کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7177926 | 1467059 | 2015 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A new Monte Carlo model for predicting the mechanical properties of fiber yarns
ترجمه فارسی عنوان
مدل جدید مونت کارلو برای پیش بینی خواص مکانیکی الیاف فیبر
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مونت کارلو، کامپوزیت سلسله مراتبی، نخ فیبر، آمار ویبول، انتقال بار برش، پارگی فیبر،
ترجمه چکیده
درک مکانیسم های پیچیده ناشی از کامپوزیت سلسله مراتبی از قبیل نخ های فیبر برای طراحی مواد پیشرفته ضروری است. در این مطالعه ما یک مدل مونت کارلو جدید برای پیش بینی خواص مکانیکی الیاف که شامل تغییرات آماری در قدرت فیبر است، ایجاد کردیم. علاوه بر این، یک قانون انتقال بار برش آماری بر اساس تحلیل تاخیر برشی مشتق شده و به منظور شبیه سازی تعاملات بین الیاف مجاور و ارائه توزیع تنش کششی دقیق تر در طول فاصله همپوشانی انجام شده است. شبیه سازی دو نوع نخ از مواد مختلف خام ساخته شده و بر اساس روش های پردازش متمایز، مقادیر قدرت نخ را که با اندازه گیری های تجربی مناسب است مقایسه می کنند. علاوه بر این، این مدل مکانیسم شکستهای غالب را برای دو ماده مشخص کرد و بینش های مهم را در خصوص ویژگی های طراحی ایجاب می کند که می تواند قدرت نخ را بهبود بخشد.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی مکانیک
چکیده انگلیسی
Understanding the complicated failure mechanisms of hierarchical composites such as fiber yarns is essential for advanced materials design. In this study, we developed a new Monte Carlo model for predicting the mechanical properties of fiber yarns that includes statistical variation in fiber strength. Furthermore, a statistical shear load transfer law based on the shear lag analysis was derived and implemented to simulate the interactions between adjacent fibers and provide a more accurate tensile stress distribution along the overlap distance. Simulations on two types of yarns, made from different raw materials and based on distinct processing approaches, predict yarn strength values that compare favorably with experimental measurements. Furthermore, the model identified very distinct dominant failure mechanisms for the two materials, providing important insights into design features that can improve yarn strength.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of the Mechanics and Physics of Solids - Volume 84, November 2015, Pages 325-335
Journal: Journal of the Mechanics and Physics of Solids - Volume 84, November 2015, Pages 325-335
نویسندگان
Xiaoding Wei, Matthew Ford, Rafael A. Soler-Crespo, Horacio D. Espinosa,