CN112668167A - 基于少量实验数据的材料参数构建方法 - Google Patents

基于少量实验数据的材料参数构建方法 Download PDF

Info

Publication number
CN112668167A
CN112668167A CN202011520222.8A CN202011520222A CN112668167A CN 112668167 A CN112668167 A CN 112668167A CN 202011520222 A CN202011520222 A CN 202011520222A CN 112668167 A CN112668167 A CN 112668167A
Authority
CN
China
Prior art keywords
optimization
data
experiments
experimental data
small amount
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.)
Granted
Application number
CN202011520222.8A
Other languages
English (en)
Other versions
CN112668167B (zh
Inventor
郑轩
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.)
Hetu Zhizao Technology Xi'an Co ltd
Original Assignee
Hetu Zhizao Technology Xi'an Co ltd
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 Hetu Zhizao Technology Xi'an Co ltd filed Critical Hetu Zhizao Technology Xi'an Co ltd
Priority to CN202011520222.8A priority Critical patent/CN112668167B/zh
Publication of CN112668167A publication Critical patent/CN112668167A/zh
Application granted granted Critical
Publication of CN112668167B publication Critical patent/CN112668167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本申请涉及基于少量实验数据的材料参数构建方法，属于材料检测的技术领域；其包括以下步骤：S1：原始数据：进行多次实验，根据实验数据建立图表；S2：选取数据：根据少量实验数据建立图表；S3：优化计算：通过Z‑Set软件，对随动硬化模型（Chaboche模型）的参数进行优化计算；S4：校准策略：确定优化的系数；S5：对比数据：将优化后的数据和优化前的数据分别与实验数据进行比对。本申请具有通过少量实验的数据构建获取材料的方法，从而降低获取材料参数时耗费的人力物力，达到降低成本的效果。

