بررسی تجربی و شبیه سازی عددی شکست نرم در نمونه های کششی با به کارگیری مدل آسیب میکرومکانیکی جی تی ان
محل انتشار: مهندسی مکانیک مدرس، دوره: 20، شماره: 8
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 34
فایل این مقاله در 13 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-20-8_013
تاریخ نمایه سازی: 22 اسفند 1403
چکیده مقاله:
مطالعه حاضر به بررسی تجربی و عددی نمونه های کششی برای مطالعه و شناسایی مکانیزم شکست نرم تحت حالت های مختلف تنش می پردازد. مدل جی تی ان که یک مدل آسیب میکرومکانیکی است، برای شبیه سازی های عددی استفاده شده است. پارامترهای مرتبط با این مدل برای فولاد اس تی ۱۲ با استفاده از روش سطح پاسخ (RSM) با حداقل اختلاف بین نتایج عددی و تجربی آزمون کشش بر روی نمونه استاندارد تعیین شدند. پارامترهای مربوط به حفره در مدل جی تی ان به ترتیب ۰/۰۰۱۰۷، ۰/۰۰۷۱۶، ۰/۰۱ و ۰/۱۵ برای ff, fc, fN, f۰, تعیین شدند. پس از کالیبراسیون مدل آسیب برای ماده مورد مطالعه، آزمون های کشش بر روی نمونه های کششی با هندسه های مختلف انجام شدند. بررسی شکست نگاری برای فهم مکانیزم شکست نرم تحت طیف گسترده ای از حالت های تنش انجام و دو مکانیزم شکست شناسایی شد. مدل آسیب کالیبره شده، برای شبیه سازی المان محدود نمونه های کششی به منظور مطالعه عددی مکانیزم های شکست مشاهده شده در آزمون های تجربی استفاده شد. نتایج عددی استخراج شده مطابقت خوبی با مشاهدات تجربی داشت، به طوری که نمودار نیرو- جابه جایی حاشیه خطا حدود ۵% را نشان می دهد. محل شروع شکست، جهت رشد ترک و مقدار جابه جایی در نقطه شکست در مطالعات عددی نیز نشان دهنده مطابقت نزدیک با آزمایشات تجربی بود.
کلیدواژه ها:
Ductile Fracture ، GTN Model ، Void Nucleation ، Growth and Coalescence ، Stress State ، شکست نرم ، مدل جی تی ان ، جوانه زنی ، رشد و به هم پیوستن حفره ها ، حالت تنش
نویسندگان
حامد قلی پور
Manufacturing and Production Department, Mechanical Engineering Faculty, Amirkabir University of Technology, Tehran, Iran
فریدرضا بیگلری
Manufacturing and Production Department, Mechanical Engineering Faculty, Amirkabir University of Technology, Tehran, Iran
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 :