CN113611377B - 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法 - Google Patents

一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法 Download PDF

Info

Publication number
CN113611377B
CN113611377B CN202110759328.1A CN202110759328A CN113611377B CN 113611377 B CN113611377 B CN 113611377B CN 202110759328 A CN202110759328 A CN 202110759328A CN 113611377 B CN113611377 B CN 113611377B
Authority
CN
China
Prior art keywords
model
crystal
strain
creep
fatigue
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
CN202110759328.1A
Other languages
English (en)
Other versions
CN113611377A (zh
Inventor
王小威
周德文
张天宇
姜勇
张显程
巩建鸣
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.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
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 Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN202110759328.1A priority Critical patent/CN113611377B/zh
Publication of CN113611377A publication Critical patent/CN113611377A/zh
Application granted granted Critical
Publication of CN113611377B publication Critical patent/CN113611377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明公开了一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，通过Voronoi tessellation方法建立与所研究材料具有相同或相近的平均晶粒尺寸的微观网格模型，并通过编译的python脚本给有限元模型对应边对应节点施加周期性边界条件，得到用于ABAQUS有限元计算的代表性体积单元。利用应变控制的疲劳实验以及疲劳蠕变实验数据，通过试错法首先确定未使用修正本构模型的材料参数，然后利用应力应变混合控制蠕变疲劳实验应力保载阶段的实验数据确定修正模型的材料参数，最终得到适用于混合控制蠕变疲劳载荷的晶体塑性本构模型，并用该模型模拟晶体材料在混合控制蠕变疲劳载荷下的变形。

Description

一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法
技术领域
本发明涉及应力应变混合控制蠕变疲劳领域，尤其涉及一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法。
背景技术
在现代航空动力和超临界发电领域中，其关键高温核心部件承受着复杂的载荷条件，除了蠕变、疲劳以外，还有更加复杂的蠕变疲劳交互的载荷作用。通常，频繁开停车产生的温度变化使得这些部件处于应变控制的疲劳载荷中，而装备持续稳定运行过程中的恒定内压或者离心力，使高温部件承受恒应力控制的蠕变载荷作用。然而，目前绝大多数实验室对蠕变疲劳交互作用的研究仍然采用传统的应变控制的蠕变疲劳试验，很难反映上述高温部件真实复杂的运行工况。
ABAQUS作为强大的计算有限元计算软件，近几十年来被运用来解决众多工程问题、构建受力分析等，更是具有实时检测分析材料受载后复杂的变形响应的优势。其实ABAQUS允许用户自定义材料本构，以解决日趋复杂的工程问题，其中，基于FORTRAN语言的材料用户自定义子程序UMAT使得本构方程的构建在ABAQUS中得以灵活的运用。用户可以根据自己的需求在UMAT中编写自己需要的材料本构模型，从而更好的分析解决实际问题。
现有的针对于应力应变混合控制的有限元分析十分有限，而从微观层面出发，基于晶体塑性理论的分析更是一片空白。
发明内容
本发明的目的在于提供了一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，解决了在传统背应力演化方程的晶体塑性本构模型不能描述所研究材料在应力控制下的蠕变变形行为。
实现本发明目的的技术解决方案为：一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，包括以下步骤：
步骤S1、建立与待研究晶体材料相同或相似平均晶粒大小的ABAQUS代表性体积单元模型；
步骤S2、取相同材料的若干待研究晶体构成的试样，在同一温度下对部分试样进行同应变速率的应变控制疲劳试验和蠕变疲劳试验，获取应变控制的疲劳试验数据、应变控制的蠕变疲劳试验数据，再与应变控制疲劳试验相同的温度下对剩余试样开展应力控制的蠕变疲劳试验，获取混合控制的蠕变疲劳试验数据；
根据应变控制的疲劳试验数据，得到疲劳滞回曲线，根据应变控制的蠕变疲劳试验数据，得到应变控制的蠕变疲劳滞回曲线、应变保载阶段的应力松弛曲线，根据混合控制的蠕变疲劳试验数据，得到混合控制的蠕变疲劳滞回曲线以及应力保载阶段的蠕变曲线；
步骤S3、通过建立未修正的晶体塑性本构模型，利用应变控制的疲劳、蠕变疲劳载荷条件对ABAQUS代表性体积单元模型进行有限元计算从而得到模拟结果，并以试错法拟合疲劳滞回曲线、蠕变疲劳滞回曲线以及应变保载阶段的应力松弛曲线，得到未修正的晶体塑性本构模型的材料参数；
步骤S4、将背应力演化方程修正为适合混合控制蠕变疲劳载荷的扩展背应力演化方程，并写入未修正的晶体塑性本构模型，得到修正后的晶体塑性本构模型；
步骤S5、用修正后的晶体塑性本构模型对ABAQUS代表性体积单元进行有限元计算，获得所研究晶体材料在混合控制蠕变疲劳载荷下的模拟结果，包括修正后的蠕变疲劳滞回曲线以及修正后的应力保载阶段的蠕变曲线，进一步确定修正后的晶体塑性本构模型的材料参数，进而得到最终晶体塑性本构模型；
步骤S6、利用最终晶体塑性本构模型模拟所研究晶体材料混合控制蠕变疲劳变形。
与现有技术相比，本发明的优点在于：
