基于近场动力学的薄板弯曲大变形及断裂分析

薄板结构仅在较小的荷载下就能产生较大的位移、旋转,甚至引发结构产生裂纹并扩展,进而发生结构整体断裂,因此,建立薄板结构在大变形过程中的裂纹扩展及断裂仿真模型,具有重要的工程实际意义.文章建立了用于薄板结构几何大变形和断裂分析的近场动力学(PD)和连续介质力学(CCM)耦合模型.首先基于冯·卡门假设,采用更新的拉格朗日法得到薄板在几何大变形增量步下的虚应变能密度增量公式,并利用虚功原理和均质化假设求出几何大变形微梁键的本构模型参数;接着分别建立几何大变形薄板PD模型与CCM模型的虚应变能密度增量,并建立了薄板几何大变形PD-CCM耦合模型;最后模拟了薄板结构在横向变形作用下的渐进断裂过程,得到与实验结果高度一致的仿真结果,验证了所提出的几何非线性PD-CCM耦合模型的精度.结果表明:本文所提出的薄板PD-CCM耦合模型具有简单高效,无需考虑材料参数限制和边界效应的特点,可以很好地用于预测薄板结构在几何大变形过程中的局部损伤和结构断裂,有利于薄板结构的断裂安全评价和理论发展.     

基于物理信息神经网络的薄壁结构屈曲分析

基于物理信息神经网络(PINN)建立了一种求解薄壁结构屈曲非线性控制方程组的方法.薄壁结构的非线性控制方程可由挠度和应力函数表示成复杂的4阶非线性偏微分方程组,使用物理信息神经网络(PINN)解法可以克服传统数值方法对求解域网格的依赖性.文中建立的神经网络模型根据基于加权的均方误差的损失函数更新网络参数,并用弧长法迭代的思想进行外层迭代控制以应对屈曲问题的迭代特性.将弧长法,硬边界条件,基于预训练的权重调整策略,以及自适应激活函数策略融合进网络优化的过程中使得PINN能够更为高效地求解线性与非线性屈曲问题.文章对两种典型的薄壁结构进行了屈曲模态和带有缺陷的非线性后屈曲问题求解,并将神经网络获得的解和有限元结果进行了对比.结果分析表明,物理信息神经网络方法能够在不需要标签数据的前提下对薄壁结构的屈曲问题进行有效分析,并且给予的额外标签数据能够提高此方法的求解效率.该方法虽较成熟的有限元解法收敛速度较慢,但不需要对求解域进行人为的前处理,有一定工程应用可行性.     

变厚度薄板静力分析的一种方法

应用有限元法 ,建立了变厚度薄板三角形单元刚度矩阵 ,给出了变厚度薄板三角形单元形心上的应力和位移计算的数学模型。通过对某型反坦克导弹弹翼进行静力分析和实验比较 ,表明采用这种模型进行分析合乎结构设计精度要求