کالیبراسیون مدل های رفتاری برای چسب های حساس به فشار بر اساس داده های تجربی
Publish place: Modares Mechanical Engineering، Vol: 24، Issue: 5
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 120
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MME-24-5_006
تاریخ نمایه سازی: 10 اسفند 1403
Abstract:
قوانین رفتاری ویسکوالاستیک خطی، مانند هایپرالاستیسیته با سریهای پرونی به طور گسترده در نرمافزارهای تجاری برای شبیهسازی مواد پلیمری به کار گرفته میشوند. اگرچه این مدلها، ممکن است برای مسائل کرنش کوچک عملکرد خوبی داشته باشند، اما در مورد مسائل کرنش بزرگ مانند چسبهای تهیه شده از مواد نرم، دقت کافی را ندارند. به منظور به دست آوردن دادههای تجربی برای چسبهای نرم، از حالتهای مختلف بارگذاری برشی مانند بارگذاری یکنواخت، خزش و آزمایشهای سیکلی کمچرخه با استفاده از نمونه برش تکلبه استفاده شد. این آزمایشها، روی یک نوع چسبهای شفاف نوری انجام شد. در ابتدا، محدوده اعتبار ویسکوالاستیک خطی تعیین شد که عدم توانایی این رویکرد در پیشبینی دقیق کرنشهای بزرگ را آشکار ساخت. سپس، پارامترهای مدل سه شبکهای ویسکوپلاستیک تحت کرنشهای بزرگ کالیبره و به صورت تجربی انجام گرفت. رویههای کالیبراسیون از تغییرات در حالتهای بارگذاری بهره بردند و بدین ترتیب دقت مدلهای رفتاری را افزایش دادند. برای کالیبراسیون، آزمایش بارگذاری-باربرداری کمچرخه به دلیل فراهم سازی حجم زیادی از اطلاعات، به عنوان روشی مناسب و مقرون به صرفه برای پیشبینی دقیق رفتار ماده توصیه میشود. در نهایت، توانایی مدل اساسی مستخرج، با استفاده از یک بارگذاری چرخهای متفاوت مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل پیشنهادی مقادیر تنش، اتلاف انرژی و کاهش انرژی ناشی از نرم شدن را به طور دقیق پیشبینی میکند.
Keywords:
Authors
الیاس حدادی
Technical and Vocational University (TVU)
ابوذر اسحقی اسکویی
Postdoctoral researcher, Department of Mechanics and Aerospace Engineering, College of Engineering, Southern University of Science and Technology, Shenzhen, China
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :