자동차 공학의 Viscoelastic 재료에 대한 고급 소모품 모델

자동차 시스템의 Viscoelastic Behavior의 기초

비스켈리스틱 재료는 탄성 고체와 점성 액체 행동을 결합합니다. 자동차 공학, 고무 투관, 엔진 산, 진동 차단기, 실란트 및 음향 거품과 같은 성분은 이 유일한 이중성에 의존합니다. 순수한 탄력 있는 물자와는 달리, 점성 물질은 짐의 밑에 시간 의존하는 개악을 전시합니다: 그들은 (creep) 적재 후에 천천히 변형하고 짐이 제거될 때 즉시 재기하지 않습니다 (relaxation). 이 시간 감도는 긴 수명, 극단적으로 긴 수명 및 극단적으로 서비스로 실제적인 성과에 있는 실제적인 성과에 대하 비판합니다.

시간 정의 응답: 크리프와 스트레스 완화

크리프는 일정한 긴장의 밑에 긴장에 있는 점차적인 증가를 설명합니다. 자동 실란트 또는 고무 틈막이를 위해, 크리프는 바다표범 어업 힘의 손실에 지도할 수 있습니다. 긴장 이완은 일정한 긴장의 밑에 긴장에서 점차적인 감소를 합성 구조 또는 긴장된 벨트에 있는 전하 놀이쇠와 같은 성분을 보호합니다. 이 페니메나의 정확한 모델링은 그것의 선적 역사의 물자의 기억을 붙잡는 constitutive 법률을 요구합니다.

온도와 빈도 의존

Viscoelastic 행동은 온도와 적재 비율에 의해 강하게 영향을 받습니다. 시간 온도 superposition 원리 (TTS)는 엔지니어가 Williams-Landel-Ferry (WLF) 방정식을 사용하여 빈도 그리고 온도의 맞은편에 시험 자료를 건설하는 주인 곡선을 허용합니다. 이 원리는 자동차 신청을 위해 불가결됩니다, 성분은 겨울에 있는 -40 °C를 볼지도 모르기 때문에 및 100 °C 언더건 환경. 빈도 의존은 Dashpot 같이 성분이 고주파 진동에서 진동하는 진동에 반응하는 방법 관리합니다.

전통적인 조밀 한 모델과 그들의 한계

스프링과 돌리포를 사용하여 조기 모델 - Maxwell, Kelvin-Voigt, 표준 선형 고체 (SLS) - 텍스트 북의 주요 기초이지만 현대 자동차 요구 사항에 대한 짧은.

Maxwell 모형

시리즈의 봄과 돌리포는 긴장 이완을 잘 예측하지만 정확한 주름을 캡처 할 수 없습니다. 상수한 스트레스에서 Maxwell은 교차 결합 된 고무에 대한 비현실적 인 흐름을 예측합니다.

Kelvin-Voigt 모델

평행한 모형 주름에 있는 봄과 dashpot는 그러나 긴장 이완을 설명할 수 없습니다. 그것은 또한 진짜 점성 고체에서 absent 인 즉석 탄력 있는 응답을 예측합니다.

표준 선형 솔리드 모델

Maxwell 요소와 병렬에 다른 봄을 추가하는 것은 SLS 모델, 더 나은 주름과 휴식 모두에 대해. 여전히, 그것은 단일 휴식 시간 만 사용, 그래서 그것은 자동 부품에 사용되는 채워진 고무 및 폴리머 혼합에서 관찰 된 휴식 시간의 넓은 스펙트럼을 대표 할 수 없습니다.

이 전통적인 모델은 단순하고 저주파 예측을 위해 적절하지만 복잡한, 다축 및 비선형 로드 조건에서 실패 ]SAE 내구성과 추락 분석.

정밀 시뮬레이션을위한 고급 소모품 모델

고전적인 모델의 한계를 해결하기 위해 연구원과 소프트웨어 개발자는 finite Element Analysis (FEA) 및 실험 데이터와 일치하는 더 정교한 정립을 도입했습니다.

