CN117727409A - 孔隙随机分布的c/c复合材料的强度预测方法及装置 - Google Patents
孔隙随机分布的c/c复合材料的强度预测方法及装置 Download PDFInfo
- Publication number
- CN117727409A CN117727409A CN202410179089.6A CN202410179089A CN117727409A CN 117727409 A CN117727409 A CN 117727409A CN 202410179089 A CN202410179089 A CN 202410179089A CN 117727409 A CN117727409 A CN 117727409A
- Authority
- CN
- China
- Prior art keywords
- composite material
- test piece
- analysis model
- finite element
- material test
- 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
Links
- 239000002131 composite material Substances 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 78
- 239000011148 porous material Substances 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 121
- 238000012360 testing method Methods 0.000 claims abstract description 118
- 230000003068 static effect Effects 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 30
- 230000009471 action Effects 0.000 claims abstract description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 48
- 229910052799 carbon Inorganic materials 0.000 claims description 46
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000007547 defect Effects 0.000 claims description 31
- 239000000463 material Substances 0.000 claims description 28
- 229920000049 Carbon (fiber) Polymers 0.000 claims description 18
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 18
- 239000004917 carbon fiber Substances 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 239000012071 phase Substances 0.000 description 41
- 239000000835 fiber Substances 0.000 description 28
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 239000011800 void material Substances 0.000 description 11
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000010426 asphalt Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 3
- 239000011347 resin Substances 0.000 description 3
- 229920005989 resin Polymers 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000009954 braiding Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000010439 graphite Substances 0.000 description 2
- 229910002804 graphite Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- -1 structures Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002296 pyrolytic carbon Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
Abstract
本申请公开了一种孔隙随机分布的C/C复合材料的强度预测方法及装置,该方法包括:获取C/C复合材料试件的各相的体积参数与静态参数;基于静态参数构建C/C复合材料试件的有限元分析模型;根据体积参数与有限元分析模型构建精细化分析模型;其中,精细化分析模型包括多个孔隙率不同的有限元分析模型;对精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程;根据承载能力曲线与失效过程预测C/C复合材料试件的承载能力。解决了现有技术中有限元建模分析方法无法准确评估C/C复合材料的强度问题,能够有效评估C/C复合材料的强度,并能够降低试验成本。
Description
技术领域
