کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4922460 1430184 2017 32 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improving full-field identification using progressive model enrichments
ترجمه فارسی عنوان
بهبود شناسایی کامل میدان با استفاده از غنی سازی مدل پیشرفته
کلمات کلیدی
پلاستیکی غیر انعکاسی، پلاستیک همبستگی تصویر دیجیتال، اندازه گیری کامل میدان، شناسایی،
ترجمه چکیده
روش های شناسایی کامل میدان، از جمله به روز رسانی مدل عنصر محدود و یا همبستگی تصویر دیجیتال یکپارچه، فاصله بین یک آزمایش و شبیه سازی با طرح های تکراری را کاهش می دهد. در داخل الگوریتم ها، زمینه های باقی مانده و زمینه های حساسیت برای دستیابی به شناسایی استفاده می شود. این مقاله در مورد چگونگی استفاده از این زمینه ها برای ارزیابی کیفیت شناسایی و راهنمایی در جهت غنی سازی متوالی از مدل سازنده به منظور به تدریج کاهش شکاف آزمایش-مدل می پردازد. یک آزمایش چرخه ای بر روی نمونه استخوان سگ ساخته شده از آلیاژ آلومینیوم به عنوان مثال برای شناسایی پارامترهای یک مدل الاستوپلاستی با ضریب سخت شدن و تولید آنیزوتروپیک استفاده می شود.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
پیش نمایش مقاله
بهبود شناسایی کامل میدان با استفاده از غنی سازی مدل پیشرفته
چکیده انگلیسی
Full-field identification methods such as finite element model updating or integrated digital image correlation minimize the gap between an experiment and a simulation by iterative schemes. Within the algorithms residual fields and sensitivity fields are used to achieve identification. This paper discusses how these same fields can be used to assess the quality of the identification and guide toward successive enrichment of the constitutive model to progressively reduce the experiment-model gap. A cyclic experiment on a dog-bone sample made of aluminum alloy is used as an example to identify the parameters of an elastoplastic model with exponential hardening and anisotropic yielding.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Solids and Structures - Volumes 118–119, July 2017, Pages 213-223
نویسندگان
, , , , ,