Τεχνικές Bayes για την ποσοτικοποίηση και διαχείριση αβεβαιοτήτων σε προσομοιώσεις της δυναμικής των κατασκευών

Περίληψη

Η παρούσα διατριβή επικεντρώνεται στην ανάπτυξη τεχνικών κατά Bayes για την ποσοτικοποίηση και διαχείριση αβεβαιοτήτων (Uncertainty Quantification and Propagation - UQP) σε μηχανικές προσομοιώσεις που βασίζονται σε μοντέλα φυσικής δυναμικών συστημάτων και δεδομένα μετρήσεων που συλλέγονται κατά τη λειτουργία τους. Εισάγει ένα πλαίσιο ιεραρχικής μοντελοποίησης κατά Bayes (Hierarchical Bayesian Modelling - HBM) για να ληφθεί υπόψη η αβεβαιότητα λόγω της μεταβλητότητας που προκύπτει από σφάλματα μοντέλου, πειραματικά δεδομένα, διαδικασία κατασκευής, διαδικασία συναρμολόγησης, καθώς και μη γραμμικότητες που ενεργοποιούνται υπό διαφορετικές συνθήκες φόρτισης. Αρχικά, επεκτείνει το πλαίσιο HBM αναπτύσσοντάς το περαιτέρω για εκτίμηση παραμέτρων φυσικών μοντέλων με βάση τα ιδιομορφικά χαρακτηριστικά. Στη συνέχεια, γενικεύει το πλαίσιο σε μη γραμμικά δυναμικά συστήματα για βαθμονόμηση και ποσοτικοποίηση των αβεβαιοτήτων των παραμέτρων μη γραμμικών μοντέλων. Τέλος, διαμορφώνει το πλαίσιο ώστε ν ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This thesis is focused on the development of Bayesian techniques for uncertainty quantification and propagation (UQP) in engineering simulations based on physics-based models of dynamic structures and measurements collected during system operation. It introduces a hierarchical Bayesian modeling (HBM) framework to account for the uncertainty due to the variabilities that arise from model error, experimental data, manufacturing process, assembling process as well as nonlinear mechanisms activated under different loading conditions. First, it extends the HBM framework developing it further for model inference based on modal properties. Then, it generalizes the framework to nonlinear dynamical systems for calibration and quantification of uncertainties of parameters of nonlinear models. Finally, it advances the framework to account for multi-level physics-based modeling of systems and multi-level models of uncertainties using multi-level test data. Asymptotic approximations are introduced, ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/50427
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/50427
ND
50427
Εναλλακτικός τίτλος
Bayesian tools for uncertainty quantification and propagation in structural dynamics simulations
Συγγραφέας
Σινού, Τζιά του Γιουμί
Ημερομηνία
2021
Ίδρυμα
Πανεπιστήμιο Θεσσαλίας. Σχολή Πολυτεχνική. Τμήμα Μηχανολόγων Μηχανικών. Εργαστήριο Δυναμικής Συστημάτων
Εξεταστική επιτροπή
Παπαδημητρίου Κωνσταντι΄νος
Wagg David
Chatzi Eleni
Νατσιάβας Σωτήριος
Γιαγκόπουλος Δημήτριος
Katafygiotis Lambros
Dimitrakopoulos Ilias
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΕπιστήμη Μηχανολόγου Μηχανικού ➨ Μηχανολογία
Λέξεις-κλειδιά
Μάθηση κατά Bayes; Ποσοτικοποίηση αβεβαιοτήτων; Διαχείριση αβεβαιοτήτων; Δυναμική των κατασκευών
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)