CN106844821B - 一种基于低周疲劳的选材方法 - Google Patents

一种基于低周疲劳的选材方法 Download PDF

Info

Publication number
CN106844821B
CN106844821B CN201611032595.4A CN201611032595A CN106844821B CN 106844821 B CN106844821 B CN 106844821B CN 201611032595 A CN201611032595 A CN 201611032595A CN 106844821 B CN106844821 B CN 106844821B
Authority
CN
China
Prior art keywords
fatigue
modulus
young
strain amplitude
low cycle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611032595.4A
Other languages
English (en)
Other versions
CN106844821A (zh
Inventor
张海峰
刘孝保
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201611032595.4A priority Critical patent/CN106844821B/zh
Publication of CN106844821A publication Critical patent/CN106844821A/zh
Application granted granted Critical
Publication of CN106844821B publication Critical patent/CN106844821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明涉及一种基于低周疲劳的选材方法，属于低周疲劳领域。本发明具体为一种基于低周疲劳的选材方法，根据低周疲劳中总应变幅和疲劳次数呈线性关系，总应变幅与材料杨氏模量呈近似线性关系，通过迭代计算，快速确定满足设计疲劳次数的材料的杨氏模量，并根据杨氏模量寻找相应的材料。本发明针对通常需要对材料进行疲劳实验确定疲劳曲线，疲劳实验耗时长，不能快速的选择材料的问题，能够以较短的时间、较低的成本，根据设计疲劳次数选取适当的材料。

Description

一种基于低周疲劳的选材方法
技术领域
本发明涉及一种基于低周疲劳的选材方法，属于低周疲劳领域。
背景技术
实际工程中很多零件在全寿命期间，只受到有限次的变动载荷，如：燃气轮及发动机，高压容器，飞机起落架等，因此低周疲劳零件的材料选择具有重要的现实意义。一般现阶段低周疲劳的材料选择方式为,根据疲劳曲线选定材料，通过实际疲劳测试确定。这些方式，通常需要对材料进行疲劳实验确定疲劳曲线，疲劳实验耗时长，不能快速的选择材料，同时试制零件使得选材的成本较高。
发明内容
本发明要解决的技术问题是提供一种基于低周疲劳的选材方法，能够以较短的时间、较低的成本，根据设计疲劳次数选取适当的材料。
本发明按以下技术方案实现：一种基于低周疲劳的选材方法，根据低周疲劳中总应变幅和疲劳次数呈线性关系，总应变幅与材料杨氏模量呈近似线性关系，通过迭代计算，快速确定满足设计疲劳次数的材料的杨氏模量，并根据杨氏模量寻找相应的材料,具体步骤为：
步骤1，假定杨氏模量E1；
步骤2，根据零件模型建立有限元模型；
步骤3，根据零件所处实际工况，通过有限元分析，得到杨氏模量为E1时的疲劳次数N1；
步骤4，将设计疲劳次数N和N1带入n＝N/N1，得到比例系数n；
步骤5，将E1和n带入E2＝n*E1，得到修正后的杨氏模量E2；
步骤6，通过有限元计算杨氏模量为E2时零件的疲劳次数N2；
步骤7，将N和N2带入n2＝N/N2，得到比例系数n2，计算N与N2的疲劳次数误差α；步骤8，若满足|α|≤5％，则该零件设计疲劳次数的材料的杨氏模量为E2；若不满足|α|≤5％，重新赋值n＝n2，E1＝E2，并重新进行步骤5至步骤7，重复循环至|α|≤5％为止。
进一步地,所述的疲劳次数误差α的计算方法为:
在低周疲劳中总应变幅由塑性应变幅εap，弹性应变幅εae组成，根据Manson-Coffin公式εat＝εae+εap，在低周疲劳中εat与疲劳次数N成线性关系，因为弹性应变幅εae与杨氏模量E成线性关系，塑性应变幅εap与杨氏模量E成近似线性关系，所以总应变幅εat与杨氏模量E成近似线性关系，
疲劳次数误差α的计算公式为：
Figure GDA0002212156990000021
式中：α为疲劳次数误差；
N为设计疲劳次数；
N2为杨氏模量为E2时零件的疲劳次数。
本发明具有以下有益效果：
1、能够有效减少根据疲劳周期选材所用时间；
2、能够减少根据疲劳周期选材实验的成本；
3、能够根据疲劳周期快速确定材料的选取范围；
4、能够为结构的后续设计和优化提供方便。
附图说明
图1一种基于低周疲劳的选材方法实现流程图。
具体实施方式
下面结合附图和实施例，对本发明作进一步说明，但本发明的内容并不限于所述范围。
实施例1：如图1所示，一种基于低周疲劳的选材方法，根据低周疲劳中总应变幅和疲劳次数呈线性关系，总应变幅与材料杨氏模量呈近似线性关系，通过迭代计算，快速确定满足设计疲劳次数的材料的杨氏模量，并根据杨氏模量寻找相应的材料,具体步骤为：
步骤1，假定杨氏模量E1；
步骤2，根据零件模型建立有限元模型；
步骤3，根据零件所处实际工况，通过有限元分析，得到杨氏模量为E1时的疲劳次数N1；
步骤4，将设计疲劳次数N和N1带入n＝N/N1，得到比例系数n；
步骤5，将E1和n带入E2＝n*E1，得到修正后的杨氏模量E2；
步骤6，通过有限元计算杨氏模量为E2时零件的疲劳次数N2；
步骤7，将N和N2带入n2＝N/N2，得到比例系数n2，计算N与N2的疲劳次数误差α；
步骤8，若满足|α|≤5％，则该零件设计疲劳次数的材料的杨氏模量为E2；若不满足|α|≤5％，重新赋值n＝n2，E1＝E2，并重新进行步骤5至步骤7，重复循环至|α|≤5％为止。
进一步地,所述的疲劳次数误差α的计算方法为:
在低周疲劳中总应变幅由塑性应变幅εap，弹性应变幅εae组成，根据Manson-Coffin公式εat＝εae+εap，在低周疲劳中εat与疲劳次数N成线性关系，因为弹性应变幅εae与杨氏模量E成线性关系，塑性应变幅εap与杨氏模量E成近似线性关系，所以总应变幅εat与杨氏模量E成近似线性关系，
疲劳次数误差α的计算公式为：
Figure GDA0002212156990000031
式中：α为疲劳次数误差；
N为设计疲劳次数；
N2为杨氏模量为E2时零件的疲劳次数。

Claims (2)

1.一种基于低周疲劳的选材方法，其特征在于：根据低周疲劳中总应变幅和疲劳次数呈线性关系，总应变幅与材料杨氏模量呈近似线性关系，通过迭代计算，快速确定满足设计疲劳次数的材料的杨氏模量，并根据杨氏模量寻找相应的材料，具体步骤为：
步骤1，假定杨氏模量E1；
步骤2，根据零件模型建立有限元模型；
步骤3，根据零件所处实际工况，通过有限元分析，得到杨氏模量为E1时的疲劳次数N1；
步骤4，将设计疲劳次数N和N1带入n＝N/N1，得到比例系数n；
步骤5，将E1和n带入E2＝n*E1，得到修正后的杨氏模量E2；
步骤6，通过有限元计算杨氏模量为E2时零件的疲劳次数N2；
步骤7，将N和N2带入n2＝N/N2，得到比例系数n2，计算N与N2的疲劳次数误差α；
步骤8，若满足|α|≤5％，则该零件设计疲劳次数的材料的杨氏模量为E2；若不满足|α|≤5％，重新赋值n＝n2，E1＝E2，并重新进行步骤5至步骤7，重复循环至|α|≤5％为止。
2.根据权利要求1所述的基于低周疲劳的选材方法,其特征在于：所述的疲劳次数误差α的计算方法为：
在低周疲劳中总应变幅由塑性应变幅εap，弹性应变幅εae组成，根据Manson-Coffin公式εat＝εae+εap，在低周疲劳中εat与疲劳次数N成线性关系，因为弹性应变幅εae与杨氏模量E成线性关系，塑性应变幅εap与杨氏模量E成近似线性关系，所以总应变幅εat与杨氏模量E成近似线性关系，
疲劳次数误差α的计算公式为：
Figure FDA0002212156980000011
式中：α为疲劳次数误差；
N为设计疲劳次数；
N2为杨氏模量为E2时零件的疲劳次数。
CN201611032595.4A 2016-11-16 2016-11-16 一种基于低周疲劳的选材方法 Active CN106844821B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611032595.4A CN106844821B (zh) 2016-11-16 2016-11-16 一种基于低周疲劳的选材方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611032595.4A CN106844821B (zh) 2016-11-16 2016-11-16 一种基于低周疲劳的选材方法

