期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
Equivalent strain hardening exponent of anisotropic materials based on spherical indentation response 被引量:1
1
作者 Yu HUI Jian-jun WU +2 位作者 Ming-zhi WANG Xue-peng ZHAN He FAN 《Transactions of Nonferrous Metals Society of China》 SCIE EI CAS CSCD 2019年第1期77-87,共11页
Uniaxial strain hardening exponent is not suitable for describing the strain hardening behaviors of the anisotropic materials, especially when material deforms in the multi-axial stress states. In this work, a novel m... Uniaxial strain hardening exponent is not suitable for describing the strain hardening behaviors of the anisotropic materials, especially when material deforms in the multi-axial stress states. In this work, a novel method was proposed to estimate the equivalent strain hardening exponent of anisotropic materials based on an equivalent energy method. By performing extensive finite element (FE) simulations of the spherical indentation on anisotropic materials, dimensionless function was proposed to correlate the strain hardening exponent of anisotropic materials with the indentation imprint parameters. And then, a mathematic expression on the strain hardening exponent of anisotropic materials with the indentation imprint was established to estimate the equivalent strain hardening exponent of anisotropic materials by directly solving this dimensionless function. Additionally, Meyer equation was modified to determine the yield stress of anisotropic materials. The effectiveness and reliability of the new method were verified by the numerical examples and by its application on the TC1M engineering material. 展开更多
关键词 equivalent strain hardening exponent anisotropic material spherical indentation residual imprint
下载PDF
基于神经网络学习及残余压痕形貌获取金属塑性力学参数
2
作者 何艳骄 田永喜 +2 位作者 贾昊霖 树学峰 肖革胜 《固体力学学报》 CAS CSCD 北大核心 2024年第5期622-637,共16页
压入法相比于其他传统力学测试方法具有试样加工简单及可实现原位测试等优势,区别于已有的基于压入载荷-深度曲线获取材料力学性能参数的方法,本文提出了一种基于残余压痕形貌及神经网络学习反演金属塑性力学参数的新方法;采用Instron... 压入法相比于其他传统力学测试方法具有试样加工简单及可实现原位测试等优势,区别于已有的基于压入载荷-深度曲线获取材料力学性能参数的方法,本文提出了一种基于残余压痕形貌及神经网络学习反演金属塑性力学参数的新方法;采用Instron万能材料试验机开展了紫铜、镁合金及低碳钢的球形压入测试,并通过轮廓形态系统对压入测试后的残余压痕形貌进行特征扫描以作为后续研究的数据基础,分析所提取数据的特点并进行放大、取整、二进制化及高位补充等处理;基于Abaqus二次开发自动提取不同材料参数模拟下的残余压痕深度数据并用于神经网络学习,比较并选取激活函数、初始化神经网络参数的方法、神经网络参数更新方式、损失函数、寻找最优参数策略及神经网络结构,使神经网络学习达到较好的效果;结合实验所得残余压痕形貌特征数据与学习后的神经网络得到紫铜、镁合金及低碳钢的相关塑性参数,将通过Instron万能材料试验机拉伸测试表征所得紫铜、镁合金及低碳钢的相关塑性参数值作为对照标准,得到了神经网络学习结果的相对误差,验证了所提出基于神经网络学习及残余压痕形貌获取金属塑性力学参数方法的有效性;该方法可推广到其他金属/合金材料的力学性能表征及塑性参数获取研究中. 展开更多
关键词 神经网络学习 残余压痕形貌 塑性参数 金属 数值模拟
原文传递
基于压痕应变的不锈钢材料拉伸性能参数计算方法
3
作者 薛河 路景智 +2 位作者 贾宇磊 王双 王正 《机械工程材料》 CAS CSCD 北大核心 2022年第11期92-96,共5页
建立连续球压痕试验三维有限元模型,通过单一变量法模拟了残余压痕应变与不同材料拉伸性能参数(弹性模量90~210 GPa、屈服强度180~300 MPa、应变硬化指数0.1~0.3)的关系;在125组拉伸性能参数组合下进行连续球压痕试验有限元模拟,得到基... 建立连续球压痕试验三维有限元模型,通过单一变量法模拟了残余压痕应变与不同材料拉伸性能参数(弹性模量90~210 GPa、屈服强度180~300 MPa、应变硬化指数0.1~0.3)的关系;在125组拉伸性能参数组合下进行连续球压痕试验有限元模拟,得到基于残余压痕应变的材料拉伸性能参数计算公式并进行了试验验证。结果表明:残余压痕应变分别与弹性模量和屈服强度存在对数线性关系,其对数与应变硬化指数之间存在幂律关系;将连续球压痕试验测得的316L不锈钢的残余压痕应变代入材料拉伸性能参数计算公式,反演计算得到的弹性模量、屈服强度和应变硬化指数与拉伸试验结果的相对误差分别为1.50%,1.57%,0.22%,说明基于残余压痕应变的不锈钢材料拉伸性能参数计算方法可以满足工程需要。 展开更多
关键词 残余压痕应变 有限元模拟 连续球压痕试验 拉伸性能参数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部