现货现款 140HLI34000 容量充足

现货现款 140HLI34000 容量充足

01

准备输入文件  

该初始步骤包括为Digimat RP准备必要的输入文件，包括：

• Digimat材料卡片

• 有限元分析输入（当前版本兼容Marc和Abaqus）

• 取向张量文件（当前版本支持Moldflow和Moldex）

02

定义并执行DoE（实验设计） 

在这一阶段，用于高保真度模拟的DoE占据了中心位置。用户通过为每个考虑到的不确定性设置范围来定义DoE的范围。采用均匀分布来生成这些范围（图 2）。实际上，取向张量文件的N个不同变化是根据指定的不确定性范围而生成的。N对应于高保真度模拟的数量——通常是未知输入参数数量的五倍左右。终，用户为后处理指定感兴趣的关键性能指标（KPI），例如综合失效指数（FI）。

图2：插件使用的统计分布和高保真度DoE结果的示例

03

训练和评估ROM  

在高保真度DoE准备就绪后，开始进行降阶模型（ROM）训练和评估。定义了指定用于ROM训练和测试的高保真度结果的比例——通常按照80-20的比例拆分，其中80%用于训练，20%用于测试（图3）。性能评估通过在“对角线图”中根据测试数据可视化预测结果进行定性评估，并利用R2评分和中值百分比误差（MAPE）评分等指标进行定量评估。

这些评估以前一阶段指定的有限元分析 KPI为中心（例如，故障指数）。一旦ROM经过了熟练的训练，用户就可以利用该模型进行实时的“假设”分析。

图3：: ROM性能的定性和定量评估

04

定义和计算设计极限  

设计极限的概念概括了可接受设计和不可接受设计之间的界限。它围绕着确定一个部件是在可接受的阈值内还是已经超过该阈值。例如，它确定一个零件是否已经达到其失效极限。这可能表现为临界失效指数的突破，或者是指定参考节点处的力-位移曲线的顶点。

在此背景下，探索了两种不同的方法来确定设计极限：AI方法和分布方法(图4)。

• AI方法：这种方法包括训练分类模型，从用户输入中学习，使其能够辨别结构组件是否发生了故障。

• 分布方法：在这里，研究重点转移到评估失效指数（FI）的分布上。当FI分布的定义百分比（x%）超过关键FI阈值时，将引用设计限制。

图4：基于AI和分布的设计极限定义

05

进行UQ分析  

不确定性对应于感兴趣的输入中存在的预期可变性程度。感兴趣的输入可以包括整个结构的取向张量分量的完整场，或者Digimat材料卡级别的特定材料参数。该模型生成N个不同的随机配置，遵循高斯误差分布，其特征是标准偏差与识别的不确定性一致。

随后，使用第3步中建立的ROM来分析N个场景。通过采用第4步中定义的方法，确定结构失效的实例数量（n）。失效概率（Pf）计算公式为n与N的比值。同时，可靠性可推导为没有发生失效的概率，具体计算公式为可靠性=1–Pf (图5)。

图5: 如何计算终可靠性

06

使用Digimat-RP UQ插件  

一旦用户准备好了输入文件，就可以从Digimat-RP中启动Digimat RP-UQ插件，如图6所示.

图6: 从Digimat-RP中启动Digimat-RP UQ插件

在插件的左侧栏目中，上述定义的分析步骤可以通过以下选项卡中的分步指导工作流进行实现：

• 设置

定义不同求解器的路径，例如有限元求解器，Digimat和Odyssee

• DoE

定义生成高保真度DoE的参数，即在考虑不确定性来源的情况下运行的Digimat RP模拟案例。

• ROM

使用前一步的高保真度模拟结果对ROM进行训练和测试。

• 假设分析

利用经过训练的ROM执行几乎实时的假设分析。经过训练的ROM允许用户在几秒钟而不是几小时内计算给定输入参数集的失效指数的全部结果。

• 设计极限

用户在这里确定在给定场景下应如何定义结构失效。这里可以使用分布功能或AI功能来完成。

• UQ

这是使用经过训练的ROM和定义的设计边界的后一步。在这一步中，插件对ROM进行多次调用，计算每种情况下是否发生结构失效，确定失效的概率，后确定可靠性的得分。每次调用ROM时，使用的输入参数来自定义的不确定性来源。

现货现款 140HLI34000 容量充足