Những nguyên tắc cơ bản của hành vi đa nghi trong hệ thống tự động

Trong các thành phần như bụi cao su, gắn kết động cơ, làm mát mạch, đóng băng và bọt âm thanh phụ thuộc vào tính chất đặc biệt này. Không giống như vật liệu co giãn, chất lỏng phụ thuộc vào thời gian: chúng tiếp tục giảm dần dần sau khi nạp (crep), và không phục hồi ngay lập tức khi tải (lập tắt). Độ nhạy cảm này là quan trọng để dự đoán hoạt động của các phương tiện vận động thực sự, nhiệt độ cực kỳ cao, và cuộc sống cực kỳ dài.

Phản ứng thời gian: Sự sợ hãi và căng thẳng thư giãn

Sự căng thẳng gia tăng từ từ dưới sự căng thẳng liên tục, đối với một dây buộc hay dây buộc bằng cao su, sự leo trèo có thể dẫn đến sự mất đi lực đóng kín.

Nhiệt độ và sự phụ thuộc tần số

Ứng xử đa năng bị ảnh hưởng mạnh bởi nhiệt độ và tốc độ tải. Nguyên tắc này không thể thiếu đối với ứng dụng máy tính, vì một thành phần có thể thấy - 40 °C trong mùa đông và 100 °C dưới môi trường tình trạng tình trạng tình trạng tình trạng căng thẳng.

Những gương mẫu đẹp và giới hạn truyền thống

Các mô hình ban đầu sử dụng các lò xo và điểm gạch ngang - Mxwell, Kelvin-Voigt, và các chuẩn tuyến tính rắn (SSSSSS) (tin cơ bản trong sách giáo khoa) nhưng giảm thấp cho các yêu cầu tự động hiện đại.

Mô hình Maxwell

Trong những ngày dài, anh Maxwell dự đoán sẽ có những dòng chảy không thực tế cho việc dùng cao su để băng qua đường cao su.

Mô hình Kelvin-Vigt

Một điểm xuân và gạch ngang trong những mô hình song song nhưng không thể diễn tả sự thư giãn căng thẳng, đồng thời dự đoán ngay phản ứng co giãn mà không có ở các chất rắn có tính chất cao.

Mô hình đặc chuẩn

Thêm một mùa xuân song song với yếu tố Maxwell sản xuất mô hình SLS, mà tốt hơn so sánh cả hai sw và thư giãn. dù vậy, nó chỉ sử dụng một thời gian thư giãn duy nhất, vì vậy nó không thể biểu diễn phổ rộng của thời gian thư giãn quan sát trong cao su điền và pha trộn chất lượng tử được dùng trong các phần ô tô.

Những mô hình truyền thống này đủ cho dự đoán đơn giản, ít hiệu quả nhưng thất bại dưới sự phân tích phức tạp, đa trục và không tuyến tính đặc trưng [FLT: 0] [FLT: 1] tính bền vững và giá trị phân tích.

Mô hình cấu hình thiết kế cao cấp cho mô phỏng chính xác

Để xác định giới hạn của các mô hình cổ điển, các nhà nghiên cứu và các nhà phát triển phần mềm đã đưa ra những phương thức tinh vi hơn, phù hợp với phân tích yếu tố hữu hạn (FEA) và các dữ liệu thử nghiệm.

Mô hình Maxwell đa dạng (Sổ tay bảo vệ)

Mô hình này thêm nhiều yếu tố Maxwell song song, mỗi yếu tố có thời gian thư giãn và độ cứng riêng biệt. Mô phỏng thư giãn [FLT: 0] [FLT: 1] được diễn tả như:

Hệ số loạt Prony (G i, i) được điều chỉnh từ dữ liệu phân tích cơ học động (DMA). Trong các gói thương mại như [FLT: 0] [FLT: 1] [FLT: 1] và Abaqus, mô hình Generalized Maxwell là chuẩn cho vật liệu giống cao su. Nó thu quang phổ thư giãn chính xác trong nhiều thập thông tin và tần số, cho phép mô phỏng nhiễu, rung động và các vấn đề lớn (H).

Mô hình Phân số

Trong khi các mô hình sắp xếp số nguyên sử dụng các suối (hình ngẫu nhiên) và chấm gạch (hình đơn), các mô hình đạo hàm phân số thay thế điểm gạch ngang bằng điểm kim với điểm kim loại có quan hệ chặt chẽ với một phân số phái sinh của stress hay căng thẳng. Tham số 0 & lt; i & lt; 1) nằm giữa độ đàn hồi tinh khiết (Gy = 0) và hành vi vscous = 1. Cách tiếp cận này đòi hỏi số tham số ít hơn số so với dữ liệu phức tạp.

Mô hình phân số đặc biệt hữu ích cho vật liệu có tính thư giãn điện tử, như cao su màu đen được dùng trong lốp xe và gắn kết thủy lực. Nền tảng mô phỏng tự động như phương pháp đa vật lý đa phương pháp COMSOL bây giờ bao gồm tính đa hợp phân số. Một tham khảo quan quan quan quan trọng là công việc [FLT: 0] mô hình phân số không có tính toán [FL: 1].

Mô hình không tuyến tính của Schapry

Mô hình của Schapry mở rộng khái niệm về thời gian giảm bằng cách đưa ra yếu tố chuyển dịch phụ thuộc vào stress.