(1)本发明通过对背应力演化方程进行修正，解决了在传统背应力演化方程的晶体塑性本构模型不能描述所研究材料在应力控制下的蠕变变形行为，该修正模型既能用于应力应变混合控制的蠕变疲劳载荷，又适用于传统的应变控制的蠕变疲劳载荷已经疲劳载荷，具有较强的适用性。
(2)本发明实现待研究晶体材料在应变控制以及应力应变混合控制蠕变疲劳载荷下的变形行为，且具有适用性广，精度高等优点。
附图说明
图1为本发明的一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法的流程图。
图2为本发明的一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法的ABAQUS代表性体积单元几何模型图。
图3为本发明的一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法的有限元周期性边界条件和加载条件，其中，L、R、T、B分别代表左、右、上和下四条边；1、2、3、4分别为代表性体积单元几何模型的四个角点；参考方向x、y方向，加载方向沿着x轴方向。
图4为本发明的一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法的应力应变混合控制蠕变疲劳滞回曲线的模拟结果图。
图5为本发明的一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法的应变保载阶段蠕变曲线模拟结果图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
结合图1，本发明所述的利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，包括以下步骤：
步骤S1、建立所研究晶体材料相同或相似平均晶粒大小的ABAQUS代表性体积单元模型，具体如下：
S11、根据研究材料的OM图，结合作图软件Photoshop、测量软件Nano Measurer得到材料的平均晶粒大小。
S12、根据代表性体积单元模型所需晶粒个数，计算出相同或相似晶粒大小的代表性体积单元模型所需要的尺寸。
S13、根据晶粒个数，利用Voronoi算法，得到晶粒各点、晶粒晶核以及晶粒连接顺序的信息。
S14、利用Matlab生成代表性体积单元模型所需晶粒个数的晶粒随机取向信息。
S15、根据代表性体积单元模型所需晶粒个数的晶粒随机取向信息、晶粒各点、晶粒晶核以及晶粒连接顺序的信息，建立第一代表性体积单元的几何模型。
S16、建立一个大小和第一代表性体积单元几何模型相同的第二代表性体积单元几何模型，并对第二代表性体积单元几何模型划分均匀的网格，把第一代表性体积单元几何模型和第二代表性体积单元几何模型叠放，将第二代表性体积单元几何模型网格的几何中心落在第一代表性体积单元几何模型同一晶粒中的网格划分到同一集合，并给每个集合赋予晶粒的材料参数。
S17、对第二代表性体积单元几何模型施加周期性边界条件以及蠕变疲劳加载条件，最终得到ABAQUS代表性体积单元模型。
步骤S2、取相同材料的若干待研究晶体构成的试样，在同一温度下对部分试样进行同应变速率的应变控制疲劳试验和蠕变疲劳试验，获取应变控制的疲劳试验数据、应变控制的蠕变疲劳试验数据，再与应变控制疲劳试验相同的温度下对剩余试样开展应力控制的蠕变疲劳试验，获取混合控制的蠕变疲劳试验数据。
根据应变控制的疲劳试验数据，得到疲劳滞回曲线，根据应变控制的蠕变疲劳试验数据，得到应变控制的蠕变疲劳滞回曲线、应变保载阶段的应力松弛曲线，根据混合控制的蠕变疲劳试验数据，得到混合控制的蠕变疲劳滞回曲线以及应力保载阶段的蠕变曲线。
