CN116052813B - 一种全数值驱动的实时蠕变疲劳损伤监测方法 - Google Patents
一种全数值驱动的实时蠕变疲劳损伤监测方法 Download PDFInfo
- Publication number
- CN116052813B CN116052813B CN202211741031.3A CN202211741031A CN116052813B CN 116052813 B CN116052813 B CN 116052813B CN 202211741031 A CN202211741031 A CN 202211741031A CN 116052813 B CN116052813 B CN 116052813B
- Authority
- CN
- China
- Prior art keywords
- creep
- fatigue
- strain
- damage
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000012544 monitoring process Methods 0.000 title claims abstract description 39
- 238000009661 fatigue test Methods 0.000 claims abstract description 89
- 238000012360 testing method Methods 0.000 claims abstract description 40
- 230000003442 weekly effect Effects 0.000 claims abstract description 15
- 238000005728 strengthening Methods 0.000 claims description 21
- 230000021715 photosynthesis, light harvesting Effects 0.000 claims description 15
- 230000014759 maintenance of location Effects 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims description 3
- 238000007711 solidification Methods 0.000 claims description 2
- 230000008023 solidification Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 102100021503 ATP-binding cassette sub-family B member 6 Human genes 0.000 description 3
- 101100000375 Homo sapiens ABCB6 gene Proteins 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000005483 Hooke's law Effects 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种全数值驱动的实时蠕变疲劳损伤监测方法,包括以下步骤:获取疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据,基于所述疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据,获得统一粘塑性本构模型中的参数和蠕变疲劳损伤方法中的参数;将任意的蠕变疲劳载荷输入所述统一粘塑性本构模型中,获得每周的预测变形,基于所述每周的预测变形和蠕变疲劳损伤方法,获得每周的疲劳损伤和蠕变损伤;对所述每周的疲劳损伤和蠕变损伤进行累加并实时监测,获得所述蠕变疲劳载荷的寿命。本发明适用性广,能够适用于多种蠕变疲劳载荷;本发明可以实现实时蠕变疲劳损伤监测,还能基于临界损伤值,给出较为精准的预测寿命。
Description
技术领域
本发明属于数值模拟和损伤监测领域,特别是涉及一种全数值驱动的实时蠕变疲劳损伤监测方法。
背景技术
大量试验数据支撑着蠕变疲劳设计,但高成本限制了蠕变疲劳试验数据的获取,以测试时间为例,获取一个蠕变疲劳试验点少则数天,多则数月。随着数据科学的发展,样本扩充概念的引入从人工智能角度给蠕变疲劳试验数据获取提供了新的思路。但这个思路的基础则是一套全数值驱动的蠕变疲劳变形预测及损伤监测方法。