Description

基于少量实验数据的材料参数构建方法
技术领域
本申请涉及材料检测的技术领域，尤其是涉及基于少量实验数据的材料参数构建方法。
背景技术
很多的材料在进行检测的过程重，需要对材料的性能进行检测，而检测的过程重，需要进行多次的实验，收集很多的实验数据才可以得到准确的实验结果。
针对上述中的相关技术，发明人认为以往材料参数的获取均需要通过实验获得，单个材料的一整套材料参数需要的实验非常多，耗费大量的人力物力。
发明内容
为了降低获取材料参数耗费的人力物力，本申请提供基于少量实验数据的材料参数构建方法。
本申请提供的基于少量实验数据的材料参数构建方法采用如下的技术方案：
基于少量实验数据的材料参数构建方法，包括以下步骤：
S1：原始数据：进行多次实验，根据实验数据建立图表；
S2：选取数据：根据少量实验数据建立图表；
S3：优化计算：通过Z-Set软件，对随动硬化模型(Chaboche模型)的参数进行优化计算；
S4：校准策略：确定优化的系数；
S5：对比数据：将优化后的数据和优化前的数据分别与实验数据进行比对。
通过采用上述技术方案，能够以很少的实验数据结合Z-Set进行优化，从而能够降低获取材料参数过程中耗费的人力物力，降低实验过程中的耗材，同时因为实验次数更少，还能够减少获取材料参数的时间。
可选的，所述步骤S1中的实验为多种，且多种实验种类为：拉伸实验、应变控制循环加载-卸载实验和蠕变实验。
通过采用上述技术方案，多个实验能够更好的对材料的各个参数进行收集，从而方便进行后续的比对。
可选的，所述拉伸实验分别在应变速率在：1.e-2s-1、1.e-3s-1以及1.e-6s-1的数值下进行实验。
通过采用上述技术方案，拉伸实验在不同的应变速率下进行实验，再将试验后的数据和优化后的数据进行比对能够更好的判断出优化方法的准确性。
可选的，所述应变控制循环加载-卸载选取不同的加速度进行实验。
通过采用上述技术方案，不同的加速度进行实验，能够使实验的结果更加准确。
可选的，所述步骤S3中，优化计算的计算公式如下：
应变：
Figure BDA0002849239170000021
弹性：
Figure BDA0002849239170000022
塑性：
Figure BDA0002849239170000023
诺顿流动法则：
Figure BDA0002849239170000024
正则规则：
Figure BDA0002849239170000025
非线性运动硬化：
Figure BDA0002849239170000026
各向同性硬化：
Figure BDA0002849239170000027
其中：
Figure BDA0002849239170000028
和
Figure BDA0002849239170000029
是弹性和粘塑性应变张量；
Figure BDA00028492391700000210
是热应变；
J(.)是二阶张量的Von Mises不变量；
υ是塑性乘数(累计粘塑性变形)；
Figure BDA00028492391700000211
是屈服面的法向；
每个温度对应5个系数：K，n，R0，C，D。
1.可选的，所述蠕变实验中蠕变行为的额外粘塑性潜力(缓慢发展)：
应变：
Figure BDA0002849239170000031
诺顿流动性法则：
Figure BDA0002849239170000032
正则规则：
Figure BDA0002849239170000033
各向同性硬化：R＝R02＝0
其中每个温度对应5个系数：K2，n2。
可选的，所述校准策略包括以下方面：
加载Chaboche模型(创建模板)；
加载实验；
拉伸实验的优化；
·创建模拟；
·创建优化；
无运动硬化(C＝1.)，优化K，n，R0；
循环加载实验(包括循环加载+卸载实验)的优化；
·创建模拟；
·创建优化；
·n-固定，优化K，R0，C，D；
·释放n并优化n，K，R0，C，D；
优化蠕变实验：
·创建模拟；
·创建优化；
·n，K，R0，C，D-固定，优化K2，n2。
综上所述，本申请包括以下至少有益技术效果：
1.通过步骤S1：原始数据：进行多次实验，根据实验数据建立图表；S2：选取数据：根据少量实验数据建立图表；S3：优化计算：通过Z-Set软件，对随动硬化模型(Chaboche模型)的参数进行优化计算；S4：校准策略：确定优化的系数；S5：对比数据：将优化后的数据和优化前的数据分别与实验数据进行比对；能够得出基于少量实验数据的材料参数构建方法，从而能够减少获取材料参数时耗费的人力物力，从而减低获取材料参数时的成本；
2.实验包括：拉伸实验、应变控制循环加载-卸载实验和蠕变实验，拉伸实验分别在应变速率在：1.e-2s-1、1.e-3s-1以及1.e-4s-1的数值下进行实验；应变控制循环加载-卸载选取不同的加速度进行实验；从而使实验的结果更加准确。
附图说明
图1是实施例中各种应变速率下的拉伸实验得到的图表；
图2是应变控制循环加载-卸载实验得到的两个图表；
图3是应变控制循环加载-卸载实验得到的另外两个图表；
图4是蠕变实验得到的图表；
图5是拉伸实验中应变速率为1.e-2s-1得到的图表；
图6是拉伸实验中应变速率为1.e-3s-1得到的图表；
图7是拉伸实验中应变速率为1.e-6s-1得到的图表；
图8是优化前的应力应变曲线图之一；
图9是优化前的应力应变曲线图之二；
图10是优化前的应力应变曲线图之三；
图11是优化后的应力应变曲线图之一；
