Научный архив: статьи

A simple method is proposed to estimate the dynamic yield stress of materials using modified Taylor tests for high-velocity impact of profiled cylinders with a reduced diameter of the head part. Assuming the uniformity of deformations and stresses in the head part, formulas are derived for estimating the yield stress and strain rate from the change in the length of the reduced head part, as well as the mass of the sample and the impact velocity. This estimation is verified by comparison with the results of numerical calculations by the SPH method based on the dislocation plasticity model parameterized for cold-rolled oxygen-free copper. It is shown that the stopping time of the sample and the strain rate are reproduced with good accuracy, and the shear strength estimate gives an error that increases with the impact velocity. At velocities that do not lead to deformation of a wide part of the sample (up to 90 m/s in the case under consideration), the error increases linearly up to 30%, which can be taken into account by a correction factor. The proposed estimate, taking into account the correction factor, was applied to analyze the results of previous experiments; the obtained values correspond to the literature data on the rate dependence of the shear strength.

На основе континуальной модели высокоскоростного соударения пластин построен набор обучающих данных, по которым искусственная нейронная сеть обучена определять профиль скорости тыльной поверхности пластины-мишени исходя из параметров удара и параметров модели материала. Обученная нейронная сеть была использована в качестве быстрого эмулятора процесса высокоскоростного соударения пластин. Применение байесовского подхода калибровки модели позволило решить обратную задачу определения параметров модели материала по профилю скорости тыльной поверхности.

На основе базы данных, полученной с помощью модели высокоскоростного соударения пластин, связывающей параметры удара и параметры модели материала с профилем скорости тыльной поверхности, проведено сравнение процесса обучения и точности искусственной нейронной сети прямого распространения и рекурсивной нейронной сети. Рекурсивная нейронная сеть обеспечивает б´ольшую точность и требует меньшего времени для обучения. Использование рекурсивной нейронной сети в качестве быстрого эмулятора модели и байесовская калибровка могут позволить решить обратную задачу определения параметров модели вещества по профилю скорости тыльной поверхности с большей точностью.

Исследование направлено на разработку макроскопической континуальной модели динамической деформации пористых металлов на основе применения искусственных нейронных сетей. Для обучения ИНС используются наборы данных, полученные моделированием сжатия представительных объёмов пористой среды методом гидродинамики сглаженных частиц на основе ранее параметризованной для меди модели дислокационной пластичности. Такое моделирование применяется как для набора обучающих данных, так и для исследования физики деформации пористой меди с порами микрометрового и миллиметрового масштаба.