大部分的现有技术将蠕变疲劳变形预测与蠕变疲劳损伤评估割裂开,这限制了全数值方法的发展,使其很难与先进的数据科学相耦合。同时,无论是现有的蠕变疲劳变形预测方法还是蠕变疲劳损伤评估方法,更多的是适用于某一特定载荷或者某些特定材料,很难给出一种通用的方法,这一特点决定了即使基于这些方法开发全数值过程,但由于模型的多变性,很难最大地发挥数值技术的优势。因此需要发明一种全数值驱动的实时蠕变疲劳损伤监测方法,做到全数值变形及寿命预测,实现实时监测多种蠕变疲劳载荷下的损伤历程。
发明内容
本发明的目的是提供一种全数值驱动的实时蠕变疲劳损伤监测方法,可以实现材料在多种蠕变疲劳载荷下全数值的变形及寿命预测,实现实时监测蠕变疲劳加载下任意时间内的损伤历程,且具有集成度高,精度高,适用性广等优点,以解决上述现有技术存在的问题。
为实现上述目的,本发明提供了一种全数值驱动的实时蠕变疲劳损伤监测方法,包括以下步骤:
获取疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据;
基于所述疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据,以及统一粘塑性本构模型和蠕变疲劳损伤方法,获得统一粘塑性本构模型中的参数和蠕变疲劳损伤方法中的参数;
将任意的蠕变疲劳载荷输入所述统一粘塑性本构模型中,获得每周的预测变形,基于所述每周的预测变形和蠕变疲劳损伤方法,获得每周的疲劳损伤和蠕变损伤;
对所述每周的疲劳损伤和蠕变损伤进行累加并实时监测,获得所述蠕变疲劳载荷的寿命。
优选地,获取试验数据的过程包括:在同一温度下,取部分试样进行不同应变幅值的应变控制疲劳试验,获得疲劳试验数据;取部分试样进行不同应力的蠕变试验,获得蠕变试验数据;剩下的部分试样进行蠕变疲劳试验,包括应变控制的蠕变疲劳试验以及应力应变混合控制的蠕变疲劳试验,获得蠕变疲劳试验数据。
优选地,统一粘塑性本构模型的搭建过程包括:
统一粘塑性本构模型的各向同性硬化方程,如下式所示,
其中,D表示各向同向硬化率,表示各向同向硬化率,Cd表示各向同性硬化系数,γd表示各向同性恢复系数,H为线性恢复系数,p表示累积非弹性应变,/>表示累积非弹性应变速率;
统一粘塑性本构模型的运动硬化张量演化方程,如下式所示,
其中,表示总的运动硬化演化率张量,/>表示非弹性应变率张量,α1表示第一运动硬化张量,α2表示第二运动硬化张量,h1表示第一运动硬化的强化系数,h2表示第二运动硬化的强化系数,γ1表示第一运动硬化的恢复系数,γ2表示第二运动硬化的恢复系数,S1表示第一运动硬化的恢复因子,S2表示第二运动硬化的恢复因子,l表示恢复底数,z表示恢复指数,/>表示依赖于循环历程的强化系数,/>表示最大强化系数,ω表示强化系数演化控制项,/>表示极限强化因子、/>表示极限强化底数、/>表示极限强化指数;Aω表示极限强化底数、Bω表示演化底数、Cω表示演化指数。
优选地,蠕变疲劳损伤方法的获取过程包括:
蠕变疲劳试验的疲劳损伤如下式所示,
其中,应变幅值Δεi为雨流法确定后实际承受应变幅值,pi为所述应变幅值Δεi的占比,Ni(Δεi)为所述应变幅值Δεi的疲劳试验的循环寿命;
蠕变疲劳试验的蠕变损伤如下式所示,
其中,表示应变控制蠕变疲劳试验半寿命周次的松弛应力,σ0表示应变控制蠕变疲劳试验第一周次的峰值应力,/>表示混合控制蠕变疲劳试验半寿命周次的蠕变应变,td表示保载时间,σd表示混合控制蠕变疲劳试验的保载应力,C1表示蠕变系数,C2表示蠕变时间相关指数,k表示蠕变应力相关指数,E表示材料在试验温度下的弹性模量,表示临界蠕变应变能耗散速率,S表示应力诱导蠕变失效系数,n表示应力诱导蠕变失效指数,Ec表示基于蠕变应变能耗散速率的失效系数,m表示基于蠕变应变能耗散速率的失效指数,p表示耗散率演化系数,q表示耗散率演化指数,pr表示应力松弛系数,qr表示应力松弛指数。
优选地,统一粘塑性本构模型中的参数获得过程包括:基于试参法,获得与应变控制疲劳试验的第一周次滞回曲线以及峰值应力随周次演化曲线、应变控制的蠕变疲劳试验的每周松弛应力随周次的演化曲线、应力应变混合控制的蠕变疲劳试验的第一周次保载时蠕变应变演化曲线以及每周蠕变应变量随周次的演化曲线相吻合的曲线,进而获得统一粘塑性本构模型中的参数。
优选地,对所述统一粘塑性本构模型中的参数进行验证的过程包括:基于获得的模型参数,利用统一粘塑性本构模型重新获取疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据,将重新获取的试验数据与真实的试验数据进行对比,验证所述统一粘塑性本构模型及模型参数。
优选地,蠕变疲劳损伤方法中参数的获得过程包括:基于若干组不同应变幅值的应变控制疲劳试验及对应的寿命,获得应变幅值与寿命之间的关系;基于若干组不同应力的第一阶段蠕变曲线,获得蠕变系数,蠕变时间相关指数以及蠕变应力相关指数;基于蠕变应力以及蠕变寿命回归,获得应力诱导蠕变失效系数和应力诱导蠕变失效指数;基于蠕变试验的蠕变应变能耗散速率以及蠕变寿命,获得基于蠕变应变能耗散速率的失效系数和失效指数;基于蠕变疲劳试验保载期间的蠕变应变能耗散速率演化规律,获得耗散率演化系数和耗散率演化指数;基于应变控制蠕变疲劳试验保载期间的应力松弛行为回归,获得应力松弛系数和应力松弛指数。
优选地,对所述蠕变疲劳损伤方法中的参数进行验证的过程包括:基于获得的方法参数,采用蠕变疲劳线性损伤累加法则,获得蠕变疲劳试验的预测寿命,将所述预测寿命与真实寿命进行对比,验证所述蠕变疲劳损伤方法及方法参数。
优选地,所述任意的蠕变疲劳载荷,包括应变控制的蠕变疲劳载荷以及应力应变混合控制的蠕变疲劳载荷;所述任意的蠕变疲劳载荷的特征参量包括但不限于应变幅值,保载时间和保载应力。
优选地,获得所述蠕变疲劳载荷的寿命的过程包括:将每周的疲劳损伤以及蠕变损伤进行累加,并监测循环加载过程中的疲劳损伤及蠕变损伤历程,直至累积总损伤达到预设临界值时,输出当前周次,所述当前周次即为所述蠕变疲劳载荷的寿命。
本发明的技术效果为:
(1)本发明集成度高,将蠕变疲劳变形预测与损伤监测相结合,实现实时获取变形数据与蠕变疲劳损伤评估相连通;
(2)本发明适用性广,能够适用于多种蠕变疲劳载荷,包括应变控制以及应力应变混合控制的蠕变疲劳载荷;
(3)本发明可以实现对蠕变疲劳损伤实时监测,还能基于临界损伤值,给出较为精准的预测寿命;
(4)本发明扩展性强,可与样本扩充以及数字孪生等先进的数据驱动方法无缝衔接。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例中的全数值驱动的实时蠕变疲劳损伤监测方法流程图;
图2为本发明实施例二中的应力应变混合控制蠕变疲劳载荷下的蠕变及疲劳损伤历程示意图;
图3为本发明实施例二中的应变控制蠕变疲劳载荷下的蠕变及疲劳损伤历程示意图;
图4为本发明实施例三中的应力应变混合控制蠕变疲劳载荷下的寿命预测示意图;
图5为本发明实施例三中的应变控制蠕变疲劳载荷下的寿命预测示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示,本实施例中提供一种全数值驱动的实时蠕变疲劳损伤监测方法,包括以下的步骤:
步骤S1,取相同材料的若干试样,在同一温度下进行三种不同类型的试验。第一部分试样进行同应变速率不同应变幅值的应变控制疲劳试验,获取疲劳试验数据,转入步骤S2;对第二部分试样开展不同应力的蠕变试验,获取蠕变试验数据,转入步骤S3;第三部分试样进行蠕变疲劳试验(包括应变控制的蠕变疲劳试验以及应力应变混合控制蠕变疲劳试验,获取蠕变疲劳数据,同时转入步骤S4和步骤S5;
步骤S2,通过用户子程序UMAT定义统一的粘塑性本构模型,本构方程包括如下部分:
步骤S21,粘塑性本构模型的主控方程如式(1)所示。
ε=εe+εin (1-1)
εe=D-1:σ (1-2)
其中,ε为总应变,εin为非弹性应变张量,εe为弹性应变张量,且遵循胡克定律,D为弹性刚度矩阵,σ为应力张量,:表示张量内积运算。
步骤S22,粘塑性本构模型的流动方程如式(2)所示。
其中,为非弹性应变率张量,/>表示累积非弹性应变速率,n表示塑性流动方向,s表示应力张量的偏量,a表示运动硬化张量的偏量,tr表示矩阵的迹,I为二阶单位矩阵,D表示各向同性硬化,A和u分别为流动系数以及流动指数。
步骤S23,粘塑性本构模型的各向同性硬化方程,如式(3)所示,
D表示各向同向硬化,表示各向同向硬化率,Cd表示各向同性硬化系数,γd表示各向同性恢复系数,H为线性恢复系数,p表示累积非弹性应变,/>表示累积非弹性应变速率。
步骤S24,粘塑性本构模型的运动硬化张量演化方程,如式(4)所示,
其中表示总的运动硬化演化率张量,/>表示非弹性应变率张量,α1表示第一运动硬化张量,α2表示第二运动硬化张量,h1表示第一运动硬化的强化系数,h2表示第二运动硬化的强化系数,γ1表示第一运动硬化的恢复系数,γ2表示第二运动硬化的恢复系数,S1表示第一运动硬化的恢复因子,S2表示第二运动硬化的恢复因子,l表示恢复底数,z表示恢复指数,/>表示依赖于循环历程的强化系数,/>表示最大强化系数,ω表示强化系数演化控制项,/>表示极限强化因子、/>表示极限强化底数、/>表示极限强化指数;Aω表示极限强化底数、Bω表示演化底数、Cω表示演化指数。
步骤S3,建立通用的蠕变疲劳损伤定义方法,包括如下:
步骤S31,蠕变疲劳试验的疲劳损伤可以表示为式(5),
其中,应变幅值Δεi为雨流法确定后实际承受应变幅值,pi为该应变幅值Δεi的占比。Ni(Δεi)为应变幅值为Δεi的疲劳试验的循环寿命。两者之间的关系由式(5-2)给出,E表示材料在试验温度下的弹性模量,σ′表示疲劳强度系数,n1表示疲劳强度指数,ε′表示疲劳延性系数,m1表示疲劳延性指数。
步骤S32,蠕变疲劳试验的蠕变损伤可以表示为式(6):