本申请涉及复合材料技术领域,尤其涉及一种孔隙随机分布的C/C复合材料的强度预测方法及装置。
背景技术
C/C复合材料是一种以碳纤维或其织物为增强相,以化学气相渗透的热解炭或液相浸渍炭化的树脂炭、沥青炭为基体组成的一种纯炭多相结构。这种材料具有高比强度、高比模量、线胀系数低、耐高温、耐热冲击、耐腐蚀、吸振性好等一系列优异性能,被广泛应用于航空、航天等领域。
C/C复合材料试件的性能由增强体性能、基体性能以及界面性能共同决定,相比于金属材料,其制造工艺复杂,材料内部的缺陷难以完全避免。随机的孔隙缺陷在服役期间可能劣化,从而对结构安全性和可靠性产生严重影响。即使是在相同的制造工艺下,所制造的C/C复合材料的不确定性仍然很大。
C/C复合材料中的孔隙含量和分布存在一定的随机性,对材料力学性能产生较大影响,导致C/C复合材料试件的极限承载力出现较大的分散性。目前,C/C复合材料的性能评估主要依赖于试验,在数值仿真方面仍然存在诸多难点,如几何模型的建立、力学分析模型的选取以及结构损伤演化过程的模拟等。此外,孔隙缺陷作为影响C/C复合材料承载能力的关键因素之一,会显著改变试件内部裂纹扩展路径,降低复合材料强度,但目前还没有一套完整的有限元建模分析方法能够用于有效评估C/C复合材料的强度(承载能力)。
发明内容
本申请实施例通过提供一种孔隙随机分布的C/C复合材料的强度预测方法,解决了现有技术中有限元建模分析方法无法有效评估C/C复合材料的强度问题,实现了一种能够预测含孔隙C/C复合材料的承载性能的方法,能够解决上述问题。
第一方面,本申请实施例提供了一种孔隙随机分布的C/C复合材料的强度预测方法,包括:获取C/C复合材料试件的各相的体积参数与静态参数;其中,各相的所述体积参数包括孔隙缺陷含量、基体含量、碳棒含量和碳纤维束含量;基于所述静态参数构建C/C复合材料试件的有限元分析模型;根据所述体积参数与所述有限元分析模型构建精细化分析模型;其中,所述精细化分析模型包括多个孔隙率不同的所述有限元分析模型;对所述精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程;根据所述承载能力曲线与所述失效过程预测C/C复合材料试件的承载能力。
结合第一方面,在一种可能的实现方式中,所述获取C/C复合材料试件的体积参数与静态参数,包括:通过微细观扫描获取C/C复合材料试件的二维图像,并将所述二维图像转换为三维模型;利用深度学习算法识别并分割出C/C复合材料试件的相,并确定C/C复合材料试件的各相的所述体积参数;其中,C/C复合材料试件的相包括孔隙缺陷、基体、碳棒与碳纤维束;基于C/C复合材料试件的所述三维模型与各相的所述体积参数获取所述静态参数;其中,所述静态参数包括C/C复合材料试件的各相的基本尺寸、分布形式、性能参数与微细观结构。
结合第一方面,在一种可能的实现方式中,所述基于所述静态参数构建C/C复合材料试件的有限元分析模型,包括:根据C/C复合材料试件的所述静态参数与边界条件确定有限元分析模型的模型尺寸与模型边界条件;利用有限元分析软件根据所述模型尺寸与所述模型边界条件构建所述有限元分析模型。
结合第一方面,在一种可能的实现方式中,所述基于所述静态参数构建C/C复合材料试件的有限元分析模型后,还包括:根据C/C复合材料试件的材料属性与载荷情况设置所述有限元分析模型的材料属性与载荷情况。
结合第一方面,在一种可能的实现方式中,所述根据所述体积参数与所述有限元分析模型构建精细化分析模型,包括:采用体素网格将所述有限元分析模型划分为多个单元,并为所述单元设置单元编号构成单元编号集合;多次在所述单元编号集合中抽取第一数量的所述单元编号,并将被抽取的所述单元编号对应的所述单元的材料性能设置为最小值以此建立含孔隙缺陷的所述精细化分析模型;其中,所述第一数量为小于所述单元的总数的随机整数。
结合第一方面,在一种可能的实现方式中,所述精细化分析模型,还包括:改变所述第一数量的值以调整所述精细化分析模型的所述孔隙率。
结合第一方面,在一种可能的实现方式中,所述根据所述承载能力曲线与所述失效过程预测C/C复合材料试件的承载能力,包括:对所述承载能力曲线进行分析,获得所述承载能力曲线的曲线特征;基于所述曲线特征与所述失效过程得到C/C复合材料试件的所述承载能力。
第二方面,本申请实施例提供了一种孔隙随机分布的C/C复合材料的强度预测装置,包括:获取模块,用于获取C/C复合材料试件的各相的体积参数与静态参数;其中,各相的所述体积参数包括孔隙缺陷含量、基体含量、碳棒含量和碳纤维束含量;第一构建模块,用于基于所述静态参数构建C/C复合材料试件的有限元分析模型;第二构建模块,用于根据所述体积参数与所述有限元分析模型构建精细化分析模型;其中,所述精细化分析模型包括多个孔隙率不同的所述有限元分析模型;分析模块,用于对所述精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程;预测模块,用于根据所述承载能力曲线与所述失效过程预测C/C复合材料试件的承载能力。
第三方面,本申请实施例提供了一种设备,所述设备包括:处理器;用于存储处理器可执行指令的存储器;所述处理器执行所述可执行指令时,实现如第一方面或第一方面任一种可能实现的方式所述的方法。
第四方面,本申请实施例提供了一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质包括用于存储计算机程序或指令,当该计算机程序或指令被执行时,使如第一方面或第一方面任一种可能实现的方式所述的方法被实现。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例通过孔隙率能够确定C/C复合材料的孔隙缺陷含量;通过建立精细化分析模型,能够模拟真实结构中的孔隙缺陷,准确模拟轴向载荷作用下C/C复合材料试件的失效过程,分析不同孔隙率下C/C复合材料的结构承载能力,有效解决了现有技术中有限元建模分析方法无法有效评估C/C复合材料的强度问题,进而能够降低试验成本,准确评估C/C复合材料的强度(承载能力),为C/C复合材料的实际应用提供数据支持。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的孔隙随机分布的C/C复合材料的强度预测方法的流程图;
图2为本申请实施例提供的孔隙随机分布的C/C复合材料的强度预测装置的结构图;
图3为本申请实施例提供的C/C复合材料试件的几何结构示意图;
图4为本申请实施例提供的精细化分析模型的正视图;
图5为本申请实施例提供的精细化分析模型的截面视图;
图6为本申请实施例提供的精细化分析模型的全貌视图;
图7为本申请实施例提供的精细化分析模型的碳棒与纤维束的相对位置示意图;
图8为本申请实施例提供的精细化分析模型的界面示意图;
图9为本申请实施例提供的孔隙单元的分布示意图;
图10为本申请实施例提供的不含孔隙缺陷的C/C复合材料的基体、碳棒以及界面的失效过程示意图;
图11为本申请实施例提供的含孔隙缺陷的C/C复合材料的基体、碳棒以及界面的失效过程示意图;
图12为本申请实施例提供的不同孔隙率下精细化分析模型的承载力曲线。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下对本申请实施例涉及的部分技术做出说明,以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了部分对公知功能和结构的描述。
图1是本申请实施例提供的孔隙随机分布的C/C复合材料的强度预测方法的流程图,包括步骤101至步骤105。其中,图1仅为本申请实施例示出的一种执行顺序,并不代表孔隙随机分布的C/C复合材料的强度预测方法的唯一执行顺序,在可实现最终结果的情况下,图1所示出的步骤可以被并列或颠倒执行。
步骤101:获取C/C复合材料试件的各相的体积参数与静态参数。其中,各相的体积参数包括孔隙缺陷含量、基体含量、碳棒含量和碳纤维束含量。在本申请实施例中,通过微细观扫描获取C/C复合材料试件的二维图像,并将二维图像转换为三维模型。示例性地,本申请使用微观XCT扫描,设定合适的扫描参数(扫描层厚、扫描范围等),在不破坏C/C复合材料试件的情况下获取C/C复合材料试件的二维图像。本领域技术人员应当理解,虽然微观XCT扫描获得的C/C复合材料试件的信息是三维的,但其呈现的图像是二维的。通过图像处理技术将二维图像转换为三维模型,转换的具体方法在现有技术中有多种,此处不作具体描述,本领域技术人员根据实际需求选取即可。
此处的扫描方法仅为本申请的一个实施例,不作为对本申请保护范围的限制,本领域技术人员亦可根据实验需求使用其他扫描方法,只要能获得C/C复合材料试件的内部显微结构即可。需要注意的是,应确保此处的C/C复合材料试件表面平整、无裂纹等缺陷。如图3所示为C/C复合材料试件的几何结构示意图,图中包括两个回转体金属夹持接头和C/C复合材料两部分构成,总长度为130mm,回转体金属接头夹持端直径为18mm,圆锥台的圆锥角为17°,中间的C/C复合材料的圆柱体的长为15mm,直径8mm。
利用深度学习算法识别并分割出C/C复合材料试件的相,并确定C/C复合材料试件的各相的体积参数。其中,C/C复合材料试件的相包括孔隙缺陷、基体、碳棒与碳纤维束。具体地,利用深度学习算法对三维模型进行处理,识别并分割出C/C复合材料试件的孔隙缺陷、基体、碳棒和碳纤维束等各相。并根据识别结果计算各相的体积,得到各相的体积参数。其中,基体是C/C复合材料试件的连续相,通常由炭化树脂或炭化沥青等组成,其作用是连接纤维束,并传递载荷。碳棒是C/C复合材料试件的增强相,通常由碳纤维或石墨纤维制成,其作用是提高C/C复合材料试件的强度和刚度,并承受大部分的载荷。纤维束是由多个单丝纤维按一定方向编织或堆积而成的结构,其作用是提供强度和刚度,并传递载荷。
基于C/C复合材料试件的三维模型与各相的体积参数获取静态参数。其中,静态参数包括C/C复合材料试件的各相的基本尺寸、分布形式、性能参数与微细观结构。具体地,结合各相的识别结果,分析得到各相的基本尺寸、分布形式、性能参数与微细观结构。其中,C/C复合材料试件的微细观结构包括纤维的分布、排列等,基体的成分、结构、相组成等以及界面的结构,界面的结构即碳纤维束与基体之间的界面结构。
步骤102:基于静态参数构建C/C复合材料试件的有限元分析模型。在本申请实施例中,根据C/C复合材料试件的静态参数与边界条件确定有限元分析模型的模型尺寸与模型边界条件。利用有限元分析软件根据模型尺寸与模型边界条件构建有限元分析模型。具体地,根据C/C复合材料试件的实际尺寸与边界条件在有限元分析软件中构建有限元分析模型。所建立的有限元分析模型与C/C复合材料试件的尺寸以及边界条件一致。示例性地,此处使用的有限元分析软件为ABAQUS(一种工程模拟的有限元软件)。
此外,在建立有限元分析模型之后,根据C/C复合材料试件的材料属性与载荷情况设置有限元分析模型的材料属性与载荷情况。
示例性地,C/C复合材料试件的材料属性如下表1至表4所示。
表1~基体的材料属性
表2~纤维束的材料属性
表3~碳棒的材料属性
表4~界面的材料属性
在上述表1至表4中,表示1方向(纤维方向)的弹性模量,/>、/>分别表示2、3方向(纤维法向)的弹性模量,/>、/>、/>分别表示1-2面内的剪切模量、1-3面内的剪切模量和2-3面内的剪切模量,/>表示1方向应力引起的2方向应变的泊松比,/>表示1方向应力引起的3方向应变的泊松比,/>表示2方向应力引起的3方向应变的泊松比。
步骤103:根据体积参数与有限元分析模型构建精细化分析模型。精细化分析模型包括多个孔隙率不同的有限元分析模型。在本申请实施例中,采用体素网格将有限元分析模型划分为多个单元,并为单元设置单元编号构成单元编号集合。在划分时,碳棒与纤维束以及基体之间、碳棒与纤维束之间以及纤维束与基体的交界处以共节点的方式进行连接,保证界面处变形的连续性。
多次在单元编号集合中抽取第一数量的单元编号,并将被抽取的单元编号对应的单元的材料性能设置为最小值以此建立含孔隙缺陷的精细化分析模型。其中,第一数量为小于单元的总数的随机整数。具体地,各单元的单元编号互不重复,单元与单元编号之间一一对应。从单元编号集合中随机抽取第一数量的单元编号,并将被抽取的单元编号对应的单元的材料性能设置为最小值。示例性地,此处将被抽取的单元编号对应的单元的杨氏模量设置为最小,具体设置为1E-06。本领域技术人员亦可根据实际需求设置其他的弹性模量的值,此处不作具体限制。
