پیش بینی رفتار شکست آلومینیوم ۶۰۶۱-T۶ با استفاده از معیار GTN توسعه یافته
محل انتشار: مهندسی مکانیک مدرس، دوره: 22، شماره: 7
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-22-7_006
تاریخ نمایه سازی: 8 اسفند 1403
چکیده مقاله:
در این مقاله، توسط معیار شکست GTN و تاثیر تکامل آن، دقت پیش بینی شکست مورد بررسی قرار گرفت. به منظور بررسی حالت های تنش، سه آزمون کالیبراسیون کشش تک محوری، کشش برشی و کشش کرنش صفحه ای برای کالیبراسیون معیار شکست و همچنین تعیین دقت معیار در پیش بینی شکست به کار گرفته شدند. برای مدل سازی رفتار شکست در آلومینیوم ۶T-۶۰۶۱، معیار شکست نرم GTN توسعه یافته، از طریق روش ترکیبی تجربی-شبیه سازی کالیبره شد. نرم افزار اجزای محدود آباکوس به منظور شبیه سازی فرایند استفاده شد و معیارهای شکست توسط زیر برنامه VUMAT به این نرم افزار اضافه شدند. مقادیر نیرو-جابجایی و طول کورس شکست در آزمون های تجربی، به منظور صحت سنجی نتایج عددی و بررسی دقت معیار مورد استفاده قرار گرفت. مطابق با نتایج، کالیبراسیون با استفاده از آزمون کشش تک محوری و کشش برشی، شکست را به طور میانگین با خطای ۶/۱۷ درصد پیش بینی می کند درحالی که معیار اصلی GTN قادر به پیش بینی شکست در آزمون کشش برشی نمی باشد و میزان خطا در رابطه با آزمون کشش کرنش صفحه ای به ۲۴ درصد می رسد. به منظور بررسی رفتار شکست آلومینیوم ۶T-۶۰۶۱ و صحت سنجی معیار کالیبره شده در فرایند پیچیده تر و غیر از آزمون های کشش، آزمون خم کاری U شکل انجام شد. مشخص شد که معیار GTN توسعه یافته می تواند شروع شکست را در فرآیند خم کاری U شکل با خطای ۳ درصد پیش بینی کند.
کلیدواژه ها:
Fracture ، GTN Criteria ، Stress Triaxiality ، Bending ، Calibration Test ، شکست ، معیارهای GTN ، پارامتر سه محوری تنش ، خم کاری ، آزمون های کالیبراسیون
نویسندگان
مازیار خادمی
Tarbiat Modares University
حسن مسلمی نایینی
Professor of Mechanical Engineering
محمدجواد میرنیا
Associate Professor, Babol Noshirvani University of Technology (BNUT)
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
