[發(fā)明專利]一種基于多目標(biāo)優(yōu)化的材料參數(shù)逆向識(shí)別方法在審
| 申請(qǐng)?zhí)枺?/td> | 202211344518.8 | 申請(qǐng)日: | 2022-10-31 |
| 公開(公告)號(hào): | CN115597967A | 公開(公告)日: | 2023-01-13 |
| 發(fā)明(設(shè)計(jì))人: | 李宇罡;吳杰;張小濤;殷成棟;張凱翔;馮奕鳴;耿繼偉;陳東;王浩偉 | 申請(qǐng)(專利權(quán))人: | 上海交通大學(xué) |
| 主分類號(hào): | G01N3/08 | 分類號(hào): | G01N3/08 |
| 代理公司: | 上海伯瑞杰知識(shí)產(chǎn)權(quán)代理有限公司 31227 | 代理人: | 孟旭彤 |
| 地址: | 200240 *** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 多目標(biāo) 優(yōu)化 材料 參數(shù) 逆向 識(shí)別 方法 | ||
本發(fā)明提供一種基于多目標(biāo)優(yōu)化的材料參數(shù)逆向識(shí)別方法,包括:對(duì)金屬材料開展室溫下的一系列不同應(yīng)變水平的拉?壓對(duì)稱循環(huán)塑性變形試驗(yàn);提取最大應(yīng)變水平的拉?壓對(duì)稱循環(huán)塑性變形數(shù)據(jù)中的工程循環(huán)應(yīng)力?應(yīng)變曲線,并轉(zhuǎn)化為真實(shí)循環(huán)應(yīng)力?應(yīng)變曲線;提取所有拉伸半循環(huán)的真實(shí)應(yīng)力?應(yīng)變曲線,確定每個(gè)拉伸半循環(huán)的楊氏模量和初始屈服強(qiáng)度,計(jì)算所有循環(huán)平均的楊氏模量和初始屈服強(qiáng)度;從第一個(gè)拉伸半循環(huán)的真實(shí)應(yīng)力?應(yīng)變曲線中確定非線性隨動(dòng)硬化參數(shù);從所有循環(huán)的真實(shí)應(yīng)力?應(yīng)變曲線中計(jì)算各向同性應(yīng)力?累積塑性應(yīng)變曲線,并擬合確定各向同性硬化參數(shù);建立有限元模型,采用多目標(biāo)優(yōu)化算法,逆向識(shí)別得到非線性混合硬化本構(gòu)模型材料參數(shù)。
技術(shù)領(lǐng)域
本發(fā)明涉及金屬材料力學(xué)性能表征技術(shù)領(lǐng)域,具體地,涉及一種基于多目標(biāo)優(yōu)化的材料參數(shù)逆向識(shí)別方法。
背景技術(shù)
金屬材料的循環(huán)塑性變形行為的數(shù)值仿真研究一直是固體力學(xué)、材料科學(xué)與工程等學(xué)科領(lǐng)域的一項(xiàng)重點(diǎn),對(duì)于金屬構(gòu)件的疲勞行為研究、疲勞壽命預(yù)測(cè)以及抗疲勞技術(shù)和方法的發(fā)展等均具有重要的理論價(jià)值和實(shí)踐指導(dǎo)意義。
非線性混合硬化本構(gòu)模型因其對(duì)金屬材料在循環(huán)塑性變形過(guò)程中的循環(huán)硬化/軟化行為和包申格效應(yīng)均具有較好的描述能力,在金屬材料循環(huán)塑性變形行為數(shù)值仿真中得到了大量而廣泛的應(yīng)用。
材料參數(shù)的快速精確識(shí)別對(duì)于非線性混合硬化本構(gòu)模型的應(yīng)用至關(guān)重要。現(xiàn)有材料參數(shù)識(shí)別方法主要包括兩類:(1)基于理論公式計(jì)算的手動(dòng)識(shí)別方法;(2)基于最優(yōu)化的自動(dòng)逆向識(shí)別方法。方法(1)從非線性混合硬化本構(gòu)模型的理論公式出發(fā),通過(guò)對(duì)公式進(jìn)行簡(jiǎn)單的數(shù)學(xué)操作,結(jié)合線性擬合,即識(shí)別出材料參數(shù)的具體值,簡(jiǎn)便易行。但方法(1)對(duì)于循環(huán)塑性試驗(yàn)數(shù)據(jù)的使用極不充分,識(shí)別精度欠佳。例如,對(duì)于包括楊氏模量E、初始屈服強(qiáng)度σ0、隨動(dòng)硬化參數(shù)Ck和γk在內(nèi)的多個(gè)材料參數(shù)的識(shí)別通常僅會(huì)用到全部循環(huán)塑性數(shù)據(jù)當(dāng)中的單個(gè)循環(huán)的數(shù)據(jù),而其他循環(huán)的數(shù)據(jù)則并未被使用。