在本申请实施例中,通过python编写随机选取单元编号的代码。本领域技术人员亦可使用随机函数生成第一数量的随机数,生成的随机数对应单元编号。此处不对随机抽取的方法作具体限制。
根据下式:,可以计算出孔隙单元,式中,N为第一数量,此处N的值表示孔隙单元,n表示孔隙率,孔隙率通过体积参数中的孔隙缺陷含量与总体积的比值计算得到,M表示所划分的单元总数。本申请通过改变第一数量(N)的值以调整精细化分析模型的孔隙率,得到孔隙率不同的有限元分析模型构成精细化分析模型。精细化分析模型的材料、边界条件、载荷等均与有限元分析模型保持一致。如图9所示为本申请实施例提供的孔隙单元的分布示意图。
示例性地,精细化分析模型的基体、碳棒与纤维束均采用C3D8R(ABAQUS软件中的一个单元类型,表示三维八节点六面体缩减积分单元)建模,各部分之间保证共节点处理,界面采用内聚力单元COH3D8(ABAQUS软件中的一个单元类型,表示八节点三维内聚区单元)模拟,其厚度一般假设为1。所建立的精细化分析模型如图4至图8所示,图4为精细化分析模型的正视图,考虑到计算效率,左右两端的回转体金属夹持接头用较粗的网格进行划分,中间的C/C复合材料用较精细的网格进行划分。图5为精细化分析模型的截面视图,图中共有七个碳棒(圆形部分),两条纤维束(横向的多边形)与碳棒交替分布,孔隙单元(图中黑色小单元格)在基体(网格部分)、碳棒与纤维束中均有分布。图6为精细化分析模型的全貌视图。图7为精细化分析模型的碳棒与纤维束的相对位置示意图,纤维束呈现出围绕碳棒的“蜂窝状结构”,平行的纤维束在不同层间夹住碳棒,每三层在上下方向的投影恰好围成六边形,且每层之间的纤维束紧密相接。图8为精细化分析模型的界面示意图,界面分布在碳棒与基体相接的位置。
步骤104:对精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程。在本申请实施例中,基于各部分的材料属性与强度参数,基体采用最大应力准则来判定失效。碳棒采用修正的Hashin(一种计算复合材料损伤的方法)三维失效准则开展失效分析,编写相应的USDFLD文件(ABAQUS软件中的一个子程序,用于定义材料性能中的场变量),通过输出场变量判断结构是否失效。界面采用ABAQUS自带的二次应力损伤准则评估界面失效,最终失效等效位移则通过断裂韧性计算。
具体地,在ABAQUS中引入USDFLD文件,并在精细化分析模型的两端加载位移边界条件,进行静力学分析。通过ABAQUS处理提取含孔隙缺陷和不含孔隙缺陷的精细化分析模型的结构的承载能力曲线,如图12所示。给精细化分析模型中的C/C复合材料试件施加拉伸载荷,获得精细化分析模型的失效过程。示例性地,界面可通过QUADSCRT(ABAQUS软件中的一个命令,能够模拟C/C复合材料试件的力学行为)判断其是否失效,基体与碳棒则通过USDFLD文件中定义的场变量来判定结构是否发生失效。
在本申请的一个示例中,不含孔隙缺陷的精细化分析模型的失效过程如下。第一阶段:界面首先失效,基体与碳棒均未发生失效;第二阶段:界面进一步失效,基体开始失效,碳棒未发生失效;第三阶段:界面与基体失效加剧,承载能力曲线首次下降,碳棒未发生失效;第四阶段:界面与基体几乎完全失效,承载能力曲线再次下降,精细化分析模型中的C/C复合材料试件断裂,碳棒两端失效。如图10所示。
含孔隙缺陷的精细化分析模型的失效过程如下。第一阶段:界面首先失效,基体与碳棒均未发生失效;第二阶段:界面进一步失效,基体开始失效,碳棒未发生失效;第三阶段:界面与基体失效加剧,承载能力曲线首次下降,碳棒未发生失效;第四阶段:界面与基体几乎完全失效,承载能力曲线再次下降,精细化分析模型中的C/C复合材料试件断裂,碳棒两端与孔隙位置失效。如图11所示。
步骤105:根据承载能力曲线与失效过程预测C/C复合材料试件的承载能力。在本申请实施例中,对承载能力曲线进行分析,获得承载能力曲线的曲线特征。示例性地,曲线特征包括承载能力曲线上的拐点、平台区域以及断裂点的位置等。
基于曲线特征与失效过程得到C/C复合材料试件的承载能力。具体地,此处可以根据曲线特征与失效过程使用回归分析、神经网络等方法对数据进行拟合和预测,最终得到C/C复合材料试件的承载能力。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。本实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照本实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
如图2所示,本申请实施例还提供一种孔隙随机分布的C/C复合材料的强度预测装置200。该装置包括:获取模块201、第一构建模块202、第二构建模块203、分析模块204与预测模块205,具体如下。
获取模块201用于获取C/C复合材料试件的各相的体积参数与静态参数。其中,各相的体积参数包括孔隙缺陷含量、基体含量、碳棒含量和碳纤维束含量。获取模块201具体用于,通过微细观扫描获取C/C复合材料试件的二维图像,并将二维图像转换为三维模型。示例性地,本申请使用微观XCT扫描,设定合适的扫描参数(扫描层厚、扫描范围等),在不破坏C/C复合材料试件的情况下获取C/C复合材料试件的二维图像。
此处的扫描方法仅为本申请的一个实施例,不作为对本申请保护范围的限制,本领域技术人员亦可根据实验需求使用其他扫描方法,只要能获得C/C复合材料试件的内部显微结构即可。需要注意的是,应确保此处的C/C复合材料试件表面平整、无裂纹等缺陷。如图3所示为C/C复合材料试件的几何结构示意图。
利用深度学习算法识别并分割出C/C复合材料试件的相,并确定C/C复合材料试件的各相的体积参数。其中,C/C复合材料试件的相包括孔隙缺陷、基体、碳棒与碳纤维束。具体地,利用深度学习算法对三维模型进行处理,识别并分割出C/C复合材料试件的孔隙缺陷、基体、碳棒和碳纤维束等各相。并根据识别结果计算各相的体积,得到各相的体积参数。其中,基体是C/C复合材料试件的连续相,通常由炭化树脂或炭化沥青等组成,其作用是连接纤维束,并传递载荷。碳棒是C/C复合材料试件的增强相,通常由碳纤维或石墨纤维制成,其作用是提高C/C复合材料试件的强度和刚度,并承受大部分的载荷。纤维束是由多个单丝纤维按一定方向编织或堆积而成的结构,其作用是提供强度和刚度,并传递载荷。
基于C/C复合材料试件的三维模型与各相的体积参数获取静态参数。其中,静态参数包括C/C复合材料试件的各相的基本尺寸、分布形式、性能参数与微细观结构。具体地,结合各相的识别结果,分析得到各相的基本尺寸、分布形式、性能参数与微细观结构。其中,C/C复合材料试件的微细观结构包括纤维的分布、排列等,基体的成分、结构、相组成等以及界面的结构,界面的结构即碳纤维束与基体之间的界面结构。
第一构建模块202用于基于静态参数构建C/C复合材料试件的有限元分析模型。第一构建模块202具体用于,根据C/C复合材料试件的静态参数与边界条件确定有限元分析模型的模型尺寸与模型边界条件。利用有限元分析软件根据模型尺寸与模型边界条件构建有限元分析模型。具体地,根据C/C复合材料试件的实际尺寸与边界条件在有限元分析软件中构建有限元分析模型。所建立的有限元分析模型与C/C复合材料试件的尺寸以及边界条件一致。示例性地,此处使用的有限元分析软件为ABAQUS(一种工程模拟的有限元软件)。
此外,在建立有限元分析模型之后,根据C/C复合材料试件的材料属性与载荷情况设置有限元分析模型的材料属性与载荷情况。
第二构建模块203用于根据体积参数与有限元分析模型构建精细化分析模型。其中,精细化分析模型包括多个孔隙率不同的有限元分析模型。第二构建模块203具体用于,采用体素网格将有限元分析模型划分为多个单元,并为单元设置单元编号构成单元编号集合。在划分时,碳棒与纤维束以及基体之间、碳棒与纤维束之间以及纤维束与基体的交界处以共节点的方式进行连接,保证界面处变形的连续性。
多次在单元编号集合中抽取第一数量的单元编号,并将被抽取的单元编号对应的单元的材料性能设置为最小值以此建立含孔隙缺陷的精细化分析模型。其中,第一数量为小于单元的总数的随机整数。具体地,各单元的单元编号互不重复,单元与单元编号之间一一对应。从单元编号集合中随机抽取第一数量的单元编号,并将被抽取的单元编号对应的单元的材料性能设置为最小值。示例性地,此处将被抽取的单元编号对应的单元的杨氏模量设置为最小,具体设置为1E-06。本领域技术人员亦可根据实际需求设置其他的弹性模量的值,此处不作具体限制。
在本申请实施例中,通过python编写随机选取单元编号的代码。本领域技术人员亦可使用随机函数生成第一数量的随机数,生成的随机数对应单元编号。此处不对随机抽取的方法作具体限制。
根据下式:,可以计算出孔隙单元,式中,N为第一数量,此处N的值表示孔隙单元,n表示孔隙率,孔隙率通过体积参数中的孔隙缺陷含量与总体积的比值计算得到,M表示所划分的单元总数。本申请通过改变第一数量(N)的值以调整精细化分析模型的孔隙率,得到孔隙率不同的有限元分析模型构成精细化分析模型。精细化分析模型的材料、边界条件、载荷等均与有限元分析模型保持一致。如图9所示为本申请实施例提供的孔隙单元的分布示意图,图中黑色单元为孔隙单元,其在碳棒、纤维束和基体组分中随机分布。
分析模块204用于对精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程。分析模块204具体用于,基于各部分的材料属性与强度参数,基体采用最大应力准则来判定失效。碳棒采用修正的Hashin(一种计算复合材料损伤的方法)三维失效准则开展失效分析,编写相应的USDFLD文件(ABAQUS软件中的一个子程序,用于定义材料性能中的场变量),通过输出场变量判断结构是否失效。界面采用ABAQUS自带的二次应力损伤准则评估界面失效,最终失效等效位移则通过断裂韧性计算。
具体地,在ABAQUS中引入USDFLD文件,并在精细化分析模型的两端加载位移边界条件,进行静力学分析。通过ABAQUS处理提取含孔隙缺陷和不含孔隙缺陷的精细化分析模型的结构的承载能力曲线,如图12所示。给精细化分析模型中的C/C复合材料试件施加拉伸载荷,获得精细化分析模型的失效过程。示例性地,界面可通过QUADSCRT(ABAQUS软件中的一个命令,能够模拟C/C复合材料试件的力学行为)判断其是否失效,基体与碳棒则通过USDFLD文件中定义的场变量来判定结构是否发生失效。
预测模块205用于根据承载能力曲线与失效过程预测C/C复合材料试件的承载能力。预测模块205具体用于,对承载能力曲线进行分析,获得承载能力曲线的曲线特征。示例性地,曲线特征包括承载能力曲线上的拐点、平台区域以及断裂点的位置等。
基于曲线特征与失效过程得到C/C复合材料试件的承载能力。具体地,此处可以根据曲线特征与失效过程使用回归分析、神经网络等方法对数据进行拟合和预测,最终得到C/C复合材料试件的承载能力。
本申请所述装置中的部分模块可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述申请实施例阐明的装置或模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述方便,描述以上装置时以功能分为各种模块分别描述。在实施本申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然,也可以将实现某功能的模块由多个子模块或子单元组合实现。
本申请中所述的方法、装置或模块可以以计算机可读程序代码方式实现控制器按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(英文:Application Specific Integrated Circuit;简称:ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请实施例还提供了一种设备,所述设备包括:处理器;用于存储处理器可执行指令的存储器;所述处理器执行所述可执行指令时,实现如本申请实施例所述的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质,其上存储有计算机程序或指令,当该计算机程序或指令被执行时,使如本申请实施例中所述的方法被实现。
