Bayesian Inference of Heterogeneous Viscoplastic Material Parameters

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

—

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.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20101 - Civil engineering

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

Rok uplatnění

2018

Kód důvěrnosti údajů

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

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