图12是优化后的应力应变曲线图之二；
图13是优化后的应力应变曲线图之三；
图14是应变控制循环加载-卸载实验优化前的曲线图；
图15是应变控制循环加载-卸载实验优化后的曲线图；
图16是应力在392MPa下的蠕变曲线优化前的曲线图；
图17是应力在392MPa下的蠕变曲线优化后的曲线图；
图18是应力在410MPa下的蠕变曲线优化前的曲线图；
图19是应力在410MPa下的蠕变曲线优化后的曲线图；
图20是n-固定，优化K,R0，C，D的模型图；
图21是释放n并优化n，K，R0，C，D的模型图；
图22是K，n，R0优化结果(弹塑性)的模型图；
图23是K2，n2优化结果(蠕变)的模型图。
具体实施方式
以下结合附图1-13对本申请作进一步详细说明。
本申请实施例公开基于少量实验数据的材料参数构建方法。参照图1，构建方法包括以下步骤：
S1：原始数据：进行多次实验，根据实验数据建立图表；
S2：选取数据：根据少量实验数据建立图表；
S3：优化计算：通过Z-Set软件，对随动硬化模型(Chaboche模型)的参数进行优化计算；
S4：校准策略：确定优化的系数；
S5：对比数据：将优化后的数据和优化前的数据分别与实验数据进行比对。
通过以上步骤完成材料参数构建方法的推导，故在通过同样的实验获取材料参数时，不需要进行多次实验，只需要进行少量的实验，就能够得到材料的参数，从而减少实验过程中耗费的人力物力，降低获取材料参数的成本。
在步骤S1中，实验的种类为多种，且多种实验的种类为：拉伸实验、应变控制循环加载-卸载实验和蠕变实验。
进行拉伸实验时，分别在应变速率为：1.e-2s-1、1.e-3s-1以及1.e-6s-1的数值下进行实验；实验过程中对实验数据进行收集且整理成如图1所示的图表，图1中的图表所示的三根曲线分别代替不同的应变速率在同样的变量、压力下的趋势。
应变控制循环加载-卸载实验时选取不同的加载速度进行实验，同时对实验得到的数据进行整理得到如图2和图3所示的四个图表，通过图表中的曲线便是不同加载速度下实验的结果。
蠕变实验产生的数据整理成如图4所示的两个图表，从而得出蠕变实验的应改变时间曲线。
步骤S3中，优化计算的公式如下：
应变：
Figure BDA0002849239170000051
弹性：
Figure BDA0002849239170000061
塑性：
Figure BDA0002849239170000062
诺顿流动法则：
Figure BDA0002849239170000063
正则规则：
Figure BDA0002849239170000064
非线性运动硬化：
Figure BDA0002849239170000065
各向同性硬化：R＝R0；
其中：
Figure BDA0002849239170000066
和
Figure BDA0002849239170000067
是弹性和粘塑性应变张量；
Figure BDA0002849239170000068
是热应变；
J(.)是二阶张量的Von Mises不变量；
υ是塑性乘数(累计粘塑性变形)；
Figure BDA0002849239170000069
是屈服面的法向；
每个温度对应5个系数：K，n，R0，C，D。
蠕变实验中蠕变行为的额外粘塑性潜力(缓慢发展)：
应变：
Figure BDA00028492391700000610
诺顿流动性法则：
Figure BDA00028492391700000611
正则规则：
Figure BDA0002849239170000071
各向同性硬化：R＝R02＝0
其中每个温度对应5个系数：K2，n2。
校准策略包括以下方面：
加载Chaboche模型(创建模板)；
加载实验；
拉伸实验的优化；
·创建模拟；
·创建优化；
无运动硬化(C＝1.)，优化K，n，R0；
循环加载实验(包括循环加载+卸载实验)的优化；
·创建模拟；
·创建优化；
·n-固定，优化K，R0，C，D；
·释放n并优化n，K，R0，C，D；
优化蠕变实验：
·创建模拟；
·创建优化；
·n，K，R0，C，D-固定，优化K2，n2。
优化计算后的数据曲线：
如图5、图6和图7中的图表所示，黑色曲线为实验数据图5、图6和图7中的应变速率分别为：1.e-2s-1、1.e-3s-1、1.e-6s-1；灰色为初始数据：实验数据和初始数据的对比如图5、图6和图7中的曲线比较所示。
图8、图9、图10是优化前的应力应变曲线；图11、图12以及图13是优化后的应力应变曲线；从几幅图中的图表对比可知，优化后的初始数据曲线更加符合实验数据曲线的变化，从而确定构建方法的准确性。
图14和图15为循环加载的曲线优化前后的对比，同样的黑色曲线为实验数据，灰色为初始数据；
图16和图17是应力在392MPa下的蠕变曲线优化前后的对比。
图18和图19是应力在410MPa下的蠕变曲线优化前后的对比。
优化后的模型参数如下：
n-固定，优化K,R0，C，D，得到如图20所示的模型；
释放n并优化n，K，R0，C，D得到如图21所示的模型；
K，n，R0优化结果(弹塑性)得到如图22所示的模型；
K2，n2优化结果(蠕变)得到如图23所示的模型；
综上可以基于少量的实验数据构建材料参数，从而减少在得到材料参数过程中耗费的人力物力，从而降低获取材料参数过程中的成本，且实验次数的减少，还能够节约获取材料参数的时间，提高工作效率。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。