步骤S3、通过建立未修正的晶体塑性本构模型方程，利用应变控制的疲劳、蠕变疲劳载荷条件对步骤S1中的ABAQUS代表性体积单元模型进行有限元计算，并以试错法拟合疲劳、蠕变疲劳滞回曲线以及应变保载阶段的应力松弛曲线，得到未修正的晶体塑性本构方程的材料参数，具体步骤为：
S31、建立未修正的晶体塑性本构模型中的动力学方程：
其中，Lp为塑性变形速率梯度，为塑性变形梯度速率，/>为塑性变形梯度的逆，为第α滑移系上的剪切率，sα为第α滑移系上的滑移方向上的单位矢量，nα为第α滑移系上的滑移法向上的单位矢量。
S32、建立未修正的晶体塑性本构模型中的塑性流动率方程：
其中，为第α滑移系上的参考剪切率，τα为第α滑移系上的解析剪切应力，gα为第α滑移系上的滑移阻力，χα为第α滑移系上的背应力，n为流动率指数。
S33、建立未修正的晶体塑性本构模型中的滑移阻力演化方程：
其中，为第α滑移系上的滑移阻力增量，hαα为同一滑移系上的自硬化模量，hαβ为不同滑移系之间的潜在硬化模量，h0为初始硬化模量，γ为所有滑移系上的累积剪切应变，τs为饱和滑移阻力，τ0为初始临界解析剪切应力，q为材料常数，/>为第β滑移系上的剪切率，h(γ)为中间函数。
S34、建立未修正的晶体塑性本构模型中的背应力演化方程：
其中，C、D均为材料常数，为第α滑移系上的背应力增量。
S35、利用应变控制的疲劳实验数据，采用试错法，将模拟结果与疲劳滞回曲线相比较，得到晶体塑性本构模型弹性常数、滑移阻力演化方程参数和背应力演化方程参数。
S36、利用应变控制的蠕变疲劳试验数据，采用试错法，将应变保载阶段的应力松弛曲线与模拟结果相比较，确定流动率指数。
步骤S4、将背应力演化方程修正为适合混合控制蠕变疲劳载荷的扩展背应力演化方程，并写入未修正的晶体塑性本构模型，得到修正后的晶体塑性本构模型。
修正的扩展背应力演化方程为：
其中，A、C、D、b均为材料参数。
步骤S5、用修正后的晶体塑性本构模型对ABAQUS代表性体积单元进行有限元计算，获得所研究晶体材料在混合控制蠕变疲劳载荷下的模拟结果，包括修正后的蠕变疲劳滞回曲线以及修正后的应力保载阶段的蠕变曲线，进一步确定修正后的晶体塑性本构模型的材料参数，进而得到最终晶体塑性本构模型，具体如下：
S51、利用蠕变疲劳滞回曲线，采用试错法，将修正后的蠕变疲劳滞回曲线与混合控制的蠕变疲劳滞回曲线相比较，调整修正后的晶体塑性本构模型材料参数。
S52、利用应力保载阶段的蠕变曲线，采用试错法，将修正后的应力保载阶段的蠕变曲线与应力保载阶段的蠕变曲线相比较，确定扩展背应力演化方程中的材料参数，进而得到最终晶体塑性本构模型。
步骤S6、利用最终晶体塑性本构模型模拟所研究晶体材料混合控制蠕变疲劳变形。
实施例
选择0.4％的应变幅值，140MPa的保载应力条件，利用最终确定的晶体塑性本构模型进行混合控制的应力应变蠕变疲劳变形模拟。
根据本发明建立的ABAQUS有限元代表性体积单元几何模型以及周期性边界条件、载荷条件分别如图2、图3所示，其中，L、R、T、B分别代表左、右、上和下四条边，1、2、3、4分别为代表性体积单元几何模型的四个角点，参考方向x、y方向，加载方向沿着x轴方向。
图4给出了由确定了材料参数的修正背应力的晶体塑性本构模型模拟的在650℃下0.4％应变幅值应力应变混合控制载荷条件下的模拟结果，其中保载应力为140MPa，保载时间为600s。图5给出了在应力保载阶段的蠕变曲线。由图4、图5可看出修正的晶体塑性本构模型能够很好的描述材料在应力应变混合控制蠕变疲劳载荷条件下的变形行为，为材料的微观变形研究提供了理论依据。