此外,在本发明的各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独存在,也可以两个或两个以上模块集成在一个模块中。
上述存储介质包括但不限于随机存取存储器(英文:Random Access Memory;简称:RAM)、只读存储器(英文:Read-Only Memory;简称:ROM)、缓存(英文:Cache)、硬盘(英文:Hard Disk Drive;简称:HDD)或者存储卡(英文:Memory Card)。所述存储器可以用于存储计算机程序指令。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的硬件的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,也可以通过数据迁移的实施过程中体现出来。该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施方式采用递进的方式描述,各个实施方式之间相同或相似的部分互相参见即可,每个实施方式重点说明的都是与其他实施方式的不同之处。本申请的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上实施例仅用以说明本申请的技术方案,而非对本申请限制;尽管参照前述实施例对本申请进行了详细的说明,本领域普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请技术方案的范围。
Claims (10)
1.一种孔隙随机分布的C/C复合材料的强度预测方法,其特征在于,包括:
获取C/C复合材料试件的各相的体积参数与静态参数;其中,各相的所述体积参数包括孔隙缺陷含量、基体含量、碳棒含量和碳纤维束含量;
基于所述静态参数构建C/C复合材料试件的有限元分析模型;
根据所述体积参数与所述有限元分析模型构建精细化分析模型;其中,所述精细化分析模型包括多个孔隙率不同的所述有限元分析模型;
对所述精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程;
根据所述承载能力曲线与所述失效过程预测C/C复合材料试件的承载能力。
2.根据权利要求1所述的方法,其特征在于,所述获取C/C复合材料试件的体积参数与静态参数,包括:
通过微细观扫描获取C/C复合材料试件的二维图像,并将所述二维图像转换为三维模型;
利用深度学习算法识别并分割出C/C复合材料试件的相,并确定C/C复合材料试件的各相的所述体积参数;其中,C/C复合材料试件的相包括孔隙缺陷、基体、碳棒与碳纤维束;
基于C/C复合材料试件的所述三维模型与各相的所述体积参数获取所述静态参数;其中,所述静态参数包括C/C复合材料试件的各相的基本尺寸、分布形式、性能参数与微细观结构。
3.根据权利要求1所述的方法,其特征在于,所述基于所述静态参数构建C/C复合材料试件的有限元分析模型,包括:
根据C/C复合材料试件的所述静态参数与边界条件确定有限元分析模型的模型尺寸与模型边界条件;
利用有限元分析软件根据所述模型尺寸与所述模型边界条件构建所述有限元分析模型。
4.根据权利要求3所述的方法,其特征在于,所述基于所述静态参数构建C/C复合材料试件的有限元分析模型后,还包括:
根据C/C复合材料试件的材料属性与载荷情况设置所述有限元分析模型的材料属性与载荷情况。
5.根据权利要求1所述的方法,其特征在于,所述根据所述体积参数与所述有限元分析模型构建精细化分析模型,包括:
采用体素网格将所述有限元分析模型划分为多个单元,并为所述单元设置单元编号构成单元编号集合;
多次在所述单元编号集合中抽取第一数量的单元编号,并将被抽取的所述单元编号对应的所述单元的材料性能设置为最小值以此建立含孔隙缺陷的所述精细化分析模型;其中,所述第一数量为小于所述单元的总数的随机整数。
6.根据权利要求5所述的方法,其特征在于,所述精细化分析模型,还包括:
改变所述第一数量的值以调整所述精细化分析模型的所述孔隙率。
7.根据权利要求1所述的方法,其特征在于,所述根据所述承载能力曲线与所述失效过程预测C/C复合材料试件的承载能力,包括:
对所述承载能力曲线进行分析,获得所述承载能力曲线的曲线特征;
基于所述曲线特征与所述失效过程得到C/C复合材料试件的所述承载能力。
8.一种孔隙随机分布的C/C复合材料的强度预测装置,其特征在于,包括:
获取模块,用于获取C/C复合材料试件的各相的体积参数与静态参数;其中,各相的所述体积参数包括孔隙缺陷含量、基体含量、碳棒含量和碳纤维束含量;
第一构建模块,用于基于所述静态参数构建C/C复合材料试件的有限元分析模型;
第二构建模块,用于根据所述体积参数与所述有限元分析模型构建精细化分析模型;其中,所述精细化分析模型包括多个孔隙率不同的所述有限元分析模型;
分析模块,用于对所述精细化分析模型进行静力学分析得到承载能力曲线,并获得C/C复合材料试件在拉伸载荷作用下的失效过程;
预测模块,用于根据所述承载能力曲线与所述失效过程预测C/C复合材料试件的承载能力。
9.一种用于执行孔隙随机分布的C/C复合材料的强度预测方法的设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
所述处理器执行所述可执行指令时,实现如权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质,其特征在于,包括用于存储计算机程序或指令,当该计算机程序或指令被执行时,使如权利要求1至7中任一项所述的方法被实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179089.6A CN117727409B (zh) | 2024-02-18 | 孔隙随机分布的c/c复合材料的强度预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179089.6A CN117727409B (zh) | 2024-02-18 | 孔隙随机分布的c/c复合材料的强度预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117727409A true CN117727409A (zh) | 2024-03-19 |
CN117727409B CN117727409B (zh) | 2024-05-10 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138196A1 (en) * | 2008-12-03 | 2010-06-03 | Chevron U.S.A. Inc. | System and method for predicting fluid flow characteristics within fractured subsurface reservoirs |
CN110674589A (zh) * | 2019-09-30 | 2020-01-10 | 北京航空航天大学 | 一种模拟编织复合材料孔隙缺陷随机分布的方法 |
CN113268897A (zh) * | 2021-01-05 | 2021-08-17 | 北京航空航天大学 | 一种基于随机孔隙重构的多尺度建模与仿真方法 |
CN113505449A (zh) * | 2021-06-18 | 2021-10-15 | 中国石油大学(华东) | 一种用于预测复合材料柔性管失效荷载的随机分析方法 |
CN114254423A (zh) * | 2021-12-21 | 2022-03-29 | 中国人民解放军陆军勤务学院 | 球孔随机分布的多孔混凝土shpb试验结构效应计算方法 |
US20220164498A1 (en) * | 2020-06-16 | 2022-05-26 | Dalian University Of Technology | Deformation prediction method of micro-milling thin-walled parts |
US20220284150A1 (en) * | 2020-07-16 | 2022-09-08 | Nanjing University Of Aeronautics And Astronautics | Dynamic Progressive Failure Analysis Method For Composite Multi-Scale Model |
CN115148305A (zh) * | 2022-05-19 | 2022-10-04 | 西北工业大学 | 三维四向碳碳复合材料的承载能力预测方法、装置和设备 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138196A1 (en) * | 2008-12-03 | 2010-06-03 | Chevron U.S.A. Inc. | System and method for predicting fluid flow characteristics within fractured subsurface reservoirs |
CN110674589A (zh) * | 2019-09-30 | 2020-01-10 | 北京航空航天大学 | 一种模拟编织复合材料孔隙缺陷随机分布的方法 |
US20220164498A1 (en) * | 2020-06-16 | 2022-05-26 | Dalian University Of Technology | Deformation prediction method of micro-milling thin-walled parts |
US20220284150A1 (en) * | 2020-07-16 | 2022-09-08 | Nanjing University Of Aeronautics And Astronautics | Dynamic Progressive Failure Analysis Method For Composite Multi-Scale Model |
CN113268897A (zh) * | 2021-01-05 | 2021-08-17 | 北京航空航天大学 | 一种基于随机孔隙重构的多尺度建模与仿真方法 |
CN113505449A (zh) * | 2021-06-18 | 2021-10-15 | 中国石油大学(华东) | 一种用于预测复合材料柔性管失效荷载的随机分析方法 |
CN114254423A (zh) * | 2021-12-21 | 2022-03-29 | 中国人民解放军陆军勤务学院 | 球孔随机分布的多孔混凝土shpb试验结构效应计算方法 |
CN115148305A (zh) * | 2022-05-19 | 2022-10-04 | 西北工业大学 | 三维四向碳碳复合材料的承载能力预测方法、装置和设备 |
Non-Patent Citations (4)
Title |
---|
CHUNGUANG WANG 等: "Study on Properties Prediction and Braiding Optimization of Axial Braided Carbon/Carbon Composite", MDPI, 5 June 2020 (2020-06-05), pages 1 - 15 * |
周虹丽;: "连通孔道结构复合材料基本性能的有限元模拟", 化工管理, no. 35, 11 December 2018 (2018-12-11), pages 229 - 230 * |
许希武 等: "三维五向编织复合材料渐进损伤分析及强度预测", 固体力学学报, no. 02, 15 April 2010 (2010-04-15), pages 30 - 38 * |
