Loading [MathJax]/jax/output/CommonHTML/jax.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >材料的名义应力、应变与真实应力、应变转换公式的推导

材料的名义应力、应变与真实应力、应变转换公式的推导

作者头像
fem178
发布于 2021-05-18 07:16:53
发布于 2021-05-18 07:16:53
19.9K01
代码可运行
举报
运行总次数:1
代码可运行

材料的名义(Nominal)应力、应变是基于变形前的数据计算得到,

其中

为试件初始截面面积,

为试件初始长度。名义应力、应变也叫工程(Engineering)应力、应变。

CAE软件需要采用基于变形后的应力、应变,即真实的应力、应变。

其中

为试件当前截面面积,

为试件当前长度。

两种应力、应变的转化公式为:

下面来推导这两个公式。

一) 了解定积分的精确定义。点击这里:

定积分的精确定义(重排版)

二) 根据试件的体积不变的原则可得

,即

于是

三) 假设荷载

分为

个增量步,且每个增量步产生相同的伸长量

,如图所示

总应变

再和定积分的精确定义比较

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制

import math
import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']  # 正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False    # 正常显示负号


# 名义应力应变
eps_N   = np.array([0, 0.00060117, 0.0010815,0.0017279,0.0022288,0.0028608,0.00348034,
                0.00404227,0.0045566,0.0051164,0.0058212,0.00674012,0.0078904,0.0092845,
                0.010934,0.012828,0.014924,0.017178])
sigma_N = np.array([490.393,503.8289, 512.22608,520.62322,529.020377,537.41752,545.81467,554.21182,
            562.60897,571.00612,579.40327,587.800419,596.197567,604.594716,612.99186,
            621.3890,629.78616,638.18331])

n = len(sigma_N)
print(n)

#真实应力应变
sigma_T = np.zeros((n))
eps_T   = np.zeros((n))

for i in range(n):
    sigma_T[i] = sigma_N[i] *( 1 + eps_N[i] )
    eps_T[i]   = math.log( 1 + eps_N[i] )

v1 = np.array( [ 0 ] )
eps_N1 = np.hstack( (v1, eps_N) )
sigma_N1 = np.hstack( (v1, sigma_N) )
eps_T1 = np.hstack( (v1, eps_T) )
sigma_T1 = np.hstack( (v1, sigma_T) )

fig, axs = plt.subplots(1, 1,  figsize=(14,6) )

axs.plot(eps_N1, sigma_N1, label="M1", linewidth = 2) 
axs.plot(eps_T, sigma_T, label="M1", linewidth = 2, color = "dimgrey")

plt.legend(["Nominal","True"]) 
plt.xlim(-0.0001, 0.019)
plt.ylim(0, 760)
axs.set_xlabel('Strain', fontsize = 18)
axs.set_ylabel('Stress', fontsize = 18)
fig.savefig('./f118.png', dpi = 400) #保存图片 
plt.show()