Claims (7)

1.基于少量实验数据的材料参数构建方法，其特征在于：包括以下步骤：
S1：原始数据：进行多次实验，根据实验数据建立图表；
S2：选取数据：根据少量实验数据建立图表；
S3：优化计算：通过Z-Set软件，对随动硬化模型(Chaboche模型)的参数进行优化计算；
S4：校准策略：确定优化的系数；
S5：对比数据：将优化后的数据和优化前的数据分别与实验数据进行比对。
2.根据权利要求1所述的基于少量实验数据的材料参数构建方法，其特征在于：所述步骤S1中的实验为多种，且多种实验种类为：拉伸实验、应变控制循环加载-卸载实验和蠕变实验。
3.根据权利要求2所述的基于少量实验数据的材料参数构建方法，其特征在于：所述拉伸实验分别在应变速率在：1.e-2s-1、1.e-3s-1以及1.e-6s-1的数值下进行实验。
4.根据权利要求2所述的基于少量实验数据的材料参数构建方法，其特征在于：所述应变控制循环加载-卸载选取不同的加速度进行实验。
5.根据权利要求1所述的基于少量实验数据的材料参数构建方法，其特征在于：所述步骤S3中，优化计算的计算公式如下：
应变：
Figure FDA0002849239160000011
弹性：
Figure FDA0002849239160000012
塑性：
Figure FDA0002849239160000013
诺顿流动法则：
Figure FDA0002849239160000014
正则规则：
Figure FDA0002849239160000015
非线性运动硬化：
Figure FDA0002849239160000016
各向同性硬化：R＝R0；
其中：
Figure FDA0002849239160000021
和
Figure FDA0002849239160000022
是弹性和粘塑性应变张量；
Figure FDA0002849239160000023
是热应变；
J(.)是二阶张量的Von Mises不变量；
v是塑性乘数(累计粘塑性变形)；
Figure FDA0002849239160000024
是屈服面的法向；
每个温度对应5个系数：K，n，R0，C，D。
6.根据权利要求2所述的基于少量实验数据的材料参数构建方法，其特征在于：所述蠕变实验中蠕变行为的额外粘塑性潜力(缓慢发展)：
应变：
Figure FDA0002849239160000025
诺顿流动性法则：
Figure FDA0002849239160000026
正则规则：
Figure FDA0002849239160000027
各向同性硬化：R＝R02＝0
其中每个温度对应5个系数：K2，n2。
7.根据权利要求1所述的基于少量实验数据的材料参数构建方法，其特征在于：所述校准策略包括以下方面：
加载Chaboche模型(创建模板)；
加载实验；
拉伸实验的优化；
·创建模拟；
·创建优化；
无运动硬化(C＝1.)，优化K，n，R0；
循环加载实验(包括循环加载+卸载实验)的优化；
·创建模拟；
·创建优化；
·n-固定，优化K，R0，C，D；
·释放n并优化n，K，R0，C，D；
优化蠕变实验：
·创建模拟；
·创建优化；
·n，K，R0，C，D-固定，优化K2，n2。
CN202011520222.8A 2020-12-21 2020-12-21 基于少量实验数据的材料参数构建方法 Active CN112668167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011520222.8A CN112668167B (zh) 2020-12-21 2020-12-21 基于少量实验数据的材料参数构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011520222.8A CN112668167B (zh) 2020-12-21 2020-12-21 基于少量实验数据的材料参数构建方法

Publications (2)

Publication Number Publication Date
CN112668167A true CN112668167A (zh) 2021-04-16
CN112668167B CN112668167B (zh) 2024-07-02

Family

ID=75407012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011520222.8A Active CN112668167B (zh) 2020-12-21 2020-12-21 基于少量实验数据的材料参数构建方法

Country Status (1)