郑战光;汪兆亮;冯强;袁帅;王佳祥;: "一种基于Voronoi图的多晶体有限元建模方法", 广西大学学报(自然科学版), no. 02, 25 April 2016 (2016-04-25), pages 166 - 175 * |
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 | |
Fish et al. | Computational damage mechanics for composite materials based on mathematical homogenization | |
Yang et al. | Monte Carlo simulation of complex cohesive fracture in random heterogeneous quasi-brittle materials | |
Su et al. | Finite element modelling of complex 3D static and dynamic crack propagation by embedding cohesive elements in Abaqus | |
CN105701312A (zh) | 复杂编织结构陶瓷基复合材料疲劳迟滞行为预测方法 | |
Bobaru et al. | Intraply fracture in fiber-reinforced composites: a peridynamic analysis | |
Bomidi et al. | Three‐dimensional modelling of intergranular fatigue failure of fine grain polycrystalline metallic MEMS devices | |
CN110543666B (zh) | 一种带孔结构元件低周疲劳性能的试验方法 | |
Choudhary et al. | Static and dynamic deflection characteristics of cracked porous FG panels | |
CN117727409B (zh) | 孔隙随机分布的c/c复合材料的强度预测方法及装置 | |
Patel et al. | N-Layer concentric cylinder model (NCYL): an extended micromechanics-based multiscale model for nonlinear composites | |
Thionnet et al. | Fibre break failure processes in unidirectional composites. Part 1: Failure and critical damage state induced by increasing tensile loading | |
Zheng et al. | Phenomenological hysteretic model for steel braces including inelastic postbuckling and low-cycle fatigue prediction | |
Latifaghili et al. | An extended finite element method with polygonal enrichment shape functions for crack propagation and stiff interface problems | |
CN117727409A (zh) | 孔隙随机分布的c/c复合材料的强度预测方法及装置 | |
Sharma et al. | The effect of inhomogeneities on an edge crack: a numerical study using XFEM | |
Kramberger et al. | Damage and failure modeling of lotus-type porous material subjected to low-cycle fatigue | |
CN115659738A (zh) | 一种风力机叶片疲劳寿命预测方法、系统、设备及介质 | |
CN115547431A (zh) | 一种基于机器学习与渐进损伤的短切纤维复合材料疲劳性能预测方法 | |
Zhu et al. | Numerical simulation of strength envelope and fracture patterns of concrete under biaxial loading | |
de Castro et al. | Numerical analysis of damage mechanisms for 3D-printed sandwich structures using a meshless method | |
Maamar et al. | Optimization of safety factor by genetic algorithm of circular notched carbon/epoxy laminate at low velocity impact | |
Li et al. | Effects of void defects on fracture features and tensile strength of C/SiC composites: an image-based FEM study | |
Bunsell et al. | Intrinsic safety factors for glass & carbon fibre composite filament wound structures | |
CN112665962A (zh) | 材料精细化裂纹的预测方法 |
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 |