Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Data-driven model order reduction for granular media
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för fysik. (Digital fysik)
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för fysik. (Digital Physics)ORCID-id: 0000-0002-0787-4988
2022 (Engelska)Ingår i: Computational Particle Mechanics, ISSN 2196-4378, Vol. 9, s. 15-28Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

We investigate the use of reduced-order modelling to run discrete element simulations at higher speeds. Taking a data-drivenapproach, we run many offline simulations in advance and train a model to predict the velocity field from the mass distributionand system control signals. Rapid model inference of particle velocities replaces the intense process of computing contactforces and velocity updates. In coupled DEM and multibody system simulation, the predictor model can be trained to outputthe interfacial reaction forces as well. An adaptive model order reduction technique is investigated, decomposing the mediain domains of solid, liquid, and gaseous state. The model reduction is applied to solid and liquid domains where the particlemotion is strongly correlated with the mean flow, while resolved DEM is used for gaseous domains. Using a ridge regressionpredictor, the performance is tested on simulations of a pile discharge and bulldozing. The measured accuracy is about 90%and 65%, respectively, and the speed-up range between 10 and 60. 

Ort, förlag, år, upplaga, sidor
Springer Nature, 2022. Vol. 9, s. 15-28
Nationell ämneskategori
Annan fysik Teknisk mekanik
Forskningsämne
fysik
Identifikatorer
URN: urn:nbn:se:umu:diva-169604DOI: 10.1007/s40571-020-00387-6ISI: 000616428800001Scopus ID: 2-s2.0-85101460553OAI: oai:DiVA.org:umu-169604DiVA, id: diva2:1422771
Forskningsfinansiär
Vinnova, 2019-04832eSSENCE - An eScience CollaborationTillgänglig från: 2020-04-08 Skapad: 2020-04-08 Senast uppdaterad: 2023-03-24Bibliografiskt granskad

Open Access i DiVA

fulltext(3774 kB)115 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 3774 kBChecksumma SHA-512
8e431a6802e0894f2eec405c0187bed0d3bd5f5186962fb5c899fc3b556cf392cbf12f17480225dcd3a9da87a9cc07f6d60dc49cb9414a7c5fd1535583092047
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Wallin, ErikServin, Martin

Sök vidare i DiVA

Av författaren/redaktören
Wallin, ErikServin, Martin
Av organisationen
Institutionen för fysik
Annan fysikTeknisk mekanik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 191 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 429 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf