MARC

 008260126s2025        us                              c    eng  d
■001000017360207
■00520260202105322
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798297667112
■035    ▼a(MiAaPQ)AAI32289584
■035    ▼a(MiAaPQ)PennState23195mbl5743
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a910.916
■1001  ▼aLuu,  Matthew  Bryan  Chang.
■24510▼aParallel  Optimization  with  Substructuring  Techniques  for  Structural-Acoustics
■260    ▼a[Sl]▼bThe  Pennsylvania  State  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a297  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-04,  Section:  B.
■500    ▼aAdvisor:  Hanford,  Amanda  D.
■5021  ▼aThesis  (Ph.D.)--The  Pennsylvania  State  University,  2025.
■520    ▼aIn  order  to  develop  a  structure  that  meets  specific  noise  or  vibration  requirements,  designers  often  test  a  variety  of  designs  using  numerical  analysis  tools.  If  a  set  of  random  designs  is  simulated  one  at  a  time,  the  requirements  may  be  met,  but  this  process  can  be  time-consuming  and  complex  once  constraints  are  introduced.  Therefore,  designers  utilize  structural-acoustic  optimization  (SAO)  procedures  to  effectively  optimize  a  structure  for  low  noise,  vibration,  or  other  desired  acoustic/structural  behaviors.  Although  effective,  traditional  SAO  procedures  for  frequency-based  problems  can  be  inefficient.  Finite  element  analysis  matrices  are  typically  utilized  to  solve  for  the  desired  noise  or  vibration  quantity,  and  a  single  global  or  local  optimizer  is  used  to  guide  the  numerical  solver  in  calculating  an  optimal  design  while  considering  the  constraints  and  requirements.  This  process  becomes  computationally  expensive  due  to  the  high  degrees  of  freedom  in  frequency-dependent  matrix  solutions  and  lengthy  searches  of  the  optimization  space  using  a  high  number  of  function  evaluations.  This  research  aims  to  reduce  the  costs  of  SAO  solvers  by  decreasing  the  computation  time  of  both  the  numerical  solver  and  the  optimization  algorithms.The  methods  developed  and  researched  to  achieve  lower  computation  times  in  this  dissertation  are  categorized  into  three  primary  areas:  structural-acoustic  solvers,  optimization  algorithms,  and  solutions  to  SAO  problems.  The  first  area  utilizes  a  dynamic  substructuring  technique  to  reduce  computation  time  while  maintaining  accuracy  compared  to  finite  element  analysis.  Within  the  substructuring  field,  two  new  primary  improvements  are  explored:  spectral-Galerkin-based  substructuring  and  polynomialbased  interface  reduction.  In  the  second  area,  a  multi-algorithm  optimization  approach  is  examined  to  replace  single-algorithm  optimization.  This  approach  integrates  various  algorithms  by  sharing  information  among  them  to  achieve  reduced  computation  times  through  fewer  primary  function  evaluations.  Finally,  the  third  area  investigates  a  novel  subproblem  decomposition  optimization  algorithm  that  combines  substructuring  with  multi-algorithm  optimization  techniques.  The  concept  stems  from  decomposing  a  large  SAO  problem  into  smaller  subproblems  that  can  be  solved  via  a  parallel  implementation  to  reduce  computation  time.  This  dissertation  will  utilize  a  variety  of  test  problems,  ranging  from  pure  structural  vibration  to  complete  structural-acoustic  sound  power  radiation  minimization,  to  evaluate  new  methods  developed  within  each  area  of  research.  By  either  combining  the  research  efforts  in  these  three  areas  or  utilizing  the  information  presented  in  each  individual  area,  the  impact  of  this  research  will  enable  designers  and  researchers  to  perform  structural-acoustic  optimization  faster  than  traditional  methods  while  maintaining  an  optimal  design.
■590    ▼aSchool  code:  0176.
■650  4▼aIslands
■650  4▼aDecomposition
■650  4▼aPolynomials
■650  4▼aAcoustics
■650  4▼aOptimization  algorithms
■650  4▼aRadiation
■650  4▼aLinear  algebra
■650  4▼aMathematics
■690    ▼a0986
■690    ▼a0405
■71020▼aThe  Pennsylvania  State  University.
■7730  ▼tDissertations  Abstracts  International▼g87-04B.
■790    ▼a0176
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360207▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서