Search

This contribution aims to describe the process of the inverse identification of the parameters of a nonlinear material model from experimentally obtained data. This process takes place with the aid of approaches utilizing optimization procedures based on population methods which are currently implemented in the ANSYS Workbench environment. The input data for the described numerical procedure took the form of the points of a load-displacement curve which was measured during the performance of a three-point bending test on a concrete beam. This experiment was numerically simulated via the finite element method with the use of the Menétrey-Willam nonlinear material model. Great attention is paid to the description of the sensitivity analysis and the parameter correlation performed with the utilization of a programmed script that enables the correct understanding of the used material model. Emphasis is therefore placed on the analysis of individual parameters whose understanding and correct setting have a significant influence on the convergence of the nonlinear solution. The basic principle of the identification by optimization is the minimization of the difference between experimentally and numerically obtained load-displacement curves. However, the problem is how to formulate this difference as precise as possible because the right choice of objective function is crucial for achieving the optimum. One possible way is to use the root-mean-squared error that is often used for evaluation of accuracy of economy or weather mathematical models. The text also deals with the possibility of a reduction in the design vector according to the results of sensitivity analysis and shows how this reduction affects the accuracy of the sought parameters. The contribution provides another view on the utilization of optimization algorithms in the area of the design of safe and effective structures., Tento příspěvek si klade za cíl popsat proces inverzní identifikace parametrů nelineárního materiálového modelu z experimentálně získaných dat. Tento proces je proveden pomocí přístupů využívajících optimalizační postupy založených na populačních metodách, které jsou v současné době implementovány v prostředí ANSYS Workbench. Vstupní data popsaného numerické procedury měla podobu bodů zatěžovací křivky, která byla měřena během provádění tříbodového ohybového testu na betonovém nosníku. Tento experiment byl numericky simulováno pomocí metody konečných prvků s využitím nelineárního materiálového modelu. Velká pozornost je věnována popisu citlivostní analýzy a korelace provedené s využitím naprogramovaného skriptu umožňující správné pochopení použitého materiálového modelu. Důraz je proto kladen na analýzu jednotlivých parametrů, jejichž znalost a správné nastavení mají významný vliv na konvergenci nelineárního řešení. Základní princip identifikace optimalizací je minimalizace rozdílu mezi experimentálně a numericky získanými zatěžovacími křivkami. Problémem však je, jak co nejpřesněji formulovat tento rozdíl, protože správný výběr cílové funkce je zásadní pro dosažení optima. Jednou z možných cest je využít root-mean-sqaured chyby, která se často používá pro vyhodnocení přesnosti ekonomických nebo meteorologických matematických modelů. Text se také zabývá možností snížení dimenze návrhového vektoru na základě výsledků analýzy citlivosti a ukazuje, jak toto snížení ovlivňuje přesnost hledaných parametrů. Příspěvek poskytuje další pohled na využití optimalizačních algoritmů v oblasti navrhování bezpečných a efektivních kosntrukcí.

This contribution aims to describe the process of the inverse identification of the parameters of a nonlinear material model from experimentally obtained data. This process takes place with the aid of approaches utilizing optimization procedures based on population methods which are currently implemented in the ANSYS Workbench environment. The input data for the described numerical procedure took the form of the points of a load-displacement curve which was measured during the performance of a three-point bending test on a concrete beam. This experiment was numerically simulated via the finite element method with the use of the Menétrey-Willam nonlinear material model. Great attention is paid to the description of the sensitivity analysis and the parameter correlation performed with the utilization of a programmed script that enables the correct understanding of the used material model. Emphasis is therefore placed on the analysis of individual parameters whose understanding and correct setting have a significant influence on the convergence of the nonlinear solution. The basic principle of the identification by optimization is the minimization of the difference between experimentally and numerically obtained load-displacement curves. However, the problem is how to formulate this difference as precise as possible because the right choice of objective function is crucial for achieving the optimum. One possible way is to use the root-mean-squared error that is often used for evaluation of accuracy of economy or weather mathematical models. The text also deals with the possibility of a reduction in the design vector according to the results of sensitivity analysis and shows how this reduction affects the accuracy of the sought parameters. The contribution provides another view on the utilization of optimization algorithms in the area of the design of safe and effective structures., Tento příspěvek si klade za cíl popsat proces inverzní identifikace parametrů nelineárního materiálového modelu z experimentálně získaných dat. Tento proces je proveden pomocí přístupů využívajících optimalizační postupy založených na populačních metodách, které jsou v současné době implementovány v prostředí ANSYS Workbench. Vstupní data popsaného numerické procedury měla podobu bodů zatěžovací křivky, která byla měřena během provádění tříbodového ohybového testu na betonovém nosníku. Tento experiment byl numericky simulováno pomocí metody konečných prvků s využitím nelineárního materiálového modelu. Velká pozornost je věnována popisu citlivostní analýzy a korelace provedené s využitím naprogramovaného skriptu umožňující správné pochopení použitého materiálového modelu. Důraz je proto kladen na analýzu jednotlivých parametrů, jejichž znalost a správné nastavení mají významný vliv na konvergenci nelineárního řešení. Základní princip identifikace optimalizací je minimalizace rozdílu mezi experimentálně a numericky získanými zatěžovacími křivkami. Problémem však je, jak co nejpřesněji formulovat tento rozdíl, protože správný výběr cílové funkce je zásadní pro dosažení optima. Jednou z možných cest je využít root-mean-sqaured chyby, která se často používá pro vyhodnocení přesnosti ekonomických nebo meteorologických matematických modelů. Text se také zabývá možností snížení dimenze návrhového vektoru na základě výsledků analýzy citlivosti a ukazuje, jak toto snížení ovlivňuje přesnost hledaných parametrů. Příspěvek poskytuje další pohled na využití optimalizačních algoritmů v oblasti navrhování bezpečných a efektivních kosntrukcí.

This contribution aims to describe the process of the inverse identification of the parameters of a nonlinear material model from experimentally obtained data. This process takes place with the aid of approaches utilizing optimization procedures based on population methods which are currently implemented in the ANSYS Workbench environment. The input data for the described numerical procedure took the form of the points of a load-displacement curve which was measured during the performance of a three-point bending test on a concrete beam. This experiment was numerically simulated via the finite element method with the use of the Menétrey-Willam nonlinear material model. Great attention is paid to the description of the sensitivity analysis and the parameter correlation performed with the utilization of a programmed script that enables the correct understanding of the used material model. Emphasis is therefore placed on the analysis of individual parameters whose understanding and correct setting have a significant influence on the convergence of the nonlinear solution. The basic principle of the identification by optimization is the minimization of the difference between experimentally and numerically obtained load-displacement curves. However, the problem is how to formulate this difference as precise as possible because the right choice of objective function is crucial for achieving the optimum. One possible way is to use the root-mean-squared error that is often used for evaluation of accuracy of economy or weather mathematical models. The text also deals with the possibility of a reduction in the design vector according to the results of sensitivity analysis and shows how this reduction affects the accuracy of the sought parameters. The contribution provides another view on the utilization of optimization algorithms in the area of the design of safe and effective structures., Tento příspěvek si klade za cíl popsat proces inverzní identifikace parametrů nelineárního materiálového modelu z experimentálně získaných dat. Tento proces je proveden pomocí přístupů využívajících optimalizační postupy založených na populačních metodách, které jsou v současné době implementovány v prostředí ANSYS Workbench. Vstupní data popsaného numerické procedury měla podobu bodů zatěžovací křivky, která byla měřena během provádění tříbodového ohybového testu na betonovém nosníku. Tento experiment byl numericky simulováno pomocí metody konečných prvků s využitím nelineárního materiálového modelu. Velká pozornost je věnována popisu citlivostní analýzy a korelace provedené s využitím naprogramovaného skriptu umožňující správné pochopení použitého materiálového modelu. Důraz je proto kladen na analýzu jednotlivých parametrů, jejichž znalost a správné nastavení mají významný vliv na konvergenci nelineárního řešení. Základní princip identifikace optimalizací je minimalizace rozdílu mezi experimentálně a numericky získanými zatěžovacími křivkami. Problémem však je, jak co nejpřesněji formulovat tento rozdíl, protože správný výběr cílové funkce je zásadní pro dosažení optima. Jednou z možných cest je využít root-mean-sqaured chyby, která se často používá pro vyhodnocení přesnosti ekonomických nebo meteorologických matematických modelů. Text se také zabývá možností snížení dimenze návrhového vektoru na základě výsledků analýzy citlivosti a ukazuje, jak toto snížení ovlivňuje přesnost hledaných parametrů. Příspěvek poskytuje další pohled na využití optimalizačních algoritmů v oblasti navrhování bezpečných a efektivních kosntrukcí.