CN117292772A - 一种预测金属材料缺口疲劳强度的方法 - Google Patents
一种预测金属材料缺口疲劳强度的方法 Download PDFInfo
- Publication number
- CN117292772A CN117292772A CN202311128260.2A CN202311128260A CN117292772A CN 117292772 A CN117292772 A CN 117292772A CN 202311128260 A CN202311128260 A CN 202311128260A CN 117292772 A CN117292772 A CN 117292772A
- Authority
- CN
- China
- Prior art keywords
- fatigue strength
- notch
- fatigue
- sample
- smooth
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000007769 metal material Substances 0.000 title claims abstract description 20
- 239000000463 material Substances 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 abstract description 4
- 230000003321 amplification Effects 0.000 abstract description 3
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 3
- 230000000376 effect on fatigue Effects 0.000 abstract 1
- 238000011056 performance test Methods 0.000 abstract 1
- 229910000831 Steel Inorganic materials 0.000 description 9
- 239000010959 steel Substances 0.000 description 9
- 238000009661 fatigue test Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 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
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (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
本发明公开了一种预测金属材料缺口疲劳强度的方法,属于材料与构件疲劳性能测试技术领域。该方法探究了材料在缺口构件和光滑构件疲劳性能间的损伤增幅,并探讨了量化关系,通过建立不同应力集中效应的疲劳损伤增幅与应力集中系数Kt间的联系而获得材料常数C,即可有效预测该材料在各Kt下的缺口疲劳强度。该方法合理地考虑了应力集中效应对疲劳损伤的影响,仅需少量疲劳测试即可预测同系列金属材料的缺口疲劳强度,有望取代传统经验模型,实现高效精确预测。
Description
技术领域
本发明涉及材料科学与工程应用技术领域,具体为一种预测金属材料缺口疲劳强度的方法。
背景技术
近些年来,随着经济的发展和生产高效率的需求,各行业的重大装备均朝着大型化、系统化和复杂化等方向发展。因此一些缺口构件被设计以达到高机动、便于组装和多功能等目的以满足不同类型的要求。但缺口的存在往往会导致服役中的关键结构出现应力集中现象,严重影响了构件的力学性能,尤其是疲劳性能。鉴于疲劳失效的不可预见性,对缺口疲劳的研究,特别是缺口疲劳强度的预测一直受到广泛关注。
关于缺口疲劳强度预测方法的探索,Neuber、Peterson和Yu等学者相继提出了基于缺口圆弧半径和基本性能的经验公式,但适用性较小,对如今众多缺口类型例如凹槽、切口、倒角和孔等构件的疲劳强度预测并不精确。因此,建立一种缺口构件与光滑构件间疲劳损伤增幅的量化关系,实现缺口疲劳强度的准确预测,成为目前亟需解决的问题。
发明内容
本发明的目的在于提供一种预测金属材料缺口疲劳强度的方法,该方法基于缺口疲劳损伤增幅与应力集中系数的联系,建立了不同应力集中效应下的疲劳强度间的关系。该方法有唯一的参数,应用简便快速,有效减少探索缺口构件疲劳性能所需的测试,提高了获取缺口疲劳强度的效率,有望取代传统的相关模型,实现缺口疲劳强度的高效预测。
为了实现上述目的,本发明采用的技术方案是:
一种预测金属材料缺口疲劳强度的方法,该方法具体包括如下步骤:
(1)准备目标金属材料的光滑试样和至少一组缺口试样;光滑试样的理论应力集中系数Kt=1,缺口试样的应力集中系数Kt>1;
(2)对目标金属材料光滑试样和缺口试样进行疲劳强度测试,获得光滑试样的疲劳强度σw和缺口试样的疲劳强度σwn;
(3)将步骤(2)获得的疲劳强度代入公式(1)中,获得在步骤(1)中Kt值下的参数MK,并将MK值与对应Kt值利用公式(2)进行拟合,获得参数C;
(4)将获得的参数C与光滑试样疲劳强度σw代入公式(3),经计算可求得该材料在Kt的缺口疲劳强度σwn预测值;
上述步骤(2)中,需在相同加载条件下进行光滑和缺口试样的疲劳强度测试;为保证预测结果的准确度,可选择不少于2组的缺口疲劳强度数据。
上述步骤(3)中,光滑试样的参数值MK为0,并且与缺口疲劳的MK值共同通过公式(2)拟合。
上述步骤(3)中,可将疲劳缺口系数与Kt通过公式Kf=Kt C拟合获得参数值C,代替上述步骤(3)。
本发明的优点和有益效果如下:
1、本发明结合对疲劳损伤本质的深入理解,探讨了缺口构件和光滑构件间的疲劳损伤量化关系,并且分析了应力集中效应对材料疲劳损伤的影响,提出了全新的缺口疲劳强度的理论模型。
