Bammann-Chiesa-Johnson粘塑性本构模型的参数识别方法与验证
来源期刊:材料导报2017年第3期
论文作者:周婷婷 王罡 杨洋 李遥 帅茂兵
文章页码:75 - 190
关键词:BCJ粘塑性模型;参数识别;参数解耦;粒子群智能优化算法;1060纯铝;
摘 要:Bammann-Chiesa-Johnson(BCJ)粘塑性本构模型对材料力学响应的再现和预测能力强烈依赖于其模型参数的确定,而模型参数的确定往往是通过反分析方法来进行。由于BCJ粘塑性模型包含了应变、应变率和温度耦合效应以及加载路径和温度历史,其常数多达18个,所以寻找最佳的模型参数识别值十分繁琐。针对BCJ本构模型参数复杂、识别困难的问题,本文基于参数的物理意义,在准静态、蠕变及动态加载试验基础上,通过模型参数解耦分离、粒子群智能优化的方法分6步对18个材料常数进行识别,并用识别结果对1060纯铝动态加载试验力学响应进行模拟,模拟结果与试验结果符合良好。通过定量化误差分析,证明了BCJ粘塑性模型对实验数据的预测具有较高精度,该模型参数识别方法科学可行。
周婷婷1,2,王罡2,杨洋1,2,李遥1,帅茂兵1
1. 表面物理与化学重点实验室2. 清华大学精密超精密制造装备及控制北京市重点实验室
摘 要:Bammann-Chiesa-Johnson(BCJ)粘塑性本构模型对材料力学响应的再现和预测能力强烈依赖于其模型参数的确定,而模型参数的确定往往是通过反分析方法来进行。由于BCJ粘塑性模型包含了应变、应变率和温度耦合效应以及加载路径和温度历史,其常数多达18个,所以寻找最佳的模型参数识别值十分繁琐。针对BCJ本构模型参数复杂、识别困难的问题,本文基于参数的物理意义,在准静态、蠕变及动态加载试验基础上,通过模型参数解耦分离、粒子群智能优化的方法分6步对18个材料常数进行识别,并用识别结果对1060纯铝动态加载试验力学响应进行模拟,模拟结果与试验结果符合良好。通过定量化误差分析,证明了BCJ粘塑性模型对实验数据的预测具有较高精度,该模型参数识别方法科学可行。
关键词:BCJ粘塑性模型;参数识别;参数解耦;粒子群智能优化算法;1060纯铝;