其中,(6-1)表示应变控制蠕变疲劳,(6-2)表示混合控制蠕变疲劳;表示应变控制蠕变疲劳试验半寿命周次的松弛应力,σ0表示应变控制蠕变疲劳试验第一周次的峰值应力,/>表示混合控制蠕变疲劳试验半寿命周次的蠕变应变,td表示保载时间,σd表示混合控制蠕变疲劳试验的保载应力,C1表示蠕变系数,C2表示蠕变时间相关指数,k表示蠕变应力相关指数,/>表示临界蠕变应变能耗散速率,S表示应力诱导蠕变失效系数,n表示应力诱导蠕变失效指数,Ec表示基于蠕变应变能耗散速率的失效系数,m表示基于蠕变应变能耗散速率的失效指数,p表示耗散率演化系数,q表示耗散率演化指数,pr表示应力松弛系数,qr表示应力松弛指数。
步骤S4,基于试验数据确定统一粘塑性本构模型中的参数并验证其对于变形行为的模拟能力,具体如下:
步骤S41,基于步骤S1中应变控制疲劳试验的第一周次滞回曲线以及峰值应力随周次演化曲线;应变控蠕变疲劳试验的每周松弛应力随周次的演化曲线;应力应变混合控蠕变疲劳试验的第一周次保载时蠕变应变演化曲线以及每周蠕变应变量随周次的演化曲线;通过试参法,使得计算出的曲线与上述曲线相吻合,最终确定统一粘塑性本构模型的模型参数。
步骤S42,基于已经确定的参数,使用该模型模拟步骤S1中的蠕变疲劳循环响应,并将计算结果与试验数据进行对比,验证所采用的模型以及确定的模型参数。
步骤S5,基于试验数据确定通用的蠕变疲劳损伤方法中的参数并验证其寿命预测的准确性,具体如下:
步骤S51,根据多组不同应变幅值的疲劳试验及其寿命,回归确定应变幅值与寿命之间的关系,得到σ′,n1,ε′和m1。根据多组不同应力的第一阶段蠕变曲线,回归确定参数C1,C2,k。根据蠕变应力以及蠕变寿命回归确定参数S和b。根据蠕变试验的蠕变应变能耗散速率以及蠕变寿命确定参数Ec和m。根据蠕变疲劳试验保载期间的蠕变应变能耗散速率演化规律确定参数p和q。根据应变控制蠕变疲劳试验保载期间的应力松弛行为回归确定参数pr和qr。
步骤S52,基于已经确定的参数,使用蠕变疲劳线性损伤累加法则,预测步骤S1中的蠕变疲劳试验的寿命,并将预测寿命与实际寿命进行对比,验证所采用的蠕变疲劳损伤定义方法以及确定的参数。
步骤S6,输入任意的蠕变疲劳载荷,所述任意的蠕变疲劳载荷,包括应变控制的蠕变疲劳载荷以及应力应变混合控制的蠕变疲劳载荷。其中,任意的蠕变疲劳载荷包括应变幅值,保载时间,保载应力等蠕变疲劳载荷的特征参量,并利用步骤S4确定的统一粘塑性本构模型,预测当前蠕变疲劳载荷下每一周的变形行为。
步骤S7,根据预测的变形以及步骤S5确定的通用蠕变疲劳损伤方法,给出蠕变疲劳加载下,每一周的疲劳损伤和蠕变损伤。
步骤S8,将每一周的疲劳损伤以及蠕变损伤进行累加,监测循环加载过程中的疲劳损伤及蠕变损伤历程,直至累积总损伤达到临界值1时,输出当前周次,则该周次即为此蠕变疲劳载荷下的寿命。
实施例二
本实施例的一种全数值驱动的实时蠕变疲劳损伤监测方法,实时监测循环加载过程中的疲劳及蠕变损伤演化历程。
试验材料为P92钢,获取应变控制疲劳试验数据,不同应力蠕变试验参数据,应变控制蠕变疲劳试验数据,应力应变混合控制蠕变疲劳试验数据。
首先按照实施例一的步骤S2,通过用户子程序UMAT定义统一的粘塑性本构模型;同时根据步骤S3,建立通用的蠕变疲劳损伤定义方法;接着根据步骤S2以及试验数据确定统一粘塑性本构模型中的参数,并验证其对于变形行为的模拟能力;同时根据步骤S3以及试验数据确定通用的蠕变疲劳损伤方法中的参数,并验证其寿命预测的准确性;然后输入任意的蠕变疲劳载荷,并利用统一粘塑性本构模型预测其每一周的变形行为;并根据变形以及通用的蠕变疲劳损伤方法,给出每一周的疲劳损伤和蠕变损伤;最后将这些蠕变和疲劳损伤进行累加,实时监测循环加载过程中的疲劳及蠕变损伤演化历程。
由图2和图3的结果可见,无论是应变控制蠕变疲劳还是应力应变混合控制的蠕变疲劳试验,可以实现实时监测循环加载过程中的疲劳及蠕变损伤演化历程。因此本实施例不依赖于蠕变疲劳载荷。
实施例三
采用本实施例的一种全数值驱动的实时蠕变疲劳损伤监测方法,通过全数值的方法实现蠕变疲劳寿命预测。
同样,该实例采用与实施例二相同的试验数据,按照实施例一的步骤S2,通过用户子程序UMAT定义统一的粘塑性本构模型;同时根据步骤S3,建立通用的蠕变疲劳损伤定义方法;接着根据步骤S2以及试验数据确定统一粘塑性本构模型中的参数,并验证其对于变形行为的模拟能力;同时根据步骤S3以及试验数据确定通用的蠕变疲劳损伤方法中的参数,并验证其寿命预测的准确性;然后输入任意的蠕变疲劳载荷,并利用统一粘塑性本构模型预测其每一周的变形行为;并根据变形以及通用的蠕变疲劳损伤方法,给出每一周的疲劳损伤和蠕变损伤;最后将这些蠕变和疲劳损伤进行累加,直至累积总损伤达到临界值1时,输出当前周次,则该周次即为此蠕变疲劳载荷下的寿命。