2、本发明的预测方法参数唯一,计算简单且具有较高精度。仅通过少量的疲劳测试即可对金属材料在不同应力集中效应的缺口疲劳强度进行有效预测,具有低成本和高效率等优势。
3、本发明解决了同系列金属不同Kt状态下的缺口疲劳强度间的关联问题,本发明的参数可看作材料常数,可直接获得同系列金属在任意Kt下的缺口疲劳强度,极大程度地节省了成本。
附图说明
图1为金属材料在不同Kt条件下缺口疲劳强度预测方法流程图。
图2为实施例1中30CrMnSiA钢在不同Kt条件下的缺口疲劳强度预测情况;其中:(a)实验数据Kt与MK的关系;(b)预测值与实验值的关系。
图3为实施例2中40CrNi2Si2MoVA钢在不同Kt条件下的缺口疲劳强度预测情况;其中:(a)实验数据Kt与MK的关系;(b)预测值与实验值的关系。
具体实施方式
以下结合附图和实施例,对本发明进行详细说明。
图1为本发明金属材料在不同Kt条件下疲劳强度的预测方法的操作流程,操作简便有效,下面结合实施例进行说明。
实施例1:
本实施例是对不同Kt的30CrMnSiA钢的缺口疲劳强度进行预测,对光滑(Kt=1)、Kt=3的试样进行了高周疲劳试验,测定疲劳强度(实验数据),并用于预测其余未测试Kt=2和Kt=4试样的缺口疲劳强度(验证数据)。
步骤1,通过疲劳强度测试,30CrMnSiA钢的光滑试样的疲劳强度σw为637.5MPa,Kt=3的缺口疲劳强度σwn为241.3MPa,如表1所示。
步骤2,通过公式计算获得Kt=1、Kt=3的MK值分别为0和0.621,与对应Kt通过公式/>进行拟合(如图2(a)所示),获得参数C值为0.884。
步骤3,将获得参数C值0.884与光滑试样疲劳强度σw=637.5MPa代入公式中,可求得该材料在不同Kt下疲劳强度σwn预测值(如表1所示)。
步骤4,为验证预测数据的准确性,计算预测的Kt=2和Kt=4试样缺口疲劳强度的偏差,偏差值见表1,预测准确程度如图2(b)所示,预测偏差在±10%以内(本步骤为对该方法的验证,实际操作过程中可省略)。
表1 30CrMnSiA钢在不同Kt条件的预测相关数据汇总表
实施例2:
本实施例是对不同Kt的40CrNi2Si2MoVA钢的缺口疲劳强度进行预测,对光滑(Kt=1)、Kt=3的试样进行了高周疲劳试验,测定疲劳强度(实验数据),并用于预测其余未测试Kt=2和Kt=5的缺口疲劳强度(验证数据)。
步骤1,通过疲劳强度测试,40CrNi2Si2MoVA钢的光滑试样的疲劳强度σw为1600MPa,Kt=3的疲劳强度σwn为710MPa,如表2所示。
步骤2,通过公式计算获得Kt=1、Kt=3的MK值分别为0和0.556,与对应Kt通过公式/>进行拟合(如图3(a)所示),获得参数C值为0.740。
步骤3,将获得参数C值0.740与光滑试样疲劳强度σw=1600MPa代入公式中,可求得该材料在不同Kt下疲劳强度σwn预测值(如表2所示)。
步骤4,为验证预测数据的准确性,计算预测的Kt=2和Kt=5试样缺口疲劳强度的偏差,偏差值见表2,预测准确程度如图3(b)所示,预测偏差在±5%以内(本步骤为对该方法的验证,实际操作过程中可省略)。
表2 40CrNi2Si2MoVA钢在Kt条件的预测相关数据汇总表
上述实施例仅示例性说明本发明的原理及性能,并非全部内容,人们还可以根据本实施例在无需创造性劳动前提下获得其它实施例,这些实施例都属于本发明保护范围。
Claims (4)
1.一种预测金属材料缺口疲劳强度的方法,其特征在于:该方法具体包括如下步骤:
(1)准备目标金属材料的光滑试样和至少一组缺口试样;光滑试样的理论应力集中系数Kt=1,缺口试样的应力集中系数Kt>1;
(2)对目标金属材料光滑试样和缺口试样进行疲劳强度测试,获得光滑试样的疲劳强度σw和缺口试样的疲劳强度σwn;
(3)将步骤(2)获得的疲劳强度代入公式(1)中,获得在步骤(1)中Kt值时的参数MK,并将MK值与对应Kt值利用公式(2)进行拟合,获得参数C;
(4)将获得的参数C与光滑试样疲劳强度σw代入公式(3),经计算可求得该材料在Kt>1试样的缺口疲劳强度σwn预测值;
2.根据权利要求1所述的预测金属材料缺口疲劳强度的方法,其特征在于:步骤(2)中,需在相同加载条件下进行光滑试样和缺口试样的疲劳强度测试;为保证预测结果的准确度,可选择不少于2组的缺口疲劳强度数据。
3.根据权利要求1所述的预测金属材料缺口疲劳强度的方法,其特征在于:步骤(3)中,光滑试样的参数值MK为0,并且与缺口疲劳的MK值共同通过公式(2)拟合。
4.一种预测金属材料缺口疲劳强度的方法,其特征在于:该方法具体包括如下步骤:
(1)准备目标金属材料的光滑试样和至少一组缺口试样;光滑试样的理论应力集中系数Kt=1,缺口试样的应力集中系数Kt>1;
(2)对目标金属材料光滑试样和缺口试样进行疲劳强度测试,获得光滑试样的疲劳强度σw和缺口试样的疲劳强度σwn;
(3)将疲劳缺口系数Kf与Kt通过公式Kf=Kt C拟合获得参数值C,其中
(4)将获得的光滑试样的疲劳强度σw和参数C代入公式中,即可计算得出目标金属材料在Kt的缺口疲劳强度σwn预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311128260.2A CN117292772A (zh) | 2023-09-04 | 2023-09-04 | 一种预测金属材料缺口疲劳强度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311128260.2A CN117292772A (zh) | 2023-09-04 | 2023-09-04 | 一种预测金属材料缺口疲劳强度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117292772A true CN117292772A (zh) | 2023-12-26 |
