Micromechanical modeling approach to derive the yield surface for BCC and FCC steels using statistically informed microstructure models and nonlocal crystal plasticity


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

In order to describe irreversible deformation during metal forming processes, the yield surface is one of the most important criteria. Because of their simplicity and efficiency, analytical yield functions along with experimental guidelines for parameterization become increasingly important for engineering applications. However, the relationship between most of these models and microstructural features are still limited. Hence, we propose to use micromechanical modeling, which considers important microstructural features, as a part of the solution to this missing link. This study aims at the development of a micromechanical modeling strategy to calibrate material parameters for the advanced analytical initial yield function Barlat YLD 2004-18p. To accomplish this, the representative volume element is firstly created based on a method making use of the statistical description of microstructure morphology as input parameter. Such method couples particle simulations to radical Voronoi tessellations to generate realistic virtual microstructures as representative volume elements. Afterwards, a nonlocal crystal plasticity model is applied to describe the plastic deformation of the representative volume element by crystal plasticity finite element simulation. Subsequently, an algorithm to construct the yield surface based on the crystal plasticity finite element simulation is developed. The primary objectives of this proposed algorithm are to automatically capture and extract the yield loci under various loading conditions. Finally, a nonlinear least square optimization is applied to determine the material parameters of Barlat YLD 2004-18p initial yield function of representative volume element, mimicking generic properties of bcc and fcc steels from the numerical simulations.

Об авторах

N. Vajragupta

Interdisciplinary Centre for Advanced Materials Simulation

Автор, ответственный за переписку.
Email: napat.vajragupta@rub.de
Германия, Bochum, 44801

S. Ahmed

Interdisciplinary Centre for Advanced Materials Simulation

Email: napat.vajragupta@rub.de
Германия, Bochum, 44801

M. Boeff

Interdisciplinary Centre for Advanced Materials Simulation

Email: napat.vajragupta@rub.de
Германия, Bochum, 44801

A. Ma

Interdisciplinary Centre for Advanced Materials Simulation

Email: napat.vajragupta@rub.de
Германия, Bochum, 44801

A. Hartmaier

Interdisciplinary Centre for Advanced Materials Simulation

Email: napat.vajragupta@rub.de
Германия, Bochum, 44801

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Ltd., 2017

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».