Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Multi-Objective Identification of Nonlinear Material Model

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F12%3A00198567" target="_blank" >RIV/68407700:21110/12:00198567 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Multi-Objective Identification of Nonlinear Material Model

  • Popis výsledku v původním jazyce

    A multi-objective formulation of a nonlinear material model identification is presented. Since the material is tested on the basis of several tests, the multi-objective optimization with objectives for errors in individual tests' identification is a logic solution. Two optimization algorithms are implemented and compared. The first one is based on mean error function and an application of the single-objective genetic algorithm GRADE. In the second approach, for each test an error function will be defined, which allows to emphasize individual contributions of those tests. To optimize this problem, the multi-objective genetic algorithm NSGA-II is employed.

  • Název v anglickém jazyce

    Multi-Objective Identification of Nonlinear Material Model

  • Popis výsledku anglicky

    A multi-objective formulation of a nonlinear material model identification is presented. Since the material is tested on the basis of several tests, the multi-objective optimization with objectives for errors in individual tests' identification is a logic solution. Two optimization algorithms are implemented and compared. The first one is based on mean error function and an application of the single-objective genetic algorithm GRADE. In the second approach, for each test an error function will be defined, which allows to emphasize individual contributions of those tests. To optimize this problem, the multi-objective genetic algorithm NSGA-II is employed.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JM - Inženýrské stavitelství

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/TA01030733" target="_blank" >TA01030733: Efektivní navrhování, monitorování a předpověď chování předpjatých komorových betonových silničních mostních konstrukcí</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 3rd Conference Nano and Macro Mechanics NMM 2012

  • ISBN

    978-80-01-05097-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    179-186

  • Název nakladatele

    České vysoké učení technické v Praze, Fakulta stavební

  • Místo vydání

    Praha

  • Místo konání akce

    Prague

  • Datum konání akce

    20. 9. 2012

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku