تعیین پارامترهای مدل رفتاری مواد الاستومری با استفاده از آزمایشات کشش تک محوره
محل انتشار: نشریه مهندسی سازه و ساخت، دوره: 5، شماره: 0
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 677
فایل این مقاله در 17 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_JSEC-5-0_006
تاریخ نمایه سازی: 18 تیر 1398
چکیده مقاله:
مواد الاستومری به علت توانایی تحمل کرنش های کششی بیش از 500% بدون هیچ گونه گسیختگی و تغییر شکل دائمی موادی ایده آل جهت کاربرد در بسیاری از صنایع از جمله اتوموبیل سازی، هوافضا، انواع موتورهای مکانیکی و الکتریکی، انواع تایرها، و بسیاری از تجهیزات پزشکی می باشند. مضاف بر آن در پروژه های عمرانی بعنوان جداگرهای لرزه ای، تکیه گاه های سازه ای، میراگرهای الحاقی و غیره کاربرد دارند. پیش بینی رفتار تنش-کرنش مواد الاستومری دارای اهمیت زیادی در طراحی است. یکی از چالش های مهم در مدل سازی المان محدود قطعات الاستومری انتخاب مدل رفتاری مناسبی است که بتواند وضعیت الاستومر در کرنش های مختلف را به خوبی شبیه سازی نماید. در مواد الاستومری به دلیل غیر خطی بودن رابطه ی بین تنش و کرنش، به جای قانون هوک از مدل های رفتاری هایپر الاستیک استفاده می شود. در مقاله حاضر عملکرد مدل های هایپرالاستیک مختلف موجود در ادبیات تحقیق که بر اساس نتایج آزمایش کشش تک محوره کالیبره شده اند مورد ارزیابی قرار گرفته است. مدل سازی ها توسط نرم افزار المان محدود MSC.MARC انجام گرفته است. دقت مدل های رفتاری بررسی شده در بازه های مختلف کرنش کششی نشان داد، مدل های نئو-هوک و آرودا-بویس مدل های مناسبی برای محدوده ی کرنش های کوچک و مدل های اگدن و یه او مدل های رفتاری مناسبی برای محدوده ی گسترده ای از کرنش ها هستند.
کلیدواژه ها:
نویسندگان
عماد صارمی
دانشجوی کارشناسی ارشد مهندسی سازه، دانشکده مهندسی عمران، دانشگاه رازی، کرمانشاه، ایران
حمید توپچی نژاد
استادیار، دانشکده مهندسی عمران، دانشگاه رازی، کرمانشاه، ایران
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 :