方法(2)則通常將方法(1)的識(shí)別結(jié)果作為初值,并在此基礎(chǔ)上指定各個(gè)參數(shù)的變化范圍,然后建立循環(huán)塑性試驗(yàn)對(duì)應(yīng)的數(shù)值仿真模型,通過(guò)將仿真所得數(shù)據(jù)與循環(huán)塑性試驗(yàn)實(shí)測(cè)所得數(shù)據(jù)的差異設(shè)定為優(yōu)化目標(biāo),采用最優(yōu)化方法,實(shí)現(xiàn)非線性混合硬化本構(gòu)模型的自動(dòng)逆向識(shí)別。與方法(1)相比,方法(2)的優(yōu)化目標(biāo)的設(shè)定充分利用了全部循環(huán)塑性數(shù)據(jù),從而使得非線性混合硬化本構(gòu)模型材料參數(shù)的識(shí)別更加高效、精確。但方法(2)也存在明顯的局限性,比如,數(shù)據(jù)僅來(lái)自于單個(gè)加載條件下的循環(huán)塑性試驗(yàn)數(shù)據(jù),以便通過(guò)單目標(biāo)最優(yōu)化的方式實(shí)現(xiàn)逆向識(shí)別。這就導(dǎo)致方法(2)無(wú)法充分考慮金屬材料在其他加載條件下的循環(huán)塑性變形行為。或者采用多個(gè)加載條件下的循環(huán)塑性試驗(yàn)時(shí),通過(guò)將不同加載條件下的多個(gè)優(yōu)化目標(biāo)直接加和,從而簡(jiǎn)單、粗暴地將多目標(biāo)優(yōu)化問(wèn)題強(qiáng)行轉(zhuǎn)化為某一單目標(biāo)優(yōu)化問(wèn)題。
因此,如何建立一種基于多目標(biāo)優(yōu)化的非線性混合硬化本構(gòu)模型材料參數(shù)逆向識(shí)別方法成為亟待解決的重要問(wèn)題。
發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)中的缺陷,本發(fā)明的目的在于提供一種成本低廉、運(yùn)算高速精確、簡(jiǎn)單易行的基于多目標(biāo)優(yōu)化的材料參數(shù)逆向識(shí)別方法。
為解決上述問(wèn)題,本發(fā)明的技術(shù)方案為:
一種基于多目標(biāo)優(yōu)化的材料參數(shù)逆向識(shí)別方法,包括以下步驟:
對(duì)金屬材料開展室溫下的一系列不同應(yīng)變水平的拉-壓對(duì)稱循環(huán)塑性變形試驗(yàn),獲取金屬材料在室溫下的循環(huán)塑性變形數(shù)據(jù);
提取最大應(yīng)變水平的拉-壓對(duì)稱循環(huán)塑性變形數(shù)據(jù)中的工程循環(huán)應(yīng)力-應(yīng)變曲線,并將工程循環(huán)應(yīng)力-應(yīng)變曲線轉(zhuǎn)化為真實(shí)循環(huán)應(yīng)力-應(yīng)變曲線;
提取所有拉伸半循環(huán)的真實(shí)應(yīng)力-應(yīng)變曲線,確定每個(gè)拉伸半循環(huán)的楊氏模量和初始屈服強(qiáng)度,計(jì)算所有循環(huán)平均的楊氏模量和初始屈服強(qiáng)度;
從第一個(gè)拉伸半循環(huán)的真實(shí)應(yīng)力-應(yīng)變曲線中確定非線性隨動(dòng)硬化參數(shù);
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海交通大學(xué),未經(jīng)上海交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211344518.8/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 用于實(shí)現(xiàn)多目標(biāo)方業(yè)務(wù)或操作的方法和裝置
- 基于智能視頻分析平臺(tái)的多目標(biāo)跟蹤方法及其系統(tǒng)
- 多目標(biāo)設(shè)計(jì)選擇方法和系統(tǒng)
- 一種針對(duì)多目標(biāo)的地面導(dǎo)航系統(tǒng)及其方法
- 一種無(wú)斷點(diǎn)多目標(biāo)信號(hào)合成方法
- 基于多智能體深度增強(qiáng)學(xué)習(xí)的多目標(biāo)跟蹤方法
- 一種多目標(biāo)跟蹤方法
- 一種航空紅外視頻多目標(biāo)檢測(cè)與跟蹤方法及裝置
- 一種多目標(biāo)推薦方法、多目標(biāo)推薦模型生成方法以及裝置
- 一種區(qū)域多目標(biāo)衛(wèi)星探測(cè)仿真方法及系統(tǒng)





