingma，D.P。；Ba，J.，Adam：随机优化方法（2014），arXiv预印本arXiv:1412.6980
[40] Recurdyn V9R3用户手册（2019），FunctionBay公司
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。