由图4和图5的结果可见,无论是应变控制蠕变疲劳还是应力应变混合控制的蠕变疲劳试验,可以通过全数值的方法实现不同蠕变疲劳载荷下的循环寿命,且预测精度均在1.5倍误差带之内。
从实施例二和实施例三的结果看出:无论是应变控制蠕变疲劳还是应力应变混合控制的蠕变疲劳试验,采用实施例的方法,都可以全数值的实时监测蠕变疲劳加载下的蠕变损伤及疲劳损伤历程,同时配合临界损伤值,实施例可以预测这些蠕变疲劳载荷下的循环寿命,预测结果均落在1.5倍的误差带之内。
本实施例一、实施例二和实施例三提出的实时蠕变疲劳损伤监测方法,在提出统一蠕变疲劳变形预测技术以及通用蠕变疲劳损伤评估技术的基础上,进一步地将这两个技术打通,最终实现全数值的双宽域(宽材料域,宽蠕变疲劳载荷域)蠕变疲劳损伤监测。除此之外,该监测方法集成度高,通过全数值驱动,将蠕变疲劳变形预测与损伤监测相结合;适用性广,能够适用于多种蠕变疲劳载荷,包括应变控以及应力应变混合控蠕变疲劳载荷;扩展性强,可与样本扩充以及数字孪生等先进的数据驱动方法无缝衔接,实现工业数字化,大大降低试验成本;可以实现实时蠕变疲劳损伤监测,还能基于临界损伤值,给出较为精准的预测寿命。因此,从功能实现以及发展前景方面来说,该监测方法都具有明显优势
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,包括以下步骤:
获取疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据;
基于所述疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据,以及统一粘塑性本构模型和蠕变疲劳损伤方法,获得统一粘塑性本构模型中的参数和蠕变疲劳损伤方法中的参数;
将任意的蠕变疲劳载荷输入所述统一粘塑性本构模型中,获得每周的预测变形,基于所述每周的预测变形和蠕变疲劳损伤方法,获得每周的疲劳损伤和蠕变损伤;
对所述每周的疲劳损伤和蠕变损伤进行累加并实时监测,获得所述蠕变疲劳载荷的寿命;
所述统一粘塑性本构模型的搭建过程包括:
统一粘塑性本构模型的各向同性硬化方程,如下式所示,
其中,D表示各向同向硬化,表示各向同向硬化率,Cd表示各向同性硬化系数,γd表示各向同性恢复系数,H为线性恢复系数,p表示累积非弹性应变,/>表示累积非弹性应变速率;
统一粘塑性本构模型的运动硬化张量演化方程,如下式所示,
其中,表示总的运动硬化演化率张量,/>表示非弹性应变率张量,α1表示第一运动硬化张量,α2表示第二运动硬化张量,h1表示第一运动硬化的强化系数,h2表示第二运动硬化的强化系数,γ1表示第一运动硬化的恢复系数,γ2表示第二运动硬化的恢复系数,S1表示第一运动硬化的恢复因子,S2表示第二运动硬化的恢复因子,l表示恢复底数,z表示恢复指数,/>表示依赖于循环历程的强化系数,/>表示最大强化系数,ω表示强化系数演化控制项,/>表示极限强化因子、/>表示极限强化底数、/>表示极限强化指数;Aω表示极限强化底数、Bω表示演化底数、Cω表示演化指数;
所述蠕变疲劳损伤方法的获取过程包括:
蠕变疲劳试验的疲劳损伤如下式所示,
其中,应变幅值Δεi为雨流法确定后实际承受应变幅值,pi为所述应变幅值Δεi的占比,Ni(Δεi)为所述应变幅值Δεi的疲劳试验的循环寿命;
蠕变疲劳试验的蠕变损伤如下式所示,
其中,表示应变控制蠕变疲劳试验半寿命周次的松弛应力,σ0表示应变控制蠕变疲劳试验第一周次的峰值应力,/>表示混合控制蠕变疲劳试验半寿命周次的蠕变应变,td表示保载时间,σd表示混合控制蠕变疲劳试验的保载应力,C1表示蠕变系数,C2表示蠕变时间相关指数,k表示蠕变应力相关指数,E表示材料在试验温度下的弹性模量,/>表示临界蠕变应变能耗散速率,S表示应力诱导蠕变失效系数,n表示应力诱导蠕变失效指数,Ec表示基于蠕变应变能耗散速率的失效系数,m表示基于蠕变应变能耗散速率的失效指数,p表示耗散率演化系数,q表示耗散率演化指数,pr表示应力松弛系数,qr表示应力松弛指数。
2.根据权利要求1所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
获取试验数据的过程包括:在同一温度下,取部分试样进行不同应变幅值的应变控制疲劳试验,获得疲劳试验数据;取部分试样进行不同应力的蠕变试验,获得蠕变试验数据;剩下的部分试样进行蠕变疲劳试验,包括应变控制的蠕变疲劳试验以及应力应变混合控制的蠕变疲劳试验,获得蠕变疲劳试验数据。
3.根据权利要求1所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
获得统一粘塑性本构模型中的参数的过程包括:基于试参法,获得与应变控制疲劳试验的第一周次滞回曲线以及峰值应力随周次演化曲线、应变控制的蠕变疲劳试验的每周松弛应力随周次的演化曲线、应力应变混合控制的蠕变疲劳试验的第一周次保载时蠕变应变演化曲线以及每周蠕变应变量随周次的演化曲线相吻合的曲线,进而获得统一粘塑性本构模型中的参数。
