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”

Bayesian Inference of Heterogeneous Viscoplastic Material Parameters

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F18%3A00326093" target="_blank" >RIV/68407700:21110/18:00326093 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Bayesian Inference of Heterogeneous Viscoplastic Material Parameters

  • Popis výsledku v původním jazyce

    Modelling of heterogeneous materials based on randomness of model input parameters involves parameter identification which is focused on solving a stochastic inversion problem. It can be formulated as a search for probabilistic description of model parameters providing the distribution of the model response corresponding to the distribution of the observed data. In this contribution, a numerical model of kinematic and isotropic hardening for viscoplastic material is calibrated on a basis of experimental data from a cyclic loading test at a high temperature. Five material model parameters are identified in probabilistic setting. The core of the identification method is the Bayesian inference of uncertain statistical moments of a prescribed joint lognormal distribution of the parameters. At first, synthetic experimental data are used to verify the identification procedure, then the real experimental data are processed to calibrate the material model of copper alloy.

  • Název v anglickém jazyce

    Bayesian Inference of Heterogeneous Viscoplastic Material Parameters

  • Popis výsledku anglicky

    Modelling of heterogeneous materials based on randomness of model input parameters involves parameter identification which is focused on solving a stochastic inversion problem. It can be formulated as a search for probabilistic description of model parameters providing the distribution of the model response corresponding to the distribution of the observed data. In this contribution, a numerical model of kinematic and isotropic hardening for viscoplastic material is calibrated on a basis of experimental data from a cyclic loading test at a high temperature. Five material model parameters are identified in probabilistic setting. The core of the identification method is the Bayesian inference of uncertain statistical moments of a prescribed joint lognormal distribution of the parameters. At first, synthetic experimental data are used to verify the identification procedure, then the real experimental data are processed to calibrate the material model of copper alloy.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20101 - Civil engineering

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GJ16-11473Y" target="_blank" >GJ16-11473Y: Identifikace aleatorické nejistoty v parametrech heterogenních materiálů</a><br>

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2018

  • 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

    NMM 2018 - Nano & Macro Mechanics 2018

  • ISBN

    978-80-01-06457-3

  • ISSN

  • e-ISSN

    2336-5382

  • Počet stran výsledku

    5

  • Strana od-do

    41-45

  • Název nakladatele

    Czech Technical University in Prague

  • Místo vydání

    Praha

  • Místo konání akce

    Praha

  • Datum konání akce

    20. 9. 2018

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000461834500008