Disminución de los tiempos de cálculo en la fase de inicialización del método de elementos discretos (MED)
Archivos
Fecha
2017-07-05
Autores
Palmero López, Andy Raúl
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central “Marta Abreu” de Las Villas
Resumen
La presente tesis está dedicada a la fase de inicialización del Método de Elementos Discretos (MED). En ella se aborda el problema de la partícula en contacto para el caso de conglomerados de círculos y esferas.
En el análisis del estado del arte de la temática, se incluye la mayor parte de los aspectos relevantes del MED. Se muestran los principales algoritmos de empaquetamiento existentes para los diferentes tipos de partícula, así como los métodos para evaluar la calidad de dichos empaquetamientos. También se describen las principales formulaciones de la parte de simulación con el MED, se menciona una gran cantidad de aplicaciones, y se enumeran los principales códigos computacionales existentes.
Se formula un algoritmo de empaquetamiento de avance frontal y luego se describe el problema de la partícula en contacto, donde, para conglomerados de círculos o esferas, se manifiesta la necesidad de mejorar la eficiencia al resolver el problema anterior. Se introducen brevemente el aprendizaje de máquina, así como la regresión logística, los árboles de decisión y las redes neuronales.
Se realizó una comparación de los tiempos de generación de la partícula móvil, para los casos en que se conoce y los que no se conoce entre cuáles círculos ocurre la tangencia. Se plantea un problema de clasificación y para solucionar el mismo son utilizados: árboles de decisión, regresión logística, máquinas de soporte vectorial y redes neuronales.
The present thesis is devoted to the Discrete Element Method (DEM) initialization phase. It approaches the problem of the particle in contact for clusters of disks and spheres. Most of the relevant DEM aspects are included in the analysis of the state of the art in Chapter 1, which includes the main packing algorithms for the different kinds of particles, as well as the methods to evaluate the quality of the obtained packings. There are also described the main formulations of DEM simulations, a large number of applications, and the existing computational codes. Advancing front packing algorithms are proposed and the problem of the particle in contact is described later, where its shown the need of improving the efficiency solving it. Machine Learning, Logistic Regression, Decision Trees and Neural Networks are briefly introduced. A comparison between the generation time of the mobile particle for the cases when the tangency disks are known and those when they aren’t, was made. A classification problem was presented, and Decision Trees, Logistic Regression, Vector Support Machine and Neural networks were used to solve it.
The present thesis is devoted to the Discrete Element Method (DEM) initialization phase. It approaches the problem of the particle in contact for clusters of disks and spheres. Most of the relevant DEM aspects are included in the analysis of the state of the art in Chapter 1, which includes the main packing algorithms for the different kinds of particles, as well as the methods to evaluate the quality of the obtained packings. There are also described the main formulations of DEM simulations, a large number of applications, and the existing computational codes. Advancing front packing algorithms are proposed and the problem of the particle in contact is described later, where its shown the need of improving the efficiency solving it. Machine Learning, Logistic Regression, Decision Trees and Neural Networks are briefly introduced. A comparison between the generation time of the mobile particle for the cases when the tangency disks are known and those when they aren’t, was made. A classification problem was presented, and Decision Trees, Logistic Regression, Vector Support Machine and Neural networks were used to solve it.
Descripción
Palabras clave
Disminución, Tiempos de Cálculo, Fase de Inicialización, Costo Computacional, Algoritmos, Empaquetamiento de Partículas, Simulación, Aprendizaje de Maquina, Método de Elementos Discretos (MED)