对于304L不钢的七种独特几何形状的数字图像相关性和红外热像数据
E M C Jones1, P L Reu2, S L B Kramer3
1Diagnostics for Extreme Environments and Hypersonics, Sandia National Laboratories, Albuquerque, NM, USA. emjones@sandia.gov.
Scientific data
|October 9, 2024
概括
材料测试2.0 (MT2.0) 使用先进的全场数据和反向方法来更有效地识别材料. 本研究为304L不钢提供了全面的数据集,以推进这些技术.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 计算力学 计算力学 计算力学
背景情况:
- 传统上,材料识别需要进行大量的测试.
- 像材料测试2.0 (MT2.0) 这样的先进方法利用丰富的全场数据来提高效率.
- 复杂的反向校准技术对于处理复杂数据至关重要.
研究的目的:
- 为304L不钢提供全面的实验数据集.
- 支持材料识别的反向方法的开发和验证.
- 为了能够准确地建模速度依赖性,温度依赖性和异型金属可塑性.
主要方法:
- 使用材料测试2.0 (MT2.0) 范式,具有全场数据 (数字图像相关性,红外热学).
- 采用异质,多轴数据与反向校准技术 (有限元模型更新,虚拟场方法).
- 在7个独特的304L不钢样品几何形状上进行了各种应变速率和方向的实验.
主要成果:
- 创建了一个详细的数据集,包括全场移位,应变和温度数据.
- 包括从可拉伸的狗骨中获得的比较延伸计应变数据.
- 该数据集有助于提高材料识别和校准的可靠性.
结论:
- 提供的数据集是机械师社区的宝贵资源.
- 它将加速实验和计算材料识别方面的进步.
- 支持对工程应用的先进材料模型的改进.
