Multi-scale domain decomposition method for analysis of large structure
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,942
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME16_827
تاریخ نمایه سازی: 20 آبان 1386
چکیده مقاله:
The domain decomposition method provides a good approach to solve large-scale structural problems. In this paper, we present a multi-scale domain decomposition method, based on the FETI-DP solver. This method is used herein for large-scale structural problems with application to passenger ship structure analysis. The multi-scale aspect is introduced by the description of subdomains with fine and coarse scale meshes. This approach is named as the FETI-DP micro-macro. Using this strategy raises several problems: determination of the stiffness of coarse subdomains, and connection between coarse and fine subdomains (with incompatible meshes on the interface between these subdomains). Two approaches (collocation and Mortar) are considered and are compared. The proposed method is validated by the “patch test” for macro stiffness and the micro and macro subdomains connection. Once the patch test is qualified, we applied the proposed method to several more complex structures. The obtained numerical results demonstrate the effectiveness of the proposed approach and reveal that the Mortar method is more accurate than the collocation method.
کلیدواژه ها:
نویسندگان
Ahmad Mobasher Amini
GeM, Ecole Centrale de Nantes CNRS UMR ۶۱۸۳ ۱, rue de la NoëBP ۹۲۱۰۱۴۴۳۲۱ NANTES CEDEX ۳ - France
David Dureisseix
LMGC, University Montpellier ۲ CNRS UMR ۵۵۰۸ CC۰۴۸ Place E. Bataillon, ۳۴۰۹۵ MONTPELLIER CEDEX ۵, France
Patrice Cartraud
GeM, Ecole Centrale de Nantes CNRS UMR ۶۱۸۳ ۱, rue de la Noë, BP ۹۲۱۰۱ ۴۴۳۲۱ NANTES CEDEX ۳ - France
Natacha Buannic
Principia Marine ۱, rue de la Noë, BP ۲۲۱۱۲ ۴۴۳۲۱ NANTES CEDEX ۳ - France
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :