在随机弹网络模型中记录骨折的统计数据
Subrat Senapati1, Subhadeep Roy2,3, Anuradha Banerjee1
1Department of Applied Mechanics, <a href="https://ror.org/03v0r5n49">Indian Institute of Technology Madras</a>, Chennai-600036, India.
Physical review. E
|October 19, 2024
概括
创纪录的损坏雪崩的统计数据预测材料断裂. 最大等待应变间隔表明加速骨折,提供了与其他方法不同的实时前体.
科学领域:
- 材料科学 材料科学 材料科学
- 物理 物理学 物理
- 统计力学 统计力学
背景情况:
- 在拉伸负荷下预测异质材料的材料断裂至关重要.
- 了解损坏雪崩统计数据是破裂预测的关键.
研究的目的:
- 调查雪崩损害记录统计数据在预测材料断裂中的作用.
- 在异质材料中识别最终骨折的前体.
主要方法:
- 使用2D随机弹网络建模异质材料.
- 通过随机断裂值菌株引入混乱.
- 分析连续雪崩记录之间的等待应变间隔.
主要成果:
- 在中度疾病中观察到雪崩记录的最大等待应变间隔,表明加速骨折.
- 这种特征在低 (核化主导) 和高 (透类型) 障碍制度中是不存在的.
- 记录统计数据提供了实时破裂的先驱,在传统的雪崩指数交叉预测之前.
结论:
- 创纪录的雪崩损害统计数据可以作为材料断裂的可靠实时预测器.
- 最大的等待应变间隔的时间提供了故障的重要前体.
- 虽然故障应变与最大等待应变间隔的相关性很弱,但记录指数显示了更强的相关性.
更多相关视频
07:12Semiautomated Longitudinal Microcomputed Tomography-based Quantitative Structural Analysis of a Nude Rat Osteoporosis-related Vertebral Fracture Model
Published on: September 28, 2017
8.1K
09:12A Method for Studying the Temperature Dependence of Dynamic Fracture and Fragmentation
Published on: June 28, 2015
8.5K
