【技术实现步骤摘要】
本专利技术涉及界面断裂韧性测量，特别涉及一种基于劈裂试验和反演算法的界面断裂韧性获取方法及装置。
技术介绍
1、随着科技水平的不断进步，界面结构越来越多的存在于金属材料接合、聚合物复合材料、生物医学等相关领域中。界面断裂韧性是衡量材料或结构在界面处抗裂纹扩展的能力。界面断裂韧性较好，可以提高材料或结构的强度、稳定性和可靠性。
2、常用的双悬臂梁试验、双扭转试验和改进的四点弯曲试验虽然能提供界面断裂韧性，但是这些试验的负载是施加在试样的基板上，并且使用粘合剂将一层“加强材料”粘接在试样上。在试样的基板上施加层间剪切或层间拉伸载荷可能导致基板在试样界面发生断裂之前先发生破裂；使用具有能量耗散特性的粘合剂将“加强材料”粘接在涂层上可能导致韧性被高估。同时这些试验需要根据所使用的特定试验制备特殊试样，无法从工业产品中直接切割取样，进行原位测量，并且传统测量方法处理试验数据较为繁琐，会导致界面断裂韧性的测量精度较低。
3、公开号为cn110967254b的中国专利技术专利提供了一种研究金属基体与陶瓷膜层界面断裂行为的sem原位拉伸测试方法，需要先将试样进行打磨抛光，然后将打磨后的试样置于抛光液中，再在电流为0.2a的条件下进行电化学抛光，得到界面清晰的sem原位拉伸试样，后续还需进行喷金等一系列繁琐的处理步骤，影响试验效率。
技术实现思路
1、为了克服上述现有技术存在的问题，本专利技术的目的在于提供一种基于劈裂试验和反演算法的界面断裂韧性获取方法及装置，通过神经网络算
2、为了达到上述目的，本专利技术采用如下技术方案实现：
3、一种基于劈裂试验和反演算法的界面断裂韧性获取方法，包括以下步骤：
4、步骤一：制备带有缺口的劈裂试样；
5、步骤二：对步骤一得到的劈裂试样进行劈裂试验，并记录试验过程中的力-位移曲线；
6、步骤三：利用计算机构建劈裂试验的有限元模型，确定内聚力单元的参数范围，并计算一系列不同内聚力模型参数的力-位移曲线数据；
7、步骤四：处理由步骤三构建的有限元模型的仿真结果，获得仿真力-位移曲线；
8、步骤五：利用神经网络算法学习步骤四得到的仿真力-位移曲线，预测试验试样界面断裂韧性。
9、作为优选方案，步骤三中内聚力模型参数包括内聚力单元强度和内聚力单元失效处的内聚能；所述内聚力单元强度通过gb/t228.1-2021金属材料拉伸试验以及弹塑性有限元分析确定；所述内聚能等于稳定裂纹扩展开始时的j积分，在标准断裂力学试验中确定；在确定的内聚力模型参数的基础上进行10％-20％的波动，获得一系列的劈裂试验的有限元模型。
10、作为优选方案，步骤三中劈裂试验的有限元模型的构建流程如下：
11、1)在abaqus中导入几何模型，确保模型包含劈裂所需的几何特征；
12、2)将模型划分网格并设置单元属性；
13、3)在试验材料的界面上定义内聚力单元，基于试验材料的拉伸试验，确定有限元模型的材料本构及内聚力单元参数；
14、4)设置有限元模型的分析步的加载步数和时间步长；
15、5)运行有限元模型进行计算和模拟，分析和评估计算结果，提取试验的力-位移曲线。
16、作为优选方案，步骤四中根据劈裂试验的力-位移曲线和试样劈裂对数据进行筛选，将筛选后的力-位移曲线数据进行插值处理，保证数据点量和位移坐标一致，同时与试验获得的力-位移曲线进行对比，并筛除不合理的数据。
17、作为优选方案，步骤五中利用神经网络算法对由仿真获得的力-位移曲线数据进行学习，构建神经网络模型；将步骤二中劈裂试验得到的力-位移曲线的数据输入到所构建的神经网络模型中，得到试样的界面断裂韧性。
18、作为优选方案，流程b中的单元属性设置为四边形单元或六边形单元。
19、作为优选方案，神经网络算法为mlp神经网络算法或grnn神经网络算法或卷积神经网络算法。
20、作为优选方案，缺口开设在劈裂试样的复合界面的中部；所述劈裂试样的上方设置有楔形板，楔形板的尖端与缺口相对应，楔形板的另一端通过固定装置进行固定。
21、作为优选方案，劈裂试样放置在可移动的电动平台上，电动平台上设置有用于测量劈裂过程中的力值的载荷传感器。
22、一种基于劈裂试验和反演算法的界面断裂韧性获取装置，包括可移动的电动平台，电动平台上设置有用于测量劈裂过程中的力值的载荷传感器，电动平台上放置有劈裂试样，劈裂试样的上方固定设置有楔形板，载荷传感器的信号输出端与计算机相连接，所述计算机配置有实现上述方法的程序。
23、与现有技术相比，本专利技术的有益效果在于：
24、本专利技术通过神经网络算法处理基于劈裂试验构建的有限元模型的力-位移曲线数据，能够精确预测试样的界面断裂韧性。
25、本专利技术制备试样的操作简单易行，只需从工业产品中直接切割获取试样，在试样的复合层界面上开设切口即可完成，解决了传统试验制备试样繁琐复杂的问题；本专利技术将负载直接施加在试样上进行劈裂试验，与现有技术相比，通过进行原位测量，能够使界面断裂韧性的测量精度更高。
26、本专利技术基于劈裂试验的力-位移曲线，采用神经网络算法对界面断裂韧性进行预测，避免了传统测量方法处理试验数据较为繁琐的问题，同时获得了更高精度的界面断裂韧性结果。
本文档来自技高网...【技术保护点】
1.一种基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤三中内聚力模型参数包括内聚力单元强度和内聚力单元失效处的内聚能；所述内聚力单元强度通过GB/T228.1-2021金属材料拉伸试验以及弹塑性有限元分析确定；所述内聚能等于稳定裂纹扩展开始时的J积分，在标准断裂力学试验中确定；在确定的内聚力模型参数的基础上进行10％-20％的波动，获得一系列的劈裂试验的有限元模型。
3.根据权利要求1或2所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤三中劈裂试验的有限元模型的构建流程如下：
4.根据权利要求1所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤四中根据劈裂试验的力-位移曲线和试样劈裂对数据进行筛选，将筛选后的力-位移曲线数据进行插值处理，保证数据点量和位移坐标一致，同时与试验获得的力-位移曲线进行对比，并筛除不合理的数据。
5.根据权利要求1所述的基于劈裂试验和反演算法的
6.根据权利要求3所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述流程b中的单元属性设置为四边形单元或六边形单元。
7.根据权利要求5所述的一种界面断裂韧性获取方法，其特征在于：所述神经网络算法为MLP神经网络算法或GRNN神经网络算法或卷积神经网络算法。
8.根据权利要求1所述的一种界面断裂韧性获取方法，其特征在于：所述缺口(2)开设在劈裂试样的复合界面的中部；所述劈裂试样的上方设置有楔形板(3)，楔形板(3)的尖端与缺口(2)相对应，楔形板(3)的另一端通过固定装置(4)进行固定。
9.根据权利要求1所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述劈裂试样放置在可移动的电动平台(5)上，电动平台(5)上设置有用于测量劈裂过程中的力值的载荷传感器(6)。
10.一种基于劈裂试验和反演算法的界面断裂韧性获取装置，其特征在于：包括可移动的电动平台(5)，所述电动平台(5)上设置有用于测量劈裂过程中的力值的载荷传感器(6)，电动平台(5)上放置有劈裂试样，所述劈裂试样的上方固定设置有楔形板(3)，所述载荷传感器(6)的信号输出端与计算机相连接，所述计算机配置有实现权利要求1所述方法的程序。
...【技术特征摘要】
1.一种基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤三中内聚力模型参数包括内聚力单元强度和内聚力单元失效处的内聚能；所述内聚力单元强度通过gb/t228.1-2021金属材料拉伸试验以及弹塑性有限元分析确定；所述内聚能等于稳定裂纹扩展开始时的j积分，在标准断裂力学试验中确定；在确定的内聚力模型参数的基础上进行10％-20％的波动，获得一系列的劈裂试验的有限元模型。
3.根据权利要求1或2所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤三中劈裂试验的有限元模型的构建流程如下：
4.根据权利要求1所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤四中根据劈裂试验的力-位移曲线和试样劈裂对数据进行筛选，将筛选后的力-位移曲线数据进行插值处理，保证数据点量和位移坐标一致，同时与试验获得的力-位移曲线进行对比，并筛除不合理的数据。
5.根据权利要求1所述的基于劈裂试验和反演算法的界面断裂韧性获取方法，其特征在于：所述步骤五中利用神经网络算法对由仿真获得的力-位移曲线数据进行学习，构建神经网络模型；将步骤二中劈裂试验得到的力-位移曲线的数据...
【专利技术属性】
技术研发人员：周于博，吕俊男，侯俊玲，李刚，李群，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。