elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Model Updating Strategy of the DLR-AIRMOD Test Structure

Patelli, E. und Broggi, Matteo und Govers, Yves und Mottershead, J.E. (2017) Model Updating Strategy of the DLR-AIRMOD Test Structure. Procedia Engineering, 199, Seiten 978-983. Elsevier. doi: 10.1016/j.proeng.2017.09.221. ISSN 1877-7058.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Offizielle URL: https://doi.org/10.1016/j.proeng.2017.09.221

Kurzfassung

Considerable progresses have been made in computer-aided engineering for the high fidelity analysis of structures and systems. Traditionally, computer models are calibrated using deterministic procedures. However, different analysts produce different models based on different modelling approximations and assumptions. In addition, identically constructed structures and systems show different characteristic between each other. Hence, model updating needs to take account modelling and test-data variability. Stochastic model updating techniques such as sensitivity approach and Bayesian updating are now recognised as powerful approaches able to deal with unavoidable uncertainty and variability. This paper presents a high fidelity surrogate model that allows to significantly reduce the computational costs associated with the Bayesian model updating technique. A set of Artificial Neural Networks are proposed to replace multi non-linear input-output relationships of finite element (FE) models. An application for updating the model parameters of the FE model of the DRL-AIRMOD structure is presented.

elib-URL des Eintrags:https://elib.dlr.de/115963/
Dokumentart:Zeitschriftenbeitrag
Titel:Model Updating Strategy of the DLR-AIRMOD Test Structure
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Patelli, E.NICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Broggi, MatteoInstitut für Risiko und Zuverlässigkeit, Leibniz University HannoverNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Govers, Yvesyves.govers (at) dlr.dehttps://orcid.org/0000-0003-2236-596X136814829
Mottershead, J.E.liverpool university, liverpool, ukNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2017
Erschienen in:Procedia Engineering
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Band:199
DOI:10.1016/j.proeng.2017.09.221
Seitenbereich:Seiten 978-983
Verlag:Elsevier
ISSN:1877-7058
Status:veröffentlicht
Stichwörter:model updating, artificial neural Networks, Bayesian; simulation
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Flugzeuge
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L AR - Aircraft Research
DLR - Teilgebiet (Projekt, Vorhaben):L - Flugphysik (alt)
Standort: Göttingen
Institute & Einrichtungen:Institut für Aeroelastik > Strukturdynamik und aeroelastische Systemidentifikation
Hinterlegt von: Grischke, Birgid
Hinterlegt am:14 Dez 2017 11:43
Letzte Änderung:13 Jun 2023 14:20

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.