일반 Maxwell 모델 (프로니 시리즈)

이 모델은 평행한에 있는 다수 Maxwell 성분을, 각각 분리되는 이완 시간 및 뻣뻣함 추가합니다. 긴장 이완 계수 G (t) 는 다음과 같이 표현됩니다:

] ]] ]] ]] ]] ] ] ] ] ] ] ] ] ]] ]] ] ]] ] ]

Prony 시리즈 계수 (G i, τ i)는 동적 기계 분석 (DMA) 데이터에서 측정됩니다. ANSYS과 Abaqus와 같은 상업 FEA 패키지에서 일반화된 Maxwell 모델은 고무 같은 재료에 대한 표준입니다. 그것은 시간 및 주파수의 수십 년 이상 정확하고, 소음, 진동 및 열악성 (NVH) 문제를 가능하게합니다.

분수 파생 모형

integer-order 모델 사용 스프링 (탄력)과 dashpots (viscosity), 분수 파생 모델은 체적 관계가 스트레스 또는 긴장의 분수 순서 파생물을 포함하는 스프링포와 함께 돌리포를 대체합니다. 매개 변수 α (0 < α < 1) 순수 탄성 (α = 0)과 순수한 비스코스 (α = 1) 동작 사이에 interpolates. 이 접근은 여전히 데이터에 적합하면서 Prony 시리즈보다 몇 가지 매개 변수가 필요합니다.

분수 모델은 특히 타이어 배즈 및 유압 마운트에 사용되는 탄소 검정 충전 고무와 같은 파워 law 휴식을 보여주는 재료에 유용합니다. COMSOL 멀티 물리학과 같은 자동차 시뮬레이션 플랫폼은 이제 분수 점도가 포함되어 있습니다. 주요 참조는 무한 변형 [[FLT : 1]의 [[FLT : 1]]의 [FLT : 1]의 [FLT : 1]의 [FLT : 1]의 [FLT : 1])의 작업입니다.

Schapery의 비선형 점성술 모형

크래프트의 변형과 높은 변형률은 충돌 이벤트인 선형 점도가 실패합니다. Schapery의 모델은 응력 의존적인 이동 요인을 도입하여 감소된 시간의 개념을 확장합니다. 그것은 하중에서 폴리머 가용으로 발생하는 경화 또는 연화를 설명할 수 있습니다. 이 모델은 자동차 안전 시스템에서 충돌 시뮬레이션에 채택됩니다.

온도 조절 모델

진보된 constitutive 모형은 WLF 교대 기능을 직접 이완 시간으로 통합하고, 그(것)들을 온도 의존하는 만듭니다. Prony 시리즈도 결합해, 이것은 찬 시작에서 가득 차있는 열 담에 전체 작용 온도 범위를 커버하는 단 하나 물자 카드를 허용합니다.

Finite Element Analysis 구현

고급 구성 모델은 FEA로 소재 하위 라틴 (UMAT, VUMAT) 또는 내장 라이브러리를 통해 통합됩니다. 이 과정은 세 가지 단계가 포함되어 있습니다.

실험 특성화:] 여러 주파수 및 온도 산출량 저장 및 손실 moduli의 DMA 테스트.
Parameter fitting: 곡선 피팅 알고리즘은 모델과 데이터 사이의 오류를 최소화하는 Prony 시리즈 계수 또는 분수 주문 매개 변수를 결정합니다.
Validation: 간단한 구성요소 테스트(예: 부싱 압축)은 교정된 모델이 정확한 강제 분리를 예측한다는 것을 확인합니다.

엔지니어는 모델이 의도 한 로딩 속도에 대한 유효성을 보장해야합니다. 예를 들어, 폼 시트 쿠션은 큰 변형률과 작은 변형 점도가 모두 요구 될 수 있습니다. 분수 대시포와 함께 Bergström-Boyce 또는 Zener와 같은 고급 모델은 이러한 결합 된 행동을 처리 할 수 있습니다.

