Réduction de modèles pour des applications en
This presentation is the property of its rightful owner.
Sponsored Links
1 / 28

Réduction de modèles pour des applications en temps réel PowerPoint PPT Presentation


  • 70 Views
  • Uploaded on
  • Presentation posted in: General

Réduction de modèles pour des applications en temps réel. F. Druesne , J-L Dulong, P. Villon, A. Ouahsine. Laboratoire Roberval – UTC Compiègne. Contexte industriel : Savoir-faire & besoin. Approche : Apprentissage – Temps réel. Méthode a posteriori. Méthode a priori.

Download Presentation

Réduction de modèles pour des applications en temps réel

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


R duction de mod les pour des applications en temps r el

Réduction de modèles pour des applications en temps réel

F. Druesne, J-L Dulong, P. Villon, A. Ouahsine

Laboratoire Roberval – UTC Compiègne


R duction de mod les pour des applications en temps r el

Contexte industriel : Savoir-faire & besoin

Approche : Apprentissage – Temps réel

Méthode a posteriori

Méthode a priori

Application sur une durit automobile


R duction de mod les pour des applications en temps r el

Context

Simulation of manual operations on rigid parts( assembly simulation )

as early as design phase

Tool for mechanical design

Tool for operators training

Automotive industry & aeronautics

PSA

EADS

With haptic feedback

Virtual prototype

3D immersive visualization of a product

Decision aid for project review

3


R duction de mod les pour des applications en temps r el

Context

Automotive industry

Virtual prototype

Simulation of manual operations on flexible parts

Tool for mechanical design

Tool for operators training

Problematic:

Part deformation in real time, if non linearity

Example :

Access to a motor unit by pushing an hose back

4


R duction de mod les pour des applications en temps r el

Contexte industriel : Savoir-faire & besoin

Approche : Apprentissage – Temps réel

Méthode a posteriori

Méthode a priori

Application sur une durit automobile


R duction de mod les pour des applications en temps r el

Approach

Learning

CAD model

Finite Element Model

Calculation campaign

FEM code

Response surface

Model reduction

Real time

Virtual model

30 Hz

Reduced response surface

1000 Hz

Haptic device

How to build it ?

6


R duction de mod les pour des applications en temps r el

Contexte industriel : Savoir-faire & besoin

Approche : Apprentissage – Temps réel

Méthode a posteriori

Méthode a priori

Application sur une durit automobile


R duction de mod les pour des applications en temps r el

Test structure

  • Problem geometry

  • Slender structure in rubber

  • embedded at one extremity

  • handled at the other

  • Mechanical model

  • meshed with H8 finite elements

  • n = 3408 degrees of freedom

  • Finite deformation

  • Hyperelastic material (neo-hookean)

  • Quasi-static problem

  • FEAP code

  • Load cases

  • S = 100 load cases following a regular grid

8


R duction de mod les pour des applications en temps r el

A posteriori methodology

Quasi-static campaign by solving u (ts ) on each point ts of the load cases grid

Newton-Raphson scheme on u (size n) :

n = 3408

S = 100

9


R duction de mod les pour des applications en temps r el

A posteriori methodology

Model reduction by the Karhunen-Loeve Expansion (KLE) 1,2

  • Centered displacements by subtracting the average

  • Covariance matrix

  • Eigenvectors of and selection of the m first (highest eigenvalues)

1 Krysl, Lall, Marsden 2000

2 Barbič, James 2005

10


R duction de mod les pour des applications en temps r el

A posteriori methodology

Model reduction by the Karhunen-Loeve Expansion (KLE)

  • Approached displacement

n = 3408

S = 100

m ~ 20

11


R duction de mod les pour des applications en temps r el

average

initial

A posteriori methodology

12


R duction de mod les pour des applications en temps r el

A posteriori methodology

Error induced by the KLE

13


R duction de mod les pour des applications en temps r el

Contexte industriel : Savoir-faire & besoin

Approche : Apprentissage – Temps réel

Méthode a posteriori

Méthode a priori

Application sur une durit automobile


R duction de mod les pour des applications en temps r el

  • Cost of (size m x m) is low

  • Convergence on a, with fixed

But a can converge, even if is large !

is too ‘poor’ to describe solution

have to be enriched

A priori methodology

Quasi-static campaign by solving a (ts ) on each point ts of the loading cases grid

Newton-Raphson scheme on a (size m) :

15


R duction de mod les pour des applications en temps r el

Algorithm :

enrichment loop

iterative loop (Newton Raphson)

until convergence on a

until convergence on R

else enrichment

Reduction by KLE if size( ) becomes too large 1

1 Ryckelynck 2005

A priori methodology

Adaptative strategy by R-enrichment

orthonormalize

16


R duction de mod les pour des applications en temps r el

A priori methodology

base size m

base size

load cases

17


R duction de mod les pour des applications en temps r el

A priori methodology

base size m

load cases

18


R duction de mod les pour des applications en temps r el

A priori vs A posteriori

1.6

1.8

19


R duction de mod les pour des applications en temps r el

A priori vs A posteriori

2.2

2.6

20


R duction de mod les pour des applications en temps r el

average

initial

A priori vs A posteriori

a posteriori

a priori

without reduction

average

initial

21


R duction de mod les pour des applications en temps r el

Contexte industriel : Savoir-faire & besoin

Approche : Apprentissage – Temps réel

Méthode a posteriori

Méthode a priori

Application sur une durit automobile


R duction de mod les pour des applications en temps r el

Application

  • Problem geometry

  • Automotive hose in rubber

  • embedded at its 2 extremities

  • handled in a point

  • Mechanical model

  • meshed with H8 finite elements

  • n = 18720 degrees of freedom

  • Large deformation

  • Hyperelastic material (neo-hookean)

  • Quasi-static problem

  • FEAP code

  • Load cases

  • S = 100 load cases following a regular grid

23


R duction de mod les pour des applications en temps r el

Application : results

Error induced by the a posteriori KLE

24


R duction de mod les pour des applications en temps r el

Application : results

25


R duction de mod les pour des applications en temps r el

Interpolation on data from training phase


R duction de mod les pour des applications en temps r el

Conclusion

  • Conclusion

  • Feasibility of large deformation in real time, with non linear hyperelastic material.

  • New tool for mechanical design.

  • The classical a posteriori methodology is possible but slower than the a priori one.

  • Perspectives

  • Hyperreduction methodology (Ryckelynck 2005).

  • Introduce material history in the reduced surface response.

  • Introduce boundary conditions non linearity.

27


  • Login