Country Link
CN (1) CN112668167B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000275154A (ja) * 1999-03-25 2000-10-06 Toyota Motor Corp 応力−ひずみ関係シミュレート方法
CN103605830A (zh) * 2013-10-19 2014-02-26 沈阳黎明航空发动机(集团)有限责任公司 一种gh4169材料辊轧模拟用本构模型的建立方法
CN108931448A (zh) * 2018-05-07 2018-12-04 华南理工大学 一种高铬钢材料热力学响应及疲劳-蠕变损伤的预测方法
CN110334405A (zh) * 2019-06-11 2019-10-15 南京航空航天大学 基于Chaboche本构和Lemaitre损伤模型的高温多轴低周疲劳寿命预测方法
CN110348055A (zh) * 2019-06-11 2019-10-18 南京航空航天大学 Chaboche粘塑性本构模型材料参数获取与优化方法
CN111680437A (zh) * 2020-05-15 2020-09-18 中国第一汽车股份有限公司 一种发动机缸盖用铸铝材料本构参数模型建立方法
US20220026326A1 (en) * 2019-01-11 2022-01-27 East China University Of Science And Technology A Multiaxial Creep-Fatigue Prediction Method Based On ABAQUS

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000275154A (ja) * 1999-03-25 2000-10-06 Toyota Motor Corp 応力−ひずみ関係シミュレート方法
CN103605830A (zh) * 2013-10-19 2014-02-26 沈阳黎明航空发动机(集团)有限责任公司 一种gh4169材料辊轧模拟用本构模型的建立方法
CN108931448A (zh) * 2018-05-07 2018-12-04 华南理工大学 一种高铬钢材料热力学响应及疲劳-蠕变损伤的预测方法
US20220026326A1 (en) * 2019-01-11 2022-01-27 East China University Of Science And Technology A Multiaxial Creep-Fatigue Prediction Method Based On ABAQUS
CN110334405A (zh) * 2019-06-11 2019-10-15 南京航空航天大学 基于Chaboche本构和Lemaitre损伤模型的高温多轴低周疲劳寿命预测方法
CN110348055A (zh) * 2019-06-11 2019-10-18 南京航空航天大学 Chaboche粘塑性本构模型材料参数获取与优化方法
CN111680437A (zh) * 2020-05-15 2020-09-18 中国第一汽车股份有限公司 一种发动机缸盖用铸铝材料本构参数模型建立方法

Also Published As

Publication number Publication date
CN112668167B (zh) 2024-07-02

Similar Documents

Publication Publication Date Title
CN112465748B (zh) 基于神经网络的裂缝识别方法、装置、设备及存储介质
Elkerdawy et al. To filter prune, or to layer prune, that is the question
CN111523268B (zh) 一种基于机器学习的材料抗疲劳优化设计方法
CN111539071B (zh) 一种差厚板晶体塑性本构模型建立方法、系统及电子设备
CN112001110A (zh) 一种基于振动信号空间时时递归图卷积神经网络的结构损伤识别监测方法
CN104481496B (zh) 一种有杆泵抽油井故障诊断方法
CN110348055B (zh) Chaboche粘塑性本构模型材料参数获取与优化方法
JP2000275154A (ja) 応力−ひずみ関係シミュレート方法
CN109902326B (zh) 一种有限元仿真实验效果测评方法
CN115389349A (zh) 一种耦合损伤的循环粘塑性本构模型及其构建方法
RU2013134325A (ru) Устройство и способ распознавания жестов на основе анализа множества возможных границ раздела
CN114359617A (zh) 一种基于轻量级卷积神经网络识别岩石岩性的方法
JP6003909B2 (ja) 高炉通気性予測装置及び高炉通気性予測方法
CN113724223B (zh) 基于光学显微镜的YOLOv3数据集制作方法及系统
CN112668167A (zh) 基于少量实验数据的材料参数构建方法
JP6446740B2 (ja) シミュレーション装置、シミュレーション方法およびプログラム
US20200320176A1 (en) Tools and methods for aerodynamically optimizing the geometry of vehicle bodies
CN113033106A (zh) 一种基于ebsd与深度学习方法的钢铁材料性能预测方法
CN105653772B (zh) 一种pbx炸药颗粒压制成型数值模拟自动化建模方法及系统
JP2000312933A (ja) スプリングバック量予測方法
CN114494441B (zh) 基于深度学习的葡萄及其采摘点同步识别定位方法、装置
JP2013045119A (ja) プレス成形シミュレーション解析方法及び装置
CN113151989B (zh) 布料处理方法、系统及缝制机器人
CN110781615A (zh) 一种cae仿真准确率的评价方法
US8271518B2 (en) Nearest neighbor search method

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