자동차의 특징

현대 차량은 정확한 점성술 모형에 성과, 안전 및 안락을 개량하기 위하여 의존합니다. 진보된 constitutive 법률이 measurable 다름을 만드는 뒤에 오는 예 하이라이트.

소음, 진동 및 해시성 (NVH)

엔진 마운트, 서브 프레임 부싱 및 배기 행거는 넓은 주파수 범위 (5 ~ 500 Hz)에서 진동을 격리해야합니다. Prony 시리즈와 함께 조정 된 일반 Maxwell 모델은 엔지니어가 대상 댐핑 피크를 설계 할 수 있습니다. 시뮬레이션은 [[FLT : 0]]NVH 정제 [[FLT : 1]]에 대한 프로토 타입의 반복을 감소시킵니다.

Crashworthiness와 에너지 흡수

폴리머 충돌 상자, 폼 충전 튜브 및 범퍼 흡수기는 고속 (최대 100 s-1)에서 큰 변형을 겪고 있습니다. Schapery의 비선형 모델 또는 비율 의존적 인 hyperelastic 모델은 변형률 경화를 캡처해야합니다. 정확한 constitutive 모델없이 시뮬레이션은 30 % 이상의 에너지 흡수를 견딜 수 있으며 안전한 디자인에 중점을 두어 있습니다.

내구성과 피로 생활 예측

순환 선적 도중 점성 성분에 있는 열 건축은 물자 연화 및 eventual 실패에 지도합니다. 분수 유래물 모형은 hysteresis 내부 열 발생에서 온도 상승을 예측할 수 있습니다. 이것은 엔진 산과 수풀을 위한 냉각 경로 그리고 물자 정립을 낙관하는 엔지니어가 주기의 수백만을 생존해야 하는 것을 허용합니다.

씰링 및 접촉 메커니즘

오일 팬, 밸브 커버 및 도어 씰에 대한 가스켓은 수년간 압축을 유지해야합니다. 시간 의존적 인 휴식은 클램프의 손실을 유발합니다. 고급 점도적 인 모델은 차량 수명에 얼마나 많은 힘 감퇴를 예측하고 디자이너가 수십 년 후에도 밀봉을 보장하는 초기 압축 비율을 지정할 수 있습니다.

자동차용 Viscoelastic Modeling의 Emerging Trend

정량 모델링의 국경은 데이터 중심의 방법과 다중한 접근법으로 재 형성됩니다.

기계 학습 및 물리 기반 신경망

신경 네트워크는 실험적인 자료에서 직접 스트레스 변형 관계를 배울 수 있습니다, 전통적인 매개 변수 피팅 우회. 물리 변형 신경 네트워크 (PINNs)는 점도 기능으로 점도의 차별 방정식을 부여, 데이터 - 감정과 물리적으로 일관성있는 모델 생성. 타이어 모델링 쇼의 초기 응용은 마모와 롤링 저항을 예측합니다.

필링 고무의 Multiscale 모델링

탄소 검정과 실리카 필러는 고무 그것의 힘을 주는 복잡한 네트워크를 창조합니다. 연속적인 FEA에 분자 역학 (MD) 가장를 연결하는 Constitutive 모형은 개발되고 있습니다. 그런 다 가늠자 모형은 충전물 선적에 있는 변화가 점성에 영향을 미치는, 차세대 저압 저항 타이어를 위한 가상 물자 디자인을 가능하게 하는 것을 예측할 수 있습니다.

통합 멀티 물리 시뮬레이션

자동차 시스템은 점점 결합됩니다. 열, 구조상 및 음향 현상은 상호 작용합니다. 온도 의존과 열 발생을 포함하는 고급 점도적 모델은 동시 열역학 시뮬레이션을 허용합니다. 예를 들어, 브레이크 패드 댐퍼의 성능은 20 °C에서 400 °C까지 온도가 증가하는 현실적인 제동 시나리오에서 평가 될 수 있습니다.