XiaoMi-AI文件搜索系统
World File Search System塑性应变
功能+数据流：指定数字孪生型机器学习管道的框架
数字双胞胎（DTS）用于物理系统的开发，以实现人工智能（AI），尤其是用于来自不同来源的综合数据或创建计算效果，减少尺寸的模型的数据。的确，即使在非常不同的应用程序域中，Twinning也采用了常见技术，例如使用混合数据（即来自基于物理学的模型和传感器）的模型订单降低和模型化（即数据）。尽管这种明显的普遍性，但当前的开发实践是临时的，使AI管道的设计用于数字孪晶复杂且耗时。在这里，我们建议函数+数据流（FDF），该域特异性语言（DSL）描述了DTS中的AI管道。FDF旨在促进数字双胞胎的设计和验证。特别是，FDF将功能视为一流的公民，从而有效地操纵了使用AI学习的模型。我们说明了FDF对两种混凝土用例的好处：预测结构的塑性应变并建模轴承的电磁行为。
高强度的低周期疲劳行为42CRMO4钢在淬火和回火条件下
本研究旨在研究在淬火和回火条件下42CRMO4钢的微结构特征，环状轴向行为和应变反应。42CRMO4钢以杆状形式制备，并进行淬火和回火。进一步进行了微观结构分析，以确保所有方向的晶粒尺寸和分布均匀。此外，还进行了拉伸测试，以确定材料的最终应力和平均屈服强度分别为1113.182 MPa和736.634 MPa。还以0.35％，0.50％，0.65％，0.80％，0.95％和1.10％的应变幅度进行低周期疲劳测试。结果表明，所有指定的应变幅度均表现出循环应激软化。应变控制的疲劳测试进一步表明，合金在前几个周期后经历了循环软化，直到失败。以较高的应变幅度增加了以软化比（SR）为特征的软化程度，稳定在0.58％至1.10％之间。磁滞回路的形状通常是对称的，这归因于滑移变形模式。这种42CRMO4钢易受相对于应变振幅和负载方向的动态应变老化的影响。使用Coffinmanson方程和塑性应变能量密度方程式，在中年确定的应变控制的轴向疲劳特性与良好的生活预测相关。因此，研究观察到，使用SEM的分子分析表明，在单调和循环载荷下，在42CRMO4钢上进行了多个裂纹启动，其特征是同时滑移出现。
疲劳和断裂力学概念的融合
J � � 平面应变 J 积分断裂韧性，MPa m K 应力强度因子（模式 I），MPa m ��� K � 临界断裂韧性，MPa m ��� K � 弹性应力强度因子，MPa m ��� K � 弹性或弹性 — 塑性应力强度因子，MPa m ��� K � � 平面应变断裂韧性，MPa m ��� K � 基于 J 积分的等效 K，MPa m ��� K ��� 最大应力强度因子，MPa m ��� K ��� 最小应力强度因子，MPa m ��� K � 裂纹尖端张开应力强度因子，MPa m ��� K � 弹性 — 塑性应力强度因子，MPam ��� K � 弹性应力集中因子 K � 弹性 — 塑性应力集中因子 K � 弹性 — 塑性应变集中因子 N 载荷循环次数 N � 失效前的载荷循环次数 P �� 裂纹尖端张开载荷，N P ��� 最大施加载荷，N r 孔或缺口尖端半径，mm R 应力比 ( S ��� / S ��� ) S 施加应力，MPa S �� 裂纹尖端张开应力，MPa S ��� 最大施加应力，MPa S ��� 最小施加应力，MPa S �� TWIST 中的平均飞行应力，MPa S � � 一克飞行应力，MPa t � 沿 � 轮廓的牵引力，MPa ¹ � 裂纹扩展速率数据的转变 (i " 1 至 4) ¹ * 裂纹尖端周围的轮廓积分，MPa m u � 沿 � 轮廓的位移，mm » 裂纹尖端区域周围的材料体积，mm �
采用非线性参数进行2024-T351铝合金疲劳裂纹扩展分析
本文利用塑性 CTOD 范围 Δ δ p 研究了 2024-T351 铝合金中的疲劳裂纹扩展 (FCG)。对 12 毫米厚的 CT 试样进行实验测试以获得 FCG 速率，并对圆柱形试样进行实验以获得应力 - 应变环。数值分析在材料、几何形状和载荷条件方面复制了实验工作，但假设纯平面应变状态，以获得 Δ δ p 。使用实验应力 - 应变环拟合材料参数。实验工作表明，随着应力比从 R = 0.1 增加到 R = 0.7 毫米，FCG 速率增加，这表明存在裂纹闭合现象。然而，对裂纹尖端后方第一个节点位置的分析表明，在平面应变状态下没有裂纹闭合，而在平面应力状态下发现最大值 36%。因此，即使在 12 毫米厚的样品中，表面也会影响 FCG 速率。发现 da/dN 与 Δ δ p 之间存在近似线性关系。与其他铝合金的比较表明，材料对 da/dN - Δ δ p 关系有显著影响。从平面应变状态到平面应力状态的变化由于裂纹闭合而降低了 FCG 速率。在平面应变状态下，应力比在 R = 0.1 – 0.7 范围内的影响很小，这也是因为没有裂纹闭合。最后，对塑性 CTOD 和裂纹处的累积塑性应变进行了比较
4003166- ...
在地质力学风险下模拟CO 2存储通常涉及由于多相流和地质力学之间的耦合而导致的大量计算成本。实施标准工作流程，例如位置优化，使用此类耦合物理模型可以显着增加计算开销，并使模型不切实际地使用。我们研究使用深度学习模型以显着减少与模拟和量化CO 2存储的地质力学风险相关的计算开销的可行性。所提出的方法利用基于深度学习的替代建模来显着提高耦合流动地球力学模拟的效率，以识别合适的注入井位置以存储CO 2。使用模拟数据，我们训练U-NET卷积神经网络，以了解井位置和空间分布的模型参数（渗透率）之间的映射到感兴趣的仿真输出。一旦经过固定的模型输入参数训练，U-NET模型可以将不同的井位置场景映射到相应的压力场，CO 2饱和度和地质力学输出，包括垂直位移和塑性应变。随后采用U-NET模型作为替代识别注入井位置所需的耦合流动地球力学模拟以最大程度地减少地质力学风险所需的有效工具。我们报告的初步结果表明，受过训练的U-NET模型可以预测井位置的压力和饱和场，所有其他输入仍与训练中使用的仿真模型保持一致。我们在不同的假设下研究网络的性能，并估计不同的流量和地质力学输出。结果表明，U-NET模型可以通过使用快速代理模型替换耦合物理模拟来大大降低井位置工作流的计算成本，该模型可用于预测与不同的井位置和注入策略相关的地质机械风险。开发的框架可用于改善耦合物理建模的计算需求，并促进其在决策工作流程和现场管理中的应用。
微观结构和固有应力对粉末床熔合辊压抛光过程中残余应力的影响
使用综合建模框架研究了一种将激光粉末床熔合 (PBF-LB) 与层间打磨相结合的混合金属增材制造 (AM) 工艺，以提供新的见解，说明激光粉末床熔合工艺产生的不均匀微观结构和残余应力如何影响层间打磨过程中产生的诱导残余应力场。研究人员最近研究了类似的混合金属增材工艺导致的微观结构变化，然而，他们只是假设由此产生的微观结构对诱导残余应力有一定影响。此外，研究人员通过数值研究了打磨/滚压工艺参数对诱导应力的影响，但忽略了微观结构的影响，从而做出了均匀、各向同性的假设。这种做法抑制了对不均匀熔合层中可能存在的微观结构驱动的各向异性的预测。本文通过参数化研究了微观结构建模、固有残余应力映射和环境温度对混合金属增材工艺过程中诱导残余应力的影响。所展示的建模框架结合了激光粉末床熔合过程中产生的固有残余应力以及预测的微观结构，在随后的打磨模拟中阐明它们对打磨引起的残余应力的单独和综合影响。研究结果表明，对不均匀的 PBF-LB 微观结构进行建模会沿打磨表面引入塑性应变和残余应力的各向异性分布；沿处理过的表面平面应力分量的周期性与 PBF-LB 扫描线相重合。固有残余应力对打磨引起的残余应力的影响不太显著，但仍然可以观察到。升高的温度不仅会降低引起的压缩残余应力的幅度，而且还会导致沿扫描线和阴影空间预测的残余应力分量幅度变化较小。所提出的框架为微观结构和 PBF-LB 残余应力对打磨引起的应力的解耦影响提供了新的见解，而这些影响是无法通过实验技术区分的。然而，试样深度方向上的平均残余应力趋势以及抛光后的表面硬度值分别与文献中记录的X射线衍射和微压痕测量结果具有良好的一致性。