Srovnání dvou optimalizačních metod při hledání materiálových parametrů pro protlačovací zkoušku

Comparison of two optimization methods for Small Punch Test material parameters estimation

článek ve sborníku ve WoS nebo Scopus

čeština

Pro měření mechanických vlastností oceli byla pro tento článek zvolena protlačovací zkouška tzv. „Small Punch test“ (dále jen SPT). Tato metoda je považována za nedestruktivní, protože jsou pro měření používány vzorky malých rozměrů, které je možné získat ze zkoumané součástky bez její významné destrukce. Tato metoda je při dodržení určitých předpokladů považována za ekvivalentní metodu s tahovou zkouškou. Pomocí této zkoušky je možné získat stejné parametry jako při provedení tahové zkoušky. Výsledkem měření metodou SPT je závislost síly na posunutí. Pro převod těchto závislostí se používají různé metody (grafické metody, empirické vztahy, numerické). Jednou z těchto metod je i metoda konečných prvků, která slouží k simulaci samotné protlačovací zkoušky a na základě změřené závislosti síly na posunutí se zjišťují potřebné koeficienty pro transformaci na křivku napětí v závislosti na přetvoření (elasto-plastická křivka). Tento článek je zaměřen na srovnání dvou způsobů hledání vhodných koeficientů pro transformaci změřených závislostí síly na posunutí pro danou ocel při zvýšených teplotách v prostředí Ansys Workbench. Pro hledání vhodné transformace byly uvažovány dva typy popisu chování materiálu (Ramberg-Osgood, Chaboche) a také dvě optimalizační techniky. První optimalizační technikou byla tzv. Screening metoda, která je součástí optimalizačního balíčku implementovaného přímo v prostředí Ansys Workbench. Druhou optimalizační technikou byl Genetický algoritmus, který byl implementován pomocí skriptovacího jazyku Python do prostředí Ansys Workbench. Z prezentovaných výsledků jsou patrné výhody a nevýhody jednotlivých přístupů a je možné zvolit danou metodu pro využití v různých aplikacích.

In this paper for the measurement of mechanical properties the Small Punch test method was chosen (SPT). This method is considered as non-destructive. The experimental samples for SPT have small dimension and therefore can be obtained from analyzed structure without significant destruction. While respecting certain assumptions this method can be considered as equivalent to tensile experimental procedure. By using this method it is possible to measure the same parameters as when using tensile test. The typical results of the SPT measurements are force-deflection curves. To convert force-deflection dependencies several methods can be carried out (graphical methods, empirical formulas, numerical). One of these methods is finite element method, which can be used to punch process simulation. Based on numerical simulation and measured force-deflection dependency material parameters can be obtained. The material parameters are necessary to transform force-deflection curve to stress-strain curve. This paper is focused on the comparison of two methods of determining suitable material parameters for transformation of the force-deflection curves for the define steel at elevated temperatures in Ansys Workbench. To determine appropriate transformation two types of material models (Ramberg-Osgood model, Chaboche model) and two optimization techniques were used. The first optimization technique was called the Screening method. This optimization method is a part of optimization toolbox implemented in Ansys Workbench. The second optimization technique was genetic algorithm, which was implemented by Python scripting language into Ansys Workbench. The presented results show the advantages and disadvantages of considered methods and it is possible to select the method for use in various applications.

Protlačovací zkouška, Ramberg-Osgoodův model, Chabocheův model, Screening, Genetický algoritmus

Small Punch, Ramberg-Osgood model, Chaboche model, screening, genetic algorithm

HRABOVSKÝ, J.; LOŠÁK, P.; HORSKÝ, J.

2013

29. 5. 2013

ARCADEA

Praha

978-80-905040-2-8

Techsoft Engineering ANSYS 2013 Setkání uživatelů a konference

1

1

55

62

8