基于数字孪生技术的金属裂纹扩展预测研究

摘要：

为解决金属材料的裂纹扩展预测,从而影响材料寿命在线预测的问题,本文提出了一种基于数字孪生领域技术的金属裂纹扩展预测的方法.在建立数字孪生模型的过程中,首先分析了金属材料断裂力学裂纹扩展机理,通过ABAQUS软件并以扩展有限元法(XFEM)为理论基础建立断裂力学仿真模型,采用金属裂纹扩展参数建模ABAQUS二次开发流程,得到仿真模型状态空间中随时间演化过程中裂纹尖端应力强度因子的数据,得到裂纹尖端应力强度因子数据后,使用最大周向应力准则为理论依据,作为预测下一时间步长的裂纹扩展角度,并将帕里斯公式的两端采取积分变形,以此推出选取的金属材料裂纹扩展模型的寿命预测.本文使用深度学习LSTM与非深度学习BP神经网络,分别对数据预测并进行对比.基于MAT-LAB软件仿真结果显示,深度学习LSTM网络预测比BP神经网络精度更高,3 个预测评价指标值相对较好.其中,均方误差(MSE)、百分比误差(MAPE)和R2 分别为 2.343 5%、0.337 8、0.998 63,为进一步实现金属裂纹扩展预测的数字孪生体自适应动态降阶建立了良好的前提.

关键词：数字孪生、ABAQUS、二次开发、LSTM、预测评价指标+

所属期刊栏目：13

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：146-152