4.根据权利要求3所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
对所述统一粘塑性本构模型中的参数进行验证的过程包括:基于获得的模型参数,利用统一粘塑性本构模型重新获取疲劳试验数据、蠕变试验数据和蠕变疲劳试验数据,将重新获取的试验数据与真实的试验数据进行对比,验证所述统一粘塑性本构模型及模型参数。
5.根据权利要求1所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
获得蠕变疲劳损伤方法中的参数的过程包括:基于若干组不同应变幅值的应变控制疲劳试验及对应的寿命,获得应变幅值与寿命之间的关系;基于若干组不同应力的第一阶段蠕变曲线,获得蠕变系数,蠕变时间相关指数以及蠕变应力相关指数;基于蠕变应力以及蠕变寿命回归,获得应力诱导蠕变失效系数和应力诱导蠕变失效指数;基于蠕变试验的蠕变应变能耗散速率以及蠕变寿命,获得基于蠕变应变能耗散速率的失效系数和失效指数;基于蠕变疲劳试验保载期间的蠕变应变能耗散速率演化规律,获得耗散率演化系数和耗散率演化指数;基于应变控制蠕变疲劳试验保载期间的应力松弛行为回归,获得应力松弛系数和应力松弛指数。
6.根据权利要求5所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
验证所述蠕变疲劳损伤方法中的参数的过程包括:基于获得的方法参数,采用蠕变疲劳线性损伤累加法则,获得蠕变疲劳试验的预测寿命,将所述预测寿命与真实寿命进行对比,验证所述蠕变疲劳损伤方法及方法参数。
7.根据权利要求1所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
所述任意的蠕变疲劳载荷,包括应变控制的蠕变疲劳载荷以及应力应变混合控制的蠕变疲劳载荷;所述任意的蠕变疲劳载荷的特征参量包括但不限于应变幅值,保载时间和保载应力。
8.根据权利要求1所述的全数值驱动的实时蠕变疲劳损伤监测方法,其特征在于,
获得所述蠕变疲劳载荷的寿命的过程包括:将每周的疲劳损伤以及蠕变损伤进行累加,并监测循环加载过程中的疲劳损伤及蠕变损伤历程,直至累积总损伤达到预设临界值时,输出当前周次,所述当前周次即为所述蠕变疲劳载荷的寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211741031.3A CN116052813B (zh) | 2022-12-30 | 2022-12-30 | 一种全数值驱动的实时蠕变疲劳损伤监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211741031.3A CN116052813B (zh) | 2022-12-30 | 2022-12-30 | 一种全数值驱动的实时蠕变疲劳损伤监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116052813A CN116052813A (zh) | 2023-05-02 |
CN116052813B true CN116052813B (zh) | 2023-10-13 |
Family
ID=86126872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211741031.3A Active CN116052813B (zh) | 2022-12-30 | 2022-12-30 | 一种全数值驱动的实时蠕变疲劳损伤监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116052813B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158084A (zh) * | 2015-09-15 | 2015-12-16 | 华东理工大学 | 一种材料的蠕变-疲劳寿命预测方法 |
CN106202913A (zh) * | 2016-07-07 | 2016-12-07 | 华东理工大学 | 时间相关的蠕变疲劳损伤评定方法 |
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 |
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 |
CN111428361A (zh) * | 2020-03-24 | 2020-07-17 | 南京工业大学 | 一种适用于多种循环载荷的寿命预测方法 |
