Mikromechanische Modellierung von Formgedächtnismaterialien
Mikromechanische Modellierung von Formgedächtnismaterialien
Mikromechanische Modellierung von Formgedächtnismaterialien
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
46 3. Elastische Energie monokristalliner Formgedächtnismaterialien<br />
Einmalig pro Satz <strong>von</strong> Materialdaten:<br />
Mischenergiewerte w lam (c) für das Netz <strong>von</strong> Startvektoren berechnen.<br />
{ 1<br />
10 (c 1, c 2 ,...,c n ) ∣ ∣ c 1 , c 2 ,...,c n ∈ N 0 ∧ c 1 + c 2 + ...+ c n =10 }<br />
∑<br />
QΨ lam (ε, c) = n [c i W (ε, i i )]+w lam (c) für das Startvektornetz auswerten.<br />
j=1<br />
Startvektoren mit niedrigsten Energiewerten auswählen.<br />
Für jeden Startvektor:<br />
Berechnung der anfänglichen aktiven Menge A in = {i| c i > 0}<br />
Berechnung der numerischen Gradienten q nach Gl. (3.40)<br />
∑<br />
Berechnung des aktiven Deviators dev A inq = q − 1<br />
n A in A<br />
q in i 1<br />
Update der aktiven Menge A = {i| c i > 0}∩{i| c i =0∧ dev A q i ≤ 0}<br />
Update des aktiven Deviators<br />
Berechnung der Suchrichtung d k nach Gl. (3.44)<br />
Berechnung der Steigung g k in Richtung <strong>von</strong> d k nach Gl. (3.47)<br />
Strenger Wolfe-Powell Algorithmus nach Geiger and Kanzow (1999)<br />
zur Bestimmung der optimalen Schrittweite s k<br />
Update des Phasenanteilsvektors c k+1 = c k + s k d k<br />
Berechnung der anfänglichen aktiven Menge A in = {i| c i > 0}<br />
Berechnung der numerischen Gradienten q nach Gl. (3.40)<br />
∑<br />
Berechnung des aktiven Deviators dev A inq = q − 1<br />
n A in k∈A<br />
q in k 1<br />
Update der aktiven Menge<br />
A = {i| c i > 0}∩{i| c i =0∧ dev A q i ≤ 0}<br />
Update des aktiven Deviators<br />
dev A q > Konvergenztoleranz<br />
Auswahl des niedrigsten Energiewertes.<br />
Tabelle 3.4.: Algorithmus-Zusammenfassung: globale Optimierung der Laminatgrenze<br />
zweiter Ordnung.