بررسي تاثير نرخ كرنش بر الگوي خميري شابوش

An investigation into strain rate dependency of Chaboche plasticity model

الگوي سخت‌شوندگي جنبشي شابوش عموماً براي بررسي رفتار خميري مواد در بارگذاري‌هاي چرخه‌اي و يكنوا با نرخ كرنش ايستاسان مورد استفاده قرار مي‌گيرد. از آنجا كه الگوي شابوش مستقل از نرخ كرنش است و ثابت‌هاي آن از آزمايش ايستاسان تعيين مي‌گردند، اين الگو توانايي پيش بيني رفتار ماده در نرخ كرنش‌هاي بالا را از دست مي‌دهد. ازسوي ديگر، رفتار پوياي مواد حتي در برخي از بارگذاري هاي چرخه‌اي عموماً وابسته به نرخ كرنش است. در اين تحقيق با انجام آزمايش‌هاي ايستاسان و پويا در نرخ كرنش‌هاي گوناگون ثابت‌هاي الگوي شابوش تعيين و با استفاده از ثابت هاي به دست آمده اثر نرخ كرنش در الگوي شابوش در نظر گرفته مي‌شود. همچنين، با استفاده از شبكه عصبي ساختگي نمودارهاي تنش-كرنش براي نرخ كرنش‌هاي گوناگون پيش بيني و با نتيجه‌هاي آزمايشي مورد مقايسه قرار مي‌گيرند. نتيجه‌ حاصل از الگوي پيشنهادي با نتيجه‌ هاي آزمايش و شبكه عصبي همخواني قابل قبولي را نشان مي‌دهند. دراين مقاله نشان داده مي‌شود كه ثابت‌هاي الگوي خميري شابوش با نرخ كرنش تغيير مي‌كنند و نيز اگر شبكه عصبي به طور صحيح آموزش داده ‌شود از آن مي‌توان براي ميانيابي داده‌هاي آزمايشي استفاده نمود.

The Chaboche kinematic hardening model is generally used for modeling the plastic behaviour of material under quasi-static cyclic and monotonic loadings. This model is independent of strain rate and its constants are normally determined through quasi-static tests. Therefore, it cannot predict material behavior under high strain rate condition. On the other hand, the dynamic behaviour of materials even in some cyclic loadings is usually strain rate sensitive. In this investigation, the constants of Chaboche model are identified at various strain rates through quasi-static and dynamic tests and using these constants the effect of strain rate is incorporated in the Chaboche model. Moreover, the stress-strain diagrams at different strain rates are predicted using artificial neural network (ANN) and the results compared with the experimental data. The results from the strain rate dependent Chaboche model shows reasonable agreement with the experimental data and the prediction from ANN. It is also shown in this work that the constants of Chaboche plasticity model are strain rate dependent and if the neural network is trained properly, it can be used for interpolating between the experimental data.