双线性弹塑性模型(四)

本节内容为在牛顿-拉夫逊方法中集成基于随动硬化模型的当前应力计算。

对于非线性的问题,一般将其线性化为

一次迭代得到的是位移增量,如图所示

双线性弹塑性模型(四)的图1

接下来要将位移增量转化为应变增量,以一维杆结构为例,其应变增量

其中 为杆初始长度。

[算例]

一根各向同性杆,一端固定,另一端施加轴向力做拉伸试验.荷载逐渐增加到 ,然后逐渐卸载至0。

import math

def Sgn(x):
    if x > 0 :
        return 1
    elif x < 0 :
        return -1
    else :
        return 0

def KinematicHard1D(MP,deps, stressN,alphaN, epsN):

    E  = MP[0]
    H  = MP[1]
    Y0 = MP[2]
    
    stress_tr = stressN + E*deps
    eta_tr = stress_tr - alphaN
    f_tr = math.fabs(eta_tr ) - Y0
    if f_tr < 0:
        stress = stress_tr
        alpha = alphaN
        ep = epsN
        flag = 0     # 处于弹性状态
    else:
        dep = f_tr / ( E + H )
        stress = stress_tr - Sgn(eta_tr) * E * dep
        alpha = alphaN + Sgn(eta_tr) * H * dep
        ep = epsN + dep
        flag = 1    # 处于塑性状态

    return stress, alpha, ep, flag

#########  以上为harden模块


import matplotlib.pyplot as plt
import numpy as np

import numpy as np
import harden

E = 70000; H = 10000; sYield = 250
Et = E*H / (E+H)
mp = [E, H, sYield]

nS = 0
nep = 0
nA = 0

A = 100
L = 1000

tol = 1.0E-1
u = 0
Res = 0
nincr = 0
max_iter = 20
epnew = 0

Load = [0,50001000015000,20000,25000,30000,25000,20000,
        15000,10000,5000,0 ]

N = len(Load)
flag = 0

X = np.zeros( (N) )
Y = np.zeros( (N) )

for i in range(N):
    nincr += 1
    print('第{}增量步:' .format(nincr) )

    P = Load[i]

    Res = P - nS * A
    du = 0
    
    niter = 0
    conv = 2e12
    print('迭代步            位移                   不平衡力                    收敛参数')
    
    while ( conv > tol and niter < max_iter ):
        niter += 1

        Eep = E
        if flag == 1:
            Eep = Et

        K = Eep*A/L
        delta_u = Res / K
        du = du + delta_u
        delta_eps = delta_u / L

        Snew, Anew, epnew, flag = harden.KinematicHard1D(mp,delta_eps,nS,nA,nep)

        Res = P - Snew*A
        conv = Res**2 / (1 + P**2)
        nS = Snew
        nep = epnew
        nA  = Anew
        print(format(niter, '>3d'), format(u, '>20.12f'), format(nS, '>26.14f'), format(conv, '>28.16e'))

    u = u + du
    
    X[i] = u
    Y[i] = nS

print(X)
print(Y)

fig, axs = plt.subplots(11,  figsize=(8,6) )
axs.plot(X, Y, label="M1", linewidth = 3, color = "deeppink",marker='o', markersize=12
axs.set_xlabel('$Displacement(mm)$', fontsize = 18)
axs.set_ylabel('$Stress(MPa)$', fontsize = 18)

fig.savefig('./f358.png', dpi = 300#保存图片 
plt.show()


得到的迭代路径

双线性弹塑性模型(四)的图2


★★★★  往期相关 ★★★★

双线性弹塑性模型(三)

双线性弹塑性模型(二)

双线性弹塑性模型(一)

扫码_搜索联合传播样式-白色版.png
非线性弹塑性PYTHON有限元

双线性弹塑性模型(四)的评论1条

双线性弹塑性模型(四)的相关案例教程

Scipy求解常微分方程组有scipy.integrate.solve_ivp和scipy.integrate.odeint,后者是较老的版本主要是采用 FORTRAN 的odepack库里面的lsoda 方法,而前者是后面更新的函数,支持的方法也更多,按照官方的文档介绍大致有如下的方法。 scipy.integrate.solve_ivp内可用的数值积分方法函数的调用形式如下 scipy.int
比如说有一个泵,我想控制他的转速,在一个界面上输入一个大小比如1000转每分钟,然后对应的后台就自动控制泵到达了这个转速。一直很好奇这是怎么实现的,当然我想了一个方法具体的步骤如下 1、用request把我要输入的值传递到后台,这里用Python实现一下 import requests import json url = 'http://192.168.150.1:8081/put' pre = 
矩阵的求解可以分为直接求解方法和迭代求解方法,这里对部分常用的方法进行了列举主要分为迭代法和直接求解法两类,语言基于python,把这些算法做了相应的封装写成了一个类,并给出了一些方程组供测试,很多算法来自互联网,就不一一致谢了。 迭代求解算法,主要有雅克比,高斯-赛德尔,超松弛,共轭梯度,并与numpy库中自带的一些函数做了对比,主要是求解时间和求解结果的。有时间再把原理相关的描述写下来。 ""
前言 利用Python爬取QQ音乐评论。废话不多说。 让我们愉快地开始吧~ 开发工具 Python版本: 3.6.4 相关模块: requests模块; re模块; pymysql模块; 以及一些Python自带的模块。 环境搭建 安装Python并添加到环境变量,pip安装需要的相关模块即可。 本次爬取的是QQ音乐的评论信息 Python腾讯大牛直播预约: 通过这次爬取,学习了数据库MySQL,
from abaqus import * from abaqusConstants import * backwardCompatibility.setValues(includeDeprecated=True,reportDeprecated=False) # Create a model. myModel = mdb.Model(name='Beam') # Create a new view
本科/工程师
影响力
粉丝
内容
获赞
收藏
    项目客服
    培训客服
    1 4