abaqus剪切修正GTN模型的VUMAT子程序开发

2024-08-31 18:44

本文主要是介绍abaqus剪切修正GTN模型的VUMAT子程序开发,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

剪切修正模型的数值实现------《Nielsen KL, Tvergaard V. Ductile shear failure or plug failure of spot welds modelled by modified Gurson model. Engineering Fracture Mechanics 2010;77:1031–47.》

  GTN模型是韧性断裂的一个广为人知的微观力学模型,考虑了基体材料的孔洞形核,生长,聚集,其损伤具有明显的物理意义。然而由于原始gurson模型在低应力三轴度下预测的孔洞形核和孔洞生长非常小,同时模型假设为球型孔洞,在低应力三轴度下,孔洞通常呈现非球形,因此在剪切为主的损伤问题中,GTN模型的应用存在适用性问题,Pardoen and Hutchinson针对空隙形状发展了考虑孔洞形状极其影响机制的扩展GTN模型,Nahshon and Hutchinson提出的考虑剪切效应的扩展GTN模型,这里主要说明第二类扩展,即剪切扩展模型。NH-GTN模型虽然可以得到很小,甚至负应力三轴度下的损伤预测,但模型在高应力三轴度下,相同参数情况下,预测剪切效应过大

    针对该问题,作者在文章中提出了扩展NH-GTN模型,可以在不改变剪切失效系数情况下,实现对低,中,高应力三轴度的合理预测。

    这里对相应的算法进行简要说明:

NH-GTN模型

屈服函数:

abaqus剪切修正GTN模型的VUMAT子程序开发的图1

其中等效孔洞体积分数定义为:

abaqus剪切修正GTN模型的VUMAT子程序开发的图2

孔洞体积分数包含新孔隙形核,原有空隙生长以及剪切相关的等效体积分数增加:

abaqus剪切修正GTN模型的VUMAT子程序开发的图3

形核,生长,剪切相关体积分数的演化遵循:

abaqus剪切修正GTN模型的VUMAT子程序开发的图4

abaqus剪切修正GTN模型的VUMAT子程序开发的图5

其中:

abaqus剪切修正GTN模型的VUMAT子程序开发的图6

abaqus剪切修正GTN模型的VUMAT子程序开发的图7

剪切效应的修正,考虑应力状态的影响

abaqus剪切修正GTN模型的VUMAT子程序开发的图8

参数的物理含义如下

abaqus剪切修正GTN模型的VUMAT子程序开发的图9

abaqus剪切修正GTN模型的VUMAT子程序开发的图10

abaqus剪切修正GTN模型的VUMAT子程序开发的图11

abaqus剪切修正GTN模型的VUMAT子程序开发的图12

abaqus剪切修正GTN模型的VUMAT子程序开发的图13

通过将文献中的数值算法编程实现在VUMAT子程序中,可以用来实现对延性金属材料在不同应力状态下的损伤演化进行合理的数值预测,应用于金属成型领域(冲压,轧制,挤压等)

预测修正后的模型应该在简单拉伸情况下于abaqus自带的GTN模型保持相同的损伤和其他状态变量的分布,并在剪切情况中损伤发展显著高于abaqus自带的模型(自带的模型忽略了剪切效应)。(为了进行对比使用于自带的本构相同的硬化方式,模拟中使用了相同的质量缩放,但质量缩放容易产生数值振荡,模拟的拉伸曲线存在波动。)

初步模拟结果:

拉伸情况(abaqus-VUMAT)

应力分情况

abaqus剪切修正GTN模型的VUMAT子程序开发的图14

孔洞体积分数

abaqus剪切修正GTN模型的VUMAT子程序开发的图15

剪切模型(abaqus-VUMAT)

不同变形时刻的应力分布

T=0.1s

abaqus剪切修正GTN模型的VUMAT子程序开发的图16

局部放大图

abaqus剪切修正GTN模型的VUMAT子程序开发的图17

T=0.5s

abaqus剪切修正GTN模型的VUMAT子程序开发的图18

局部放大图

abaqus剪切修正GTN模型的VUMAT子程序开发的图19

T=0.6s

abaqus剪切修正GTN模型的VUMAT子程序开发的图20

局部放大图

abaqus剪切修正GTN模型的VUMAT子程序开发的图21

可以看到模型在拉伸预测中与原始模型保持一致,而在剪切修正后损伤发展显著快于原始模型,利用作者提出的方法可以应用于复杂应力状态下金属材料的损伤分析,相关参数部分参考文献,其中Kw=3.T1=0.2,T2=0.7.模拟结果符合文献所提出方法的基本趋势。

最后,如果有相关需要欢迎通过公众号“320科技工作室”联系我们。

这篇关于abaqus剪切修正GTN模型的VUMAT子程序开发的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1124697

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号