Claims (3)

1.一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，其特征在于，包括以下步骤：
步骤S1、建立与待研究晶体材料相同或相似平均晶粒大小的ABAQUS代表性体积单元模型；
步骤S2、取相同材料的若干待研究晶体构成的试样，在同一温度下对部分试样进行同应变速率的应变控制疲劳试验和蠕变疲劳试验，获取应变控制的疲劳试验数据、应变控制的蠕变疲劳试验数据，再与应变控制疲劳试验相同的温度下对剩余试样开展应力控制的蠕变疲劳试验，获取混合控制的蠕变疲劳试验数据；
根据应变控制的疲劳试验数据，得到疲劳滞回曲线，根据应变控制的蠕变疲劳试验数据，得到应变控制的蠕变疲劳滞回曲线、应变保载阶段的应力松弛曲线，根据混合控制的蠕变疲劳试验数据，得到混合控制的蠕变疲劳滞回曲线以及应力保载阶段的蠕变曲线；
步骤S3、通过建立未修正的晶体塑性本构模型，利用应变控制的疲劳、蠕变疲劳载荷条件对ABAQUS代表性体积单元模型进行有限元计算从而得到模拟结果，并以试错法拟合疲劳滞回曲线、蠕变疲劳滞回曲线以及应变保载阶段的应力松弛曲线，得到未修正的晶体塑性本构模型的材料参数；具体如下：
S31、建立未修正的晶体塑性本构模型中的动力学方程；
动力学方程为：
其中，Lp为塑性变形速率梯度，为塑性变形梯度速率，/>为塑性变形梯度的逆，/>为第α滑移系上的剪切率，sα为第α滑移系上的滑移方向上的单位矢量，nα为第α滑移系上的滑移法向上的单位矢量；
S32、建立未修正的晶体塑性本构模型中的塑性流动率方程；
塑性流动率方程为：
其中，为第α滑移系上的参考剪切率，τα为第α滑移系上的解析剪切应力，gα为第α滑移系上的滑移阻力，χα为第α滑移系上的背应力，n为流动率指数；
S33、建立未修正的晶体塑性本构模型中的滑移阻力演化方程；
滑移阻力演化方程为：
其中，为第α滑移系上的滑移阻力增量，hαα为同一滑移系上的自硬化模量，hαβ为不同滑移系之间的潜在硬化模量，h0为初始硬化模量，γ为所有滑移系上的累积剪切应变，τs为饱和滑移阻力，τ0为初始临界解析剪切应力，q为材料常数，/>为第β滑移系上的剪切率，h(γ)为中间函数；
S34、建立未修正的晶体塑性本构模型中的背应力演化方程；
背应力演化方程为：
其中，C、D均为材料常数，为第α滑移系上的背应力增量；
S35、利用应变控制的疲劳实验数据，采用试错法，将模拟结果与疲劳滞回曲线相比较，得到晶体塑性本构模型弹性常数、滑移阻力演化方程参数和背应力演化方程参数；
S36、利用应变控制的蠕变疲劳试验数据，采用试错法，将应变保载阶段的应力松弛曲线与模拟结果相比较，确定流动率指数；
步骤S4、将背应力演化方程修正为适合混合控制蠕变疲劳载荷的扩展背应力演化方程，并写入未修正的晶体塑性本构模型，得到修正后的晶体塑性本构模型；
所建立的扩展背应力演化方程为：
其中，A、C、D、b均为材料参数；
步骤S5、用修正后的晶体塑性本构模型对ABAQUS代表性体积单元进行有限元计算，获得所研究晶体材料在混合控制蠕变疲劳载荷下的模拟结果，包括修正后的蠕变疲劳滞回曲线以及修正后的应力保载阶段的蠕变曲线，进一步确定修正后的晶体塑性本构模型的材料参数，进而得到最终晶体塑性本构模型；
步骤S6、利用最终晶体塑性本构模型模拟所研究晶体材料混合控制蠕变疲劳变形。
2.根据权利要求1所述的利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，其特征在于，步骤S1中，建立与待研究晶体材料相同或相似平均晶粒大小的ABAQUS代表性体积单元模型，具体步骤为：
S11、根据研究晶体材料的OM图，获取材料的平均晶粒大小；
S12、根据代表性体积单元模型所需晶粒个数，计算出相同或相似晶粒大小的代表性体积单元模型所需要的尺寸；
S13、根据晶粒个数，利用Voronoi算法，得到晶粒各点、晶粒晶核以及晶粒连接顺序的信息；
S14、利用Matlab生成代表性体积单元模型所需晶粒个数的晶粒随机取向信息；
S15、根据代表性体积单元模型所需晶粒个数的晶粒随机取向信息、晶粒各点、晶粒晶核以及晶粒连接顺序的信息，建立第一代表性体积单元的几何模型；
S16、建立一个大小和第一代表性体积单元几何模型相同的第二代表性体积单元几何模型，并对第二代表性体积单元几何模型均匀划分网格，把第一代表性体积单元几何模型和第二代表性体积单元几何模型叠放，将第二代表性体积单元几何模型网格的几何中心落在第一代表性体积单元几何模型同一晶粒中的网格划分到同一集合，并给每个集合赋予晶粒的材料参数；
S17、对第二代表性体积单元几何模型施加周期性边界条件以及蠕变疲劳加载条件，最终得到ABAQUS代表性体积单元模型。
3.根据权利要求1所述的利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法，其特征在于，步骤S5中，用修正后的晶体塑性本构模型对ABAQUS代表性体积单元进行有限元计算，获得所研究晶体材料在混合控制蠕变疲劳载荷下的模拟结果，包括修正后的蠕变疲劳滞回曲线以及修正后的应力保载阶段的蠕变曲线，进一步确定修正后的晶体塑性本构模型的材料参数，进而得到最终晶体塑性本构模型，具体如下：
S51、利用蠕变疲劳滞回曲线，采用试错法，将修正后的蠕变疲劳滞回曲线与混合控制的蠕变疲劳滞回曲线相比较，调整修正后的晶体塑性本构模型材料参数；
S52、利用应力保载阶段的蠕变曲线，采用试错法，将修正后的应力保载阶段的蠕变曲线与应力保载阶段的蠕变曲线相比较，确定扩展背应力演化方程中的材料参数，进而得到最终晶体塑性本构模型。
CN202110759328.1A 2021-07-05 2021-07-05 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法 Active CN113611377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110759328.1A CN113611377B (zh) 2021-07-05 2021-07-05 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110759328.1A CN113611377B (zh) 2021-07-05 2021-07-05 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法

Publications (2)

Publication Number Publication Date
CN113611377A CN113611377A (zh) 2021-11-05
CN113611377B true CN113611377B (zh) 2023-08-22

Family

ID=78337297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110759328.1A Active CN113611377B (zh) 2021-07-05 2021-07-05 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法

Country Status (1)

Country Link
CN (1) CN113611377B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116052813B (zh) * 2022-12-30 2023-10-13 南京工业大学 一种全数值驱动的实时蠕变疲劳损伤监测方法
CN117877642B (zh) * 2024-01-16 2024-07-23 华中科技大学 一种焊缝晶体塑性模型本构参数标定方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885874A (zh) * 2019-01-11 2019-06-14 华东理工大学 一种基于abaqus的多轴蠕变疲劳预测方法
CN110826285A (zh) * 2019-11-22 2020-02-21 华东理工大学 一种几何不连续结构的疲劳寿命预测方法
CN111460583A (zh) * 2020-04-14 2020-07-28 华东理工大学 一种针对复杂几何结构件的蠕变-疲劳寿命设计方法
CN112364535A (zh) * 2020-11-06 2021-02-12 华东理工大学 一种基于晶体塑性的蠕变疲劳寿命预测方法
CN112966347A (zh) * 2021-03-05 2021-06-15 华东理工大学 一种非连续结构双尺度蠕变疲劳寿命预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210103B (zh) * 2019-05-27 2020-11-27 北京工业大学 一种多相复合材料力学行为的多尺度模拟方法
CN110222439B (zh) * 2019-06-12 2020-01-07 四川大学 基于Abaqus平台疲劳损伤与寿命评估方法
CN110232243B (zh) * 2019-06-12 2020-03-10 四川大学 基于晶体塑性焊接工艺模型的损伤与疲劳寿命评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885874A (zh) * 2019-01-11 2019-06-14 华东理工大学 一种基于abaqus的多轴蠕变疲劳预测方法
CN110826285A (zh) * 2019-11-22 2020-02-21 华东理工大学 一种几何不连续结构的疲劳寿命预测方法
CN111460583A (zh) * 2020-04-14 2020-07-28 华东理工大学 一种针对复杂几何结构件的蠕变-疲劳寿命设计方法
CN112364535A (zh) * 2020-11-06 2021-02-12 华东理工大学 一种基于晶体塑性的蠕变疲劳寿命预测方法
CN112966347A (zh) * 2021-03-05 2021-06-15 华东理工大学 一种非连续结构双尺度蠕变疲劳寿命预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
耦合蠕变损伤的粘塑性模型用于疲劳-蠕变交互作用的研究;徐鸿 等;固体力学学报(第06期);全文 *

Also Published As

Publication number Publication date
CN113611377A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN113611377B (zh) 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法
Zhang et al. A micromechanics based multiscale model for nonlinear composites
Kang et al. Cyclic plasticity of engineering materials: experiments and models
Temizer et al. An adaptive multiscale resolution strategy for the finite deformation analysis of microheterogeneous structures
CN111523268B (zh) 一种基于机器学习的材料抗疲劳优化设计方法
Fritzen et al. Reduced order modeling in nonlinear homogenization: a comparative study
Ohno et al. Elastoplastic implicit integration algorithm applicable to both plane stress and three-dimensional stress states
Zecevic et al. New robust self-consistent homogenization schemes of elasto-viscoplastic polycrystals
Caicedo et al. High performance reduced order modeling techniques based on optimal energy quadrature: application to geometrically non-linear multiscale inelastic material modeling
Ti et al. Cylindrical compressible liquid inclusion with surface effects
Shen et al. Computational modeling of the large deformation and flow of viscoelastic polymers
Dornheim et al. Neural networks for constitutive modeling: From universal function approximators to advanced models and the integration of physics
He et al. Comprehensive shape memory alloys constitutive models for engineering application
Chouksey et al. Ductile failure under non-proportional loading
Ozhoga-Maslovskaja et al. Micromechanical simulation of grain boundary cavitation in copper considering non-proportional loading
Ren et al. A crystal plasticity-based constitutive model for ratchetting of cyclic hardening polycrystalline metals
Fan et al. Modeling of fatigue crack growth of stainless steel 304L
Khan et al. On viscoelastic beams undergoing cyclic loading: Determining the onset of structural instabilities
Liu et al. Base force element method (BFEM) on complementary energy principle for linear elasticity problem
Hasanpour et al. Finite element simulation of polymer behaviour using a three-dimensional, finite deformation constitutive model
CN107144683A (zh) 一种基于西格摩德函数的沥青混合料主曲线的构建方法
Filograna et al. A simple model of nonlinear viscoelasticity taking into account stress relaxation
El Kihal et al. Convergence acceleration by Padé approximants in the ANM algorithm for large strain elasto-plasticity
Magisano et al. Shakedown within polycrystals: a direct numerical assessment
Szmytka et al. A time increment control for return mapping algorithm applied to cyclic viscoplastic constitutive models

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