Mô hình thay đổi nhiệt độ

Các mô hình kết hợp chức năng chuyển đổi WLF trực tiếp vào thời gian thư giãn, làm cho chúng phụ thuộc vào nhiệt độ. kết hợp với chuỗi Prony, điều này cho phép một thẻ vật liệu duy nhất bao gồm toàn bộ nhiệt độ hoạt động từ lạnh đến độ ngâm nhiệt đầy đủ.

Phân tích thành phần hữu hạn

Mô hình tổng hợp cao được kết hợp với nhau thông qua các tiểu lộ vật chất (MRAT, VUMAT) hoặc thư viện có sẵn. Quá trình này bao gồm ba bước:

  1. Ký tự thực tế: Thử nghiệm DMA ở nhiều tần số và nhiệt độ sản xuất lưu trữ và mất theo mô-đun.
  2. Mô hình tương ứng Các thuật toán cong xác định hệ số Prony series hoặc phân số tham số giảm thiểu lỗi giữa mô hình và dữ liệu.
  3. Thẩm tra: kiểm tra thành phần đơn giản (v. d., nén hạt) xác nhận rằng mô hình đã được điều chỉnh để dự đoán chính xác sự phân chia lực lượng.

Các kỹ sư phải đảm bảo rằng mô hình này hợp lệ cho việc tải lên. ví dụ, đệm đệm bọt có thể cần cả sự siêu hấp dẫn và độ cao tập thể nhỏ.

Ứng dụng tự động trong độ sâu

Những ví dụ sau đây cho thấy những luật cao cấp về sự khác biệt đáng kể.

Âm thanh, cách xử lý và khó nghe (NVH)

Mô hình gắn kết động cơ, khung khung nhỏ, dây treo và ống xả phải tách các rung động ra trong phạm vi tần số rộng 5–500 Hz). Mô hình máy được điều chỉnh bởi Maxwell đa hợp với series Prony cho phép các kỹ sư thiết kế bụi cây với các đỉnh ẩm ướt mục tiêu. Mô phỏng giảm mẫu tự lặp [FLT: 0] [FLT:]].

Sự sụp đổ và năng lượng vô giá trị

Hộp va chạm đa ngữ, ống bọt đầy bọt, và các ống hấp thụ áp suất bị biến dạng lớn với tốc độ cao (có thể lên đến 100 sS). Mô hình không tuyến tính của Schapry hoặc một mô hình tăng cường lệ thuộc tốc độ cần thiết để thu hồi sự cứng cứng lại. Nếu không có mô hình tổng hợp chính xác, mô phỏng có thể đánh giá quá cao năng lượng hấp thụ 30% hoặc hơn, dẫn tới thiết kế không an toàn.

Sự bền bỉ và sự mong đợi về sự sống

Những thành phần nhiệt được xây dựng trong quá trình nạp điện tử dẫn đến việc làm mềm và thất bại vật chất.

Đóng ấn và liên lạc với cơ khí

Các mô hình nhiên liệu cao dự đoán bao nhiêu lực trong suốt thời gian vận chuyển, cho phép các nhà thiết kế xác định tỷ lệ nén ban đầu đảm bảo việc đóng ấn sau nhiều thập kỷ.

Sự cải tiến trong việc tạo mô hình tự động

Biên giới của mô hình tổng hợp đang được định hình lại bởi phương pháp điều khiển dữ liệu và phương pháp tiếp cận đa quy mô.

Mạng thần kinh học và vật lý học

Mạng thần kinh có thể học được mối quan hệ căng thẳng trực tiếp từ dữ liệu thí nghiệm, bỏ qua tham số truyền thống phù hợp với mạng thần kinh vật lý (PINNs) gắn kết các phương trình vi phân của tính tự nhiên vào chức năng mất mát, tạo ra các mô hình vừa trung thành vừa phù hợp với thể chất. các ứng dụng ban đầu trong mô hình lốp cho thấy lời hứa về việc sử dụng và kháng sinh.

Mô hình cao su đa quy mô

Các máy lọc carbon và silica tạo ra một mạng lưới phức tạp cung cấp độ bền cao cho cao su. Mô hình cấu hình cấu hình cấu hình kết các động lực phân tử (MD) với tính năng tổng hợp đang được phát triển. Mô hình đa quy mô như thế có thể dự đoán sự thay đổi trong nạp bộ nạp đầy ảnh hưởng đến tính chất vscoeltic, cho phép thiết kế vật liệu ảo cho lốp xe tải có thể chạy được thấp.

Mô phỏng đa thể chất tích hợp

Hệ thống tự động ngày càng kết hợp: nhiệt, cấu trúc và hiện tượng âm thanh tương tác với nhau, mô hình nhiệt độ cao bao gồm sự phụ thuộc nhiệt độ và nhiệt độ cho phép mô phỏng nhiệt độ đồng thời.

Kết luận

Các mô hình tổng hợp chính xác cho vật liệu tự động là thiết yếu cho kỹ thuật máy móc hiện đại. trong khi các mô hình trồng cây hoa hồng truyền thống cung cấp nền tảng khái niệm mùa xuân, họ thiếu sự trung thành cần thiết cho sự dự đoán của NVH, khả năng thất bại, và tính khả năng tự xác định. Các mô hình cấp cao - đa hợp chất Maxwell (t; xuất bản phân số), đạo hàm phân số, Schpry phi tuyến tính, và các dạng chuyển hóa nhiệt độ - khi được điều chỉnh đúng đắn để chống lại dữ liệu thực nghiệm, cho phép tối ưu hóa thành phần tự tin. Sự kết hợp của các mô hình này tiếp tục tiến hóa, và kỹ thuật hiện như là sự kết hợp với nhiều kỹ thuật và kết hợp với các công cụ lớn hơn.