Dita Matesová, David Lehký, Zbyněk Keršner

Prezentace na téma: "Dita Matesová, David Lehký, Zbyněk Keršner"— Transkript prezentace:

1 Dita Matesová, David Lehký, Zbyněk Keršner
SIMULACE LOMOVÉ ZKOUŠKY KVAZIKŘEHKÝCH MATERIÁLŮ PODROBENÝCH VYSOKOTEPLOTNÍMU NAMÁHÁNÍ Dita Matesová, David Lehký, Zbyněk Keršner

2 MOTIVACE OBSAH PREZENTACE
Použitelnost parametrů získaných z experimentů pro nelineární numerické simulace Možnosti modelování chování tepelně namáhaných kvazikřehkých materiálů dostupnými prostředky OBSAH PREZENTACE Experiment Simulace – model, identifikace parametrů Výsledky – l-d diagramy, parametry Závěry

3 EXPERIMENT – provedení a výstupy
MATERIÁL Malta alkalicky aktivovaná vysokopecní struska sušené vodní sklo sodné SUSIL 2020 křemenný písek max. 3 mm EXPERIMENT – provedení a výstupy tříbodový ohyb na trámečcích 40x40x160 se zářezem (zatěžováno deformací), tlak na zlomcích maximální teploty výpalu 20 (ref.), 200, 400, 600, 800, 1000 a 1200°C rychlost výpalu 3°C/min, výdrž při maximální teplotě 60 min residuální lomově/mechanické vlastnosti – modul pružnosti, efektivní délka trhliny, lomová houževnatost, hnací síla trhliny, lomová energie, pevnost v tahu za ohybu, pevnost v tlaku, aj.

4 ATENA MODEL PRO SIMULACI
2D simulace materiálový model SBETA – požadované parametry: E, m, Rt, Rc, Gf, ec, wd, r monitorována síla a svislý průhyb uprostřed rozpětí

5 IDENTIFIKACE PARAMETRŮ SBETA MODELU
Identifikační metoda založená na kombinaci umělé neuronové sítě a stochastické analýzy (simulace LHS, citlivost) POUŽITÝ TYP NEURONOVÉ SÍTĚ (Vícevrstvý perceptron): Sada neuronů uspořádaná v několika vrstvách Všechny neurony jedné vrstvy jsou spojeny se všemi neurony vedlejších vrstev

6 POUŽITÁ NEURONOVÁ SÍŤ 3 neurony ve výstupní vrstvě – lineární přenosová funkce 15 bodů l-d diagramu 8 neuronů ve skryté vrstvě – nelineární přenosová funkce

7 TRÉNOVÁNÍ SÍTĚ 3 sady teplot: 1) 20, 200 a 400°C, 2) 600, 800, 1000°C, 3) 1200°C trénovací množina 20 realizací l-d diagramů s náhodně zvolenými parametry Ec, ft a Gf k učení sítě byl zvolen algoritmus zpětného šíření chyby (backpropagation) 20 náhodných realizací – trénovací množina pro 20, 200 a 400°C

8 VÝSLEDKY Teploty 20, 200 a 400°C: experiment vs. identifikace 20°C

9 VÝSLEDKY Teploty 600, 800 a 1000°C: experiment vs. identifikace 600°C

10 VÝSLEDKY Teplota 1200°C: experiment vs. identifikace 1200°C

11 PARAMETRY - experiment výstupy vs. simulace vstupy

12 ZÁVĚRY Simulace vystihuje skutečné chování trámečků při lomové zkoušce v celém rozsahu zkoušených teplot Dominantní vstupní parametry pro 3PB jsou modul pružnosti, pevnosti v tahu a lomová energie Experimentálně zjištěné parametry se více či méně shodují se vstupními parametry pro simulaci DALŠÍ PRÁCE Ověření možnosti simulace a použitelnosti parametrů z experimentů pro tlačené prvky Simulace kvazikřehkých materiálů s nerovnoměrným rozložením teploty