编辑: 鱼饵虫 2019-07-13

2 V a l i d a t i o no f t r a n s f e r f u n c t i o nm e t h o d 图2是我们采用数值试验, 对转换函数法在处 理复杂结构波形时的验证结果.先设定材料参数和 加载波形, 分别计算铜/ L i F窗口界面速度曲线和原 位速度曲线, 再以计算的界面速度曲线作为 实验 的速度曲线并对其进行转换函数还原, 将还原结果 和计算的原位结果进行比较, 发现还原的结果和计 算结果完全吻合, 表明该方法对复杂结构的速度波 形具有良好的适用性. 在实际过程中, 考虑到材料强度、 粘性耗散等因 素, 很难做到计算的界面速度波形和实验结果完全 吻合, 因此需对转换函数方法的健壮性进行考核, 即 当计算的速度波形和实验速度波形存在一定的偏差 图3 不考虑强度效应时的转换函数方法健壮性验证 F i g .

3 R o b u s t n e s sv a l i d a t i o no f t r a n s f e r f u n c t i o nm e t h o d b y i g n o r i n gt h es t r e n g t he f f e c t 时, 采用转换函数计算的原位速度是否可靠.图3 给出了采用未考虑强度效应的计算波形对考虑了强 度效应的 实验 波形进行近似, 转换函数方法计算 的原位速度波形和真值的比较.由于强度效应只是 导致计算和 实验 速度波形在峰值位置出现较明显 的偏差, 因此对还原的原位速度影响不大.图4分 别为计算的速度幅值相对 实验 结果偏差1 0%和 计算波形的脉宽相对 实验 结果偏差5%时, 采用 转换函数方法计算的原位粒子速度与真值的比较. 比较结果表明速度偏差1 0%, 脉宽偏差5%时, 转换 函数方法仍具有较好的适用性.此外, 我们还计算 了不同窗口阻抗匹配以及自由面情形下的原位速度 还原, 均获得了满意的结果. 图4 转换函数方法健壮性验证 F i g .

4 R o b u s t n e s sv a l i d a t i o no f t r a n s f e r f u n c t i o nm e t h o d

5 4

2 第2期 罗斌强, 等:斜波压缩实验数据的正向 L a g r a n g e处理方法研究

3 斜波压缩实验数据处理 以磁驱动斜波压缩强度测量实验结果为例, 联合使用正向 L a g r a n g e方法和转换函数方法对实验结 果进行分析, 分析结果如图5所示.图5( a ) 给出了台阶靶的自由面速度曲线, 对实验测量的自由面速 度曲线做1 / 2近似, 以此获得的原位速度曲 线做正向数据处理, 给出 CL - u 曲线如图 5( b) 所示.由图5 ( b ) 可知, 给出加载段体波声速的线性拟合为CL= C 0+2 λ u=3.

3 4+2.

5 5 u, 由此给出 G r ü n e i s e n状 态方程的C 0=3.

3 4k m / s , λ=1.

2 7, 将其带入反积分程序[

2 1 ] , 计算加载界面的压力和速度历史, 并给出 G r ü n e i s e n状态方程的参数优化值.以反积分提供的加载界面压力( 或速度) 边界为基础, 正向计算给 出样品自由面的速度剖面, 要求计算的界面速度曲线和实验结果尽量的接近;

同时正向计算可给出样品 厚度位置的原位速度剖面, 计算结果如图5( c ) 所示.再根据计算的界面速度和原位速度, 采用转换函 数方法, 对实验测量的自由面速度进行还原, 获得的原位速度如图5( d ) 所示.利用实验结果的原位速 度, 正向计算给出加载 - 卸载过程中材料的CL - u 曲线如图5 ( e ) 所示. 图5 L a g r a n g e方法和转换函数方法在强度实验数据分析中的应用 F i g .

5 A p p l i c a t i o no fL a g r a n g i a nm e t h o da n dt r a n s f e r f u n c t i o nm e t h o d s i ne x p e r i m e n t a l s t r e n g t hd a t aa n a l y s i s 由图5( e ) 可见, 采用转换函数方法进行数据处理获得的声速在加载末期出现了下降, 这体现了加 载后期应变率的剧烈变化以及加载波形衰减对声速计算的影响.采用转换函数方法计算的卸载声速相 对自由面1 / 2近似计算结果偏小约8%, 转换函数方法计算的卸载时弹性纵波声速的最大值和理论结 果更为接近.根据实验测得的加载 - 卸载过程中拉氏声速的变化, 即可参照文献[

下载(注:源文件不在本站服务器,都将跳转到源网站下载)
备用下载
发帖评论
相关话题
发布一个新话题
大家都在看的话题