Publications (2)

Publication Number Publication Date
CN106844821A CN106844821A (zh) 2017-06-13
CN106844821B true CN106844821B (zh) 2020-04-07

Family

ID=59146118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611032595.4A Active CN106844821B (zh) 2016-11-16 2016-11-16 一种基于低周疲劳的选材方法

Country Status (1)

Country Link
CN (1) CN106844821B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684678B (zh) * 2018-12-04 2023-04-18 中国航空工业集团公司西安飞机设计研究所 全机疲劳试验多轮多支柱起落架疲劳载荷优化处理方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3270717B2 (ja) * 1997-07-23 2002-04-02 日本碍子株式会社 タイヤ成形用金型の設計方法
CN101745548A (zh) * 2009-12-24 2010-06-23 马鞍山钢铁股份有限公司 Csp生产线无取向电工钢变形抗力有限元修正法
CN102567567B (zh) * 2011-11-15 2014-05-28 北京宇航系统工程研究所 一种基于有限元分析的管路随机振动疲劳寿命分析方法
CN102520066B (zh) * 2011-11-24 2013-07-24 天津大学 一种测量镶嵌薄膜杨氏模量的方法
CN105203392B (zh) * 2015-08-21 2018-02-06 南京航空航天大学 一种基于表面完整性的钛合金材料低周疲劳寿命预测方法
CN105523195A (zh) * 2015-10-19 2016-04-27 中国人民解放军空军工程大学 一种基于系列材料性能指标的飞机结构选材方法

Also Published As

Publication number Publication date
CN106844821A (zh) 2017-06-13

Similar Documents

Publication Publication Date Title
CN109977459B (zh) 一种应用cae技术提高强化载荷谱精度的方法
CN102682348B (zh) 复杂装备部件维修级别优化系统及其建立方法
CN103646147A (zh) 一种宇航元器件的成熟度综合评价方法
CN108052717B (zh) 一种基于局部应力-应变法的疲劳寿命校准方法
Meheut et al. Gradient-based single and multi-points aerodynamic optimizations with the elsA software
CN106844821B (zh) 一种基于低周疲劳的选材方法
CN110083984A (zh) 一种涡轮叶片区间损伤容限分析方法
CN105389192B (zh) 一种基于加权q2指数的软件类重要性度量方法
CN107092751A (zh) 基于Bootstrap的变权重模型组合预测方法
El Ghazi et al. Analyzing alloy constraints using an SMT solver: a case study
CN103870614A (zh) 一种结构概率优化设计方法
CN115455594A (zh) 基于涡轮叶片冷却设计数据库的内流通道数据修正方法
CN110706761B (zh) 一种预估金属材料的疲劳强度退化的方法
CN105487913B (zh) 一种基于加权a指数的软件包重要性度量方法
Wang et al. Fatigue Strength& Analysis of Diesel Engine Piston on Finite Element Analysis
CN109357957A (zh) 一种基于极值窗口的疲劳监测计数方法
Oest et al. Gradient based structural optimization with fatigue constraints of jacket structures for offshore wind turbines
CN109871649A (zh) 一种Norton-Bailey模型参数标定方法及系统
DeMarco et al. An Efficient Method for the Optimization of Viscoplastic Constitutive Model Constants
Wang et al. An AHP/DEA methodology for assessing the productive efficiency in construction industry
Han et al. Durability Analysis by Shape of Brake Disk Structure
王立平 et al. Energy Consumption and Carbon Emission Analysis of Residential Building Materials Preparation Stage Based on Grey System Theory——A Case Study of Hefei
Dhar et al. An approach towards reed valve geometry design
Wang et al. Simulation error characteristics of grey model gm (1, 1) under translation transformation
Gadinger et al. Using machine learning to increase efficiency in design of experiments for cyclic characterization of fibre-reinforced plastics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant