物理学 > 数据分析、统计与概率
[提交于 2018年9月14日
]
标题: 微观测参数识别中的集成DIC及其在运动学边界条件准确性中的作用
标题: On Micromechanical Parameter Identification With Integrated DIC and the Role of Accuracy in Kinematic Boundary Conditions
摘要: 集成数字图像相关(IDIC)如今是一种可靠的全场实验方法,用于准确识别材料参数。 它基于在力学实验过程中捕获的一系列图像的相关性,这些图像通过从底层力学模型导出的位移场进行匹配。 在最近的研究中,已经表明当施加的边界条件超出所使用的视场时,IDIC会受到不准确的影响。 一个典型的例子是在微观结构体积单元(MVE)内部进行微机械参数识别,其中图像通常通过电子显微镜或其他显微技术获得,但载荷是在更大的尺度上施加的。 对于任何IDIC模型,仍需要指定MVE的边界条件,这些边界条件的任何偏差或波动都可能显著影响识别的质量。 规定适当的边界条件通常是一项具有挑战性的任务,因为MVE没有自由边界,且由于底层的微观结构,边界位移通常是高度不均匀的。 因此,本文的目的是首先以系统的方式量化预定边界条件中的误差对识别准确性的影响。 为此,通过虚拟实验进行了三种类型的力学测试,每种测试针对不同的材料对比率水平和图像噪声水平。 为了简化,采用了一种在平面应变假设下的弹性可压缩Neo-Hookean本构模型。 结果表明,施加的边界条件需要很高的细节水平。 这促使了一种改进的边界条件应用方法,该方法将整个MVE边界的本构材料参数以及运动学变量作为自由度。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.