基于粒子群算法的ASTM结构钢延性断裂模型参数识别研究（英文）

摘要

目的：准确预测延性断裂需要确定材料参数（包括本构参数和延性断裂模型参数），以反映真实的材料响应。传统的材料参数标定方法往往依赖于试错法，需手动调整参数，直到相应的有限元模型得到与实验结果相匹配的材料力学响应。参数估计的过程通常是主观的。为了解决这一问题，本文将材料断裂参数辨识问题转化为优化问题，并引入粒子群优化（PSO）算法作为优化方法。创新点：1.基于粒子群优化算法，给出了自动识别钢材应变硬化参数的方法；2.建立了ASTM结构钢材Gurson-Tvergaard-Needleman（GTN）损伤模型的参数识别方法。方法：1.通过圆形缺口杆件的拉伸试验，以试验和有限元模拟的载荷-位移曲线差值为目标方程，采用PSO优化算法及参数自动校准程序，以最小化目标方程确定应变硬化准则和非耦合断裂模型的参数；2.基于文献调研的结果，确定GTN模型各参数的合理取值范围，以此确定PSO算法中参数的取值，从而能够高效、准确地确定GTN参数。结论：1. PSO算法能够准确地预测V形缺口试件的载荷-位移响应和延性断裂萌发，是一种识别延性断裂模型参数的有效算法；2. PSO在识别其他具有更多参数的断裂模型（如剪切修正GTN模型）方面具有很好的潜力，这些模型可以更准确地预测延性断裂。