一种基于多目标优化的材料参数逆向识别方法技术

本发明专利技术提供一种基于多目标优化的材料参数逆向识别方法，包括：对金属材料开展室温下的一系列不同应变水平的拉

【技术实现步骤摘要】
一种基于多目标优化的材料参数逆向识别方法


[0001]本专利技术涉及金属材料力学性能表征
，具体地，涉及一种基于多目标优化的材料参数逆向识别方法。

技术介绍

[0002]金属材料的循环塑性变形行为的数值仿真研究一直是固体力学、材料科学与工程等学科领域的一项重点，对于金属构件的疲劳行为研究、疲劳寿命预测以及抗疲劳技术和方法的发展等均具有重要的理论价值和实践指导意义。
[0003]非线性混合硬化本构模型因其对金属材料在循环塑性变形过程中的循环硬化/软化行为和包申格效应均具有较好的描述能力，在金属材料循环塑性变形行为数值仿真中得到了大量而广泛的应用。
[0004]材料参数的快速精确识别对于非线性混合硬化本构模型的应用至关重要。现有材料参数识别方法主要包括两类：(1)基于理论公式计算的手动识别方法；(2)基于最优化的自动逆向识别方法。方法(1)从非线性混合硬化本构模型的理论公式出发，通过对公式进行简单的数学操作，结合线性拟合，即识别出材料参数的具体值，简便易行。但方法(1)对于循环塑性试验数据的使用极不充分，识别精度欠佳。例如，对于包括杨氏模量E、初始屈服强度σ0、随动硬化参数C
k
和γ
k
在内的多个材料参数的识别通常仅会用到全部循环塑性数据当中的单个循环的数据，而其他循环的数据则并未被使用。方法(2)则通常将方法(1)的识别结果作为初值，并在此基础上指定各个参数的变化范围，然后建立循环塑性试验对应的数值仿真模型，通过将仿真所得数据与循环塑性试验实测所得数据的差异设定为优化目标，采用最优化方法，实现非线性混合硬化本构模型的自动逆向识别。与方法(1)相比，方法(2)的优化目标的设定充分利用了全部循环塑性数据，从而使得非线性混合硬化本构模型材料参数的识别更加高效、精确。但方法(2)也存在明显的局限性，比如，数据仅来自于单个加载条件下的循环塑性试验数据，以便通过单目标最优化的方式实现逆向识别。这就导致方法(2)无法充分考虑金属材料在其他加载条件下的循环塑性变形行为。或者采用多个加载条件下的循环塑性试验时，通过将不同加载条件下的多个优化目标直接加和，从而简单、粗暴地将多目标优化问题强行转化为某一单目标优化问题。
[0005]因此，如何建立一种基于多目标优化的非线性混合硬化本构模型材料参数逆向识别方法成为亟待解决的重要问题。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的在于提供一种成本低廉、运算高速精确、简单易行的基于多目标优化的材料参数逆向识别方法。
[0007]为解决上述问题，本专利技术的技术方案为：
[0008]一种基于多目标优化的材料参数逆向识别方法，包括以下步骤：
[0009]对金属材料开展室温下的一系列不同应变水平的拉
‑
压对称循环塑性变形试验，
获取金属材料在室温下的循环塑性变形数据；
[0010]提取最大应变水平的拉
‑
压对称循环塑性变形数据中的工程循环应力
‑
应变曲线，并将工程循环应力
‑
应变曲线转化为真实循环应力
‑
应变曲线；
[0011]提取所有拉伸半循环的真实应力
‑
应变曲线，确定每个拉伸半循环的杨氏模量和初始屈服强度，计算所有循环平均的杨氏模量和初始屈服强度；
[0012]从第一个拉伸半循环的真实应力
‑
应变曲线中确定非线性随动硬化参数；
[0013]从所有循环的真实应力
‑
应变曲线中计算各向同性应力
‑
累积塑性应变曲线，并拟合确定各向同性硬化参数；
[0014]建立有限元模型，采用多目标优化算法，逆向识别得到非线性混合硬化本构模型材料参数。
[0015]优选地，所述提取最大应变水平的拉
‑
压对称循环塑性变形数据中的工程循环应力
‑
应变曲线，并转化为真实循环应力
‑
应变曲线的公式为：
[0016][0017][0018]σ
T
＝σ
E
(1+ε
E
)
[0019]ε
T
＝Ln(1+ε
E
)
[0020]式中，P为载荷，A0为金属试件的原始横截面积，L0为金属试件标距段的原长，ΔL为金属试件标距段的长度变化量，σ
T
和ε
T
分别为真实应力和真实应变，σ
E
和ε
E
分别为工程应力和工程应变。
[0021]优选地，所述提取所有拉伸半循环的真实应力
‑
应变曲线，确定每个拉伸半循环的杨氏模量和初始屈服强度，计算所有循环平均的杨氏模量和初始屈服强度的步骤具体包括：提取所有拉伸半循环的真实应力
‑
应变曲线，分别对每个拉伸半循环的弹性段进行线性拟合，从而确定每个拉伸半循环的杨氏模量E
i
，并对每个拉伸半循环的真实应力
‑
应变曲线求二阶导数，将二阶导数的极小值点的真实应变所对应的真实应力值确定为每个拉伸半循环的初始屈服强度σ
0i
，计算所有循环平均的杨氏模量E和初始屈服强度σ0。
[0022]优选地，所述计算所有循环平均的杨氏模量E和初始屈服强度σ0的公式为：
[0023][0024][0025]其中，i∈[1,n]，n为总的循环数。
[0026]优选地，所述从第一个拉伸半循环的真实应力
‑
应变曲线中确定非线性随动硬化参数的步骤具体包括：根据公式：将第一个拉伸半循环的真实应力
‑
应变曲线转化为真实应力
‑
塑性应变曲线，其中，ε、ε
e
和ε
p
分别为总应变，弹性应变和塑性应变，取N个背应力分量，将第一个拉伸半循环的真实应力
‑
塑性应变曲线分割为M段，M＝N+1，计算每一段曲线上的非线性随动硬化参数C
k
和γ
k
。
[0027]优选地，所述计算每一段曲线上的非线性随动硬化参数C
k
和γ
k
的公式为：
[0028][0029][0030]其中，k∈[1,N]。
[0031]优选地，所述从所有循环的真实应力
‑
应变曲线中计算各向同性应力
‑
累积塑性应变曲线，并拟合确定各向同性硬化参数的步骤具体包括：提取所有拉伸半循环和压缩半循环的真实应力
‑
应变曲线，确定每个拉伸半循环的最大应力σ
tmax_i
和每个压缩半循环的屈服强度σ
c_i
，根据公式：计算每个循环的各向同性应力σ
0i
，根据各向同性应力σ
0i
计算每个循环的累积塑性应变再根据公式：拟合各向同性应力
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标优化的材料参数逆向识别方法，其特征在于，所述方法包括以下步骤：对金属材料开展室温下的一系列不同应变水平的拉
‑
压对称循环塑性变形试验，获取金属材料在室温下的循环塑性变形数据；提取最大应变水平的拉
‑
压对称循环塑性变形数据中的工程循环应力
‑
应变曲线，并将工程循环应力
‑
应变曲线转化为真实循环应力
‑
应变曲线；提取所有拉伸半循环的真实应力
‑
应变曲线，确定每个拉伸半循环的杨氏模量和初始屈服强度，计算所有循环平均的杨氏模量和初始屈服强度；从第一个拉伸半循环的真实应力
‑
应变曲线中确定非线性随动硬化参数；从所有循环的真实应力
‑
应变曲线中计算各向同性应力
‑
累积塑性应变曲线，并拟合确定各向同性硬化参数；建立有限元模型，采用多目标优化算法，逆向识别得到非线性混合硬化本构模型材料参数。2.根据权利要求1所述的基于多目标优化的材料参数逆向识别方法，其特征在于，所述提取最大应变水平的拉
‑
压对称循环塑性变形数据中的工程循环应力
‑
应变曲线，并转化为真实循环应力
‑
应变曲线的公式为：应变曲线的公式为：σ
T
＝σ
E
(1+ε
E
)ε
T
＝Ln(1+ε
E
)式中，P为载荷，A0为金属试件的原始横截面积，L0为金属试件标距段的原长，ΔL为金属试件标距段的长度变化量，σ
T
和ε
T
分别为真实应力和真实应变，σ
E
和ε
E
分别为工程应力和工程应变。3.根据权利要求1所述的基于多目标优化的材料参数逆向识别方法，其特征在于，所述提取所有拉伸半循环的真实应力
‑
应变曲线，确定每个拉伸半循环的杨氏模量和初始屈服强度，计算所有循环平均的杨氏模量和初始屈服强度的步骤具体包括：提取所有拉伸半循环的真实应力
‑
应变曲线，分别对每个拉伸半循环的弹性段进行线性拟合，从而确定每个拉伸半循环的杨氏模量E
i
，并对每个拉伸半循环的真实应力
‑
应变曲线求二阶导数，将二阶导数的极小值点的真实应变所对应的真实应力值确定为每个拉伸半循环的初始屈服强度σ
0i
，计算所有循环平均的杨氏模量E和初始屈服强度σ0。4.根据权利要求3所述的基于多目标优化的材料参数逆向识别方法，其特征在于，所述计算所有循环平均的杨氏模量E和初始屈服强度σ0的公式为：的公式为：
其中，i∈[1,n]，n为总的循环数。5.根据权利要求4所述的基于多目标优化的材料参数逆向识别方法，其特征在于，所述从第一个拉伸半循环的真实应力
‑
应变曲线中确定非线性随动硬化参数的步骤具体包括：根据公式：将第一个拉伸半循环的真实应力
‑
应变曲线转化为真实应力
‑
塑性应变曲线，其中，ε、ε
e
和ε
p
...

【专利技术属性】
技术研发人员：李宇罡，吴杰，张小涛，殷成栋，张凯翔，冯奕鸣，耿继伟，陈东，王浩伟，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：