CN111879636A (zh) * | 2020-07-31 | 2020-11-03 | 华东理工大学 | 一种材料的蠕变-疲劳-氧化实时损伤累积评估方法 |
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 |
CN113514350A (zh) * | 2021-03-26 | 2021-10-19 | 南京工业大学 | 适用于判定应力应变混合控蠕变疲劳损伤状态的通用方法 |
CN113611377A (zh) * | 2021-07-05 | 2021-11-05 | 南京工业大学 | 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 |
CN113742914A (zh) * | 2021-09-02 | 2021-12-03 | 南京工业大学 | 适用于预测多种控制模式循环载荷变形行为的方法 |
CN115017745A (zh) * | 2022-08-09 | 2022-09-06 | 天津大学 | 一种用于火电机组结构件的蠕变疲劳寿命预测方法及系统 |
CN115389349A (zh) * | 2022-04-25 | 2022-11-25 | 合肥通用机械研究院有限公司 | 一种耦合损伤的循环粘塑性本构模型及其构建方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9541530B2 (en) * | 2012-01-23 | 2017-01-10 | Siemens Energy, Inc. | Method and system of deterministic fatigue life prediction for rotor materials |
US20150213164A1 (en) * | 2014-01-27 | 2015-07-30 | GM Global Technology Operations LLC | Product design reliability with consideration of material property changes during service |
-
2022
- 2022-12-30 CN CN202211741031.3A patent/CN116052813B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105158084A (zh) * | 2015-09-15 | 2015-12-16 | 华东理工大学 | 一种材料的蠕变-疲劳寿命预测方法 |
CN106202913A (zh) * | 2016-07-07 | 2016-12-07 | 华东理工大学 | 时间相关的蠕变疲劳损伤评定方法 |
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 |
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 |
CN111428361A (zh) * | 2020-03-24 | 2020-07-17 | 南京工业大学 | 一种适用于多种循环载荷的寿命预测方法 |
CN111879636A (zh) * | 2020-07-31 | 2020-11-03 | 华东理工大学 | 一种材料的蠕变-疲劳-氧化实时损伤累积评估方法 |
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 |
CN113514350A (zh) * | 2021-03-26 | 2021-10-19 | 南京工业大学 | 适用于判定应力应变混合控蠕变疲劳损伤状态的通用方法 |
CN113611377A (zh) * | 2021-07-05 | 2021-11-05 | 南京工业大学 | 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 |
CN113742914A (zh) * | 2021-09-02 | 2021-12-03 | 南京工业大学 | 适用于预测多种控制模式循环载荷变形行为的方法 |
CN115389349A (zh) * | 2022-04-25 | 2022-11-25 | 合肥通用机械研究院有限公司 | 一种耦合损伤的循环粘塑性本构模型及其构建方法 |
CN115017745A (zh) * | 2022-08-09 | 2022-09-06 | 天津大学 | 一种用于火电机组结构件的蠕变疲劳寿命预测方法及系统 |
Non-Patent Citations (2)
Title |
---|