Family
ID=89256228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311128260.2A Pending CN117292772A (zh) | 2023-09-04 | 2023-09-04 | 一种预测金属材料缺口疲劳强度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117292772A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117993304A (zh) * | 2024-04-03 | 2024-05-07 | 北京航空航天大学 | 物理信息驱动的金属材料缺口疲劳寿命机器学习预测方法 |
CN117993304B (zh) * | 2024-04-03 | 2024-06-07 | 北京航空航天大学 | 物理信息驱动的金属材料缺口疲劳寿命机器学习预测方法 |
-
2023
- 2023-09-04 CN CN202311128260.2A patent/CN117292772A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117993304A (zh) * | 2024-04-03 | 2024-05-07 | 北京航空航天大学 | 物理信息驱动的金属材料缺口疲劳寿命机器学习预测方法 |
CN117993304B (zh) * | 2024-04-03 | 2024-06-07 | 北京航空航天大学 | 物理信息驱动的金属材料缺口疲劳寿命机器学习预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113567795A (zh) | 基于威布尔分布的步退应力加速可靠性试验方法 | |
Batsoulas | Cumulative fatigue damage: CDM‐based engineering rule and life prediction aspect | |
CN115415542B (zh) | 基于响应面法的双相不锈钢3d打印件性能的预测方法 | |
CN113553712B (zh) | 基于多元回归的粉末冶金混合材料配方建模及控制方法 | |
CN113378433B (zh) | 一种复合铝板成形工艺参数确定方法、装置、设备及介质 | |
CN117292772A (zh) | 一种预测金属材料缺口疲劳强度的方法 | |
Dobrzański et al. | Development of the precipitation processes in low-alloy Cr-Mo type steel for evolution of the material state after exceeding the assessed lifetime | |
CN116842834A (zh) | 一种基于机器学习和shap值的可解释蠕变断裂寿命预测方法 | |
RU2476855C2 (ru) | Способ определения предела выносливости низкоуглеродистых низколегированных сталей | |
CN108169019B (zh) | 一种准静态塑性压缩应力应变参量的识别方法 | |
CN105910921A (zh) | 一种预测dz125合金蠕变曲线的方法 | |
Jeysingh et al. | Development of a ductile fracture criterion in cold forming | |
CN111638148A (zh) | 一种测试同类金属材料s-n曲线的方法 | |
OHGUCHI et al. | Fatigue life estimation of SAC solder based on inelastic strain analysis using stepped ramp wave loading | |
CN110706761B (zh) | 一种预估金属材料的疲劳强度退化的方法 | |
JP2014142304A (ja) | オーステナイト系ステンレス鋼の寿命評価方法 | |
CN108520167B (zh) | 一种g102钢受热面的高温寿命快速评估方法和系统 | |
CN117232957A (zh) | 一种基于损伤参量的金属材料不同平均应力下疲劳强度预测方法 | |
Kang et al. | Modified Dyson continuum damage model for austenitic steel alloy | |
CN117168980A (zh) | 一种通过损伤增幅预测材料缺口抗拉强度的方法 | |
Zhu et al. | Fatigue study on the right circular flexure hinges for designing compliant mechanisms | |
Guo et al. | A constitutive equation for the flow and densification behaviors of powder metallurgy Fe–0.5 C–2Cu steel at elevated temperatures | |
CN117409892A (zh) | 一种具有不同抗拉强度的金属材料缺口疲劳强度的预测方法 | |
CN113449432B (zh) | 一种基于卸载弹性应变能密度的疲劳寿命预测方法 | |
US20060266125A1 (en) | Method of predicting damage of dies |
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 |