A Computationally Efficient Vectorized Implementation of Localizing Gradient Damage Method in MATLAB

Auteurs : Subrato Sarkar

35 pages, 26 figures

Résumé : In this work, a recently developed fracture modeling method called localizing gradient damage method (LGDM) is implemented in MATLAB. MATLAB is well-known in the computational research community for its simple and easy-to-learn coding interface. As a result, MATLAB is generally preferred for the initial development (prototyping) of computational models by researchers. However, MATLAB-developed codes are seldom used for large-scale simulations (after initial development is complete) due to their computational inefficiency. Hence, a computationally efficient implementation of LGDM using MATLAB vectorization is presented in this work. The choice of LGDM (as the fracture modeling method) is based on its thermodynamically consistent formulation built upon the micromorphic framework. Moreover, the non-linear coupled field formulation of LGDM makes it suitable for testing the computational efficiency of vectorized MATLAB implementation in a non-linear finite element setting. It is shown in this work that the vectorized MATLAB implementation can save significant computational resources and time as compared to non-vectorized implementations (that are parallelized with MATLAB parfor). The vectorized MATLAB implementation is tested by solving numerical problems in 1D, 2D and 3D on a consumer-grade PC, demonstrating the capability of vectorized implementation to run simulations efficiently on systems with limited resources. The sample source codes are provided as supplementary materials that would be helpful to researchers working on similar coupled field models.

Soumis à arXiv le 16 Jan. 2023

Explorez l'arbre d'article

Cliquez sur les nœuds de l'arborescence pour être redirigé vers un article donné et accéder à leurs résumés et assistant virtuel

Accédez également à nos Résumés, ou posez des questions sur cet article à notre Assistant IA.

Recherchez des articles similaires (en version bêta)

En cliquant sur le bouton ci-dessus, notre algorithme analysera tous les articles de notre base de données pour trouver le plus proche en fonction du contenu des articles complets et pas seulement des métadonnées. Veuillez noter que cela ne fonctionne que pour les articles pour lesquels nous avons généré des résumés et que vous pouvez le réexécuter de temps en temps pour obtenir un résultat plus précis pendant que notre base de données s'agrandit.