Time-dependent creep fatigue damage evolution in C/SiC composite: Theory and analytical prediction;Longbiao Li et al.;《Ceramics International》;第 20731-20742 页 * |
基于能量密度耗散准则的蠕变—疲劳寿命预测模型及应用;王润梓;《中国博士学位论文全文数 据库》;第1-184 页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116052813A (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108204925B (zh) | 复合材料的疲劳寿命预测方法及预测系统 | |
US6301970B1 (en) | Cumulative damage model for structural analysis of filed polymeric materials | |
CN106840877B (zh) | 一种基于应力的多轴小裂纹全寿命预测方法 | |
CN109885874A (zh) | 一种基于abaqus的多轴蠕变疲劳预测方法 | |
CN107784178B (zh) | 一种基于多故障机理耦合的机械结构可靠性分析方法 | |
CN109522577B (zh) | 一种基于Weibull方程和最大疲劳变形的混凝土疲劳寿命预测方法和装置 | |
WO2019049406A1 (ja) | 故障確率評価システム | |
Karthik et al. | Fatigue life prediction of a parabolic spring under non-constant amplitude proportional loading using finite element method | |
CN107977516B (zh) | 一种考虑多轴载荷非比例度的缺口件局部应力应变确定方法 | |
CN107545110B (zh) | 一种动态应力加速寿命试验剖面编制方法 | |
Chu | Multiaxial fatigue life prediction method in the ground vehicle industry | |
Kocabicak et al. | A simple approach for multiaxial fatigue damage prediction based on FEM post-processing | |
CN111090957A (zh) | 一种高温结构危险点应力-应变计算方法 | |
CN101793621A (zh) | 有支座沉降时基于索力监测的索系统的递进式健康监测方法 | |
CN101819098B (zh) | 基于混合监测的识别受损索和支座位移的递进式方法 | |
CN116052813B (zh) | 一种全数值驱动的实时蠕变疲劳损伤监测方法 | |
CN1639556A (zh) | 确定由各向异性材料组成部件的弹性-塑性特性的方法以及该方法的应用 | |
CN104462836A (zh) | 基于全周期分段步加策略的小子样加速失效演变实验方法 | |
CN106404531B (zh) | 一种预测轨道交通车辆用橡胶堆材料寿命的方法 | |
Strauss et al. | Monitoring information and probabilistic-based prediction models for the performance assessment of concrete structures | |
Vettori et al. | A virtual sensing approach to operational modal analysis of wind turbine blades | |
Rahai et al. | Seismic performance and long-term behavior of balanced cantilever light-weight concrete bridges | |
CN112364517A (zh) | 缸盖在低周疲劳下的寿命评估方法及相关设备 | |
Nagode et al. | The Damage Operator Approach: Fatigue, Creep and Viscoplasticity Modeling in Thermo-Mechanical Fatigue | |
CN112784337B (zh) | 一种基于挠度校验系数退化的钢筋混凝土梁寿命剩余率预测方法 |
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 |