这里弹性应变很小,弹性段几乎成铅锤。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-04-29,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 数值分析与有限元编程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
Python画弯矩图剪力图(三)
有限元计算只能得到杆单元两端的节点位移和内力,单元任意截面的位移和内力需要通过迭加原理得到。
fem178
2021/03/09
1.7K0
Python画弯矩图剪力图(一)
Python画弯矩图,都以分段直线近似代替曲线,分段越多,越接近真实的弯矩曲线,就像这样
fem178
2021/03/09
2.3K0
高精度空间转录组分析之squidpy和空间网络图
追风少年i
2024/05/31
3970
高精度空间转录组分析之squidpy和空间网络图
双线性弹塑性模型(四)
本节内容为在牛顿-拉夫逊方法中集成基于随动硬化模型的当前应力计算。 对于非线性的问题,一般将其线性化为 一次迭代得到的是位移增量,如图所示 接下来要将位移增量转化为应变增量,以一维杆结构为例,其应变增
fem178
2021/07/01
4.1K0
如何在黎曼意义下定义相关矩阵的内均值?
PSD锥(协方差矩阵的集合)的黎曼几何形状非常好理解,大家可以参考下面的两个课件:
量化投资与机器学习微信公众号
2020/03/04
1.6K0
如何在黎曼意义下定义相关矩阵的内均值?
【目标跟踪】卡尔曼滤波(公式推导与代码)
​ 1、卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作是滤波)过程。
读书猿
2024/02/05
1.2K0
【目标跟踪】卡尔曼滤波(公式推导与代码)
python 单变量线性回归
单变量线性回归(Linear Regression with One Variable)¶ In [54]: #初始化工作 import random import numpy as np import matplotlib.pyplot as plt # This is a bit of magic to make matplotlib figures appear inline in the notebook # rather than in a new window. %matplotlib inl
JadePeng
2018/03/12
1.6K0
python 单变量线性回归
机器学习实战-KNN算法实战-网站约会配对
海伦女士一直在使用约会网站来寻找适合自己的约会对象。尽管约会网站会推荐不同的人选,但是海伦不是喜欢每个人。经过一番的总结,她发现自己喜欢过3个类型的人:
皮大大
2021/02/28
1.5K0
机器学习实战-KNN算法实战-网站约会配对
PID横向控制和仿真实现
PID是一种常见的控制算法,全称为Proportional-Integral-Derivative,即比例-积分-微分控制器。PID控制器是一种线性控制器,它将设定值与实际值进行比较,根据误差的大小,控制器会相应地调整系统的比例、积分和微分系数,以减小误差。
艰默
2024/01/11
4460
PID横向控制和仿真实现
双线性弹塑性模型(五)
本节内容为多杆结构的弹塑性有限元计算。 对于弹塑性材料, ,其中 含多个杆单元的结构,需要分别判断每个单元的弹塑性状态,确定是 或者 参与计算。 [算例] 如图所示,两个并联的杆,一段固定,另一端另一
fem178
2021/07/23
3.5K0
Python数据抓取与可视化实战——网易云课堂人工智能与大数据板块课程实战
本篇内容数据抓取对象为网易云课堂人工智能与大数据板块课程信息,使用的工具是urllib+postman,因为直接构建的POST抓取的josn数据包,所以数据抓取的代码非常简单,没有繁杂的xpath或者css表达式。可视化部分使用matplotlib,感谢刘顺祥大神的matplotlib教程系列,让我没怎么费力气就直接复用了大量代码! https://mp.weixin.qq.com/s/E_r5ZsV9HOyuhnFwqsRXeA 以下是数据抓取部分代码: import json,time from url
数据小磨坊
2018/04/11
1.4K0
Python数据抓取与可视化实战——网易云课堂人工智能与大数据板块课程实战
泰勒公式和Gamma函数
泰勒公式,也称泰勒展开式。是用一个函数在某点的信息,描述其附近取值的公式。如果函数足够平滑,在已知函数在某一点的各阶导数值的情况下,泰勒公式可以利用这些导数值来做系数,构建一个多项式近似函数,求得在这一点的邻域中的值。
润森
2019/08/29
2.7K0
泰勒公式和Gamma函数
Matplotlib 1.4W+字基础教程来了(收藏吃灰去吧~~)
参考:Rougier N P, Droettboom M, Bourne P E, et al. Ten Simple Rules for Better Figures[J]. PLOS Computational Biology【IF 4.7】, 2014, 10(9).感兴趣戳:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4161295/pdf/pcbi.1003833.pdf
DataCharm
2021/02/22
1.5K0
Matplotlib 1.4W+字基础教程来了(收藏吃灰去吧~~)
机器学习基础与实践(三)----数据降维之PCA
写在前面:本来这篇应该是上周四更新,但是上周四写了一篇深度学习的反向传播法的过程,就推迟更新了。本来想参考PRML来写,但是发现里面涉及到比较多的数学知识,写出来可能不好理解,我决定还是用最通俗的方法解释PCA,并举一个实例一步步计算,然后再进行数学推导,最后再介绍一些变种以及相应的程序。(数学推导及变种下次再写好了) 正文:   在数据处理中,经常会遇到特征维度比样本数量多得多的情况,如果拿到实际工程中去跑,效果不一定好。一是因为冗余的特征会带来一些噪音,影响计算的结果;二是因为无关的特征会加大计算量,耗
Charlotte77
2018/01/09
9220
机器学习基础与实践(三)----数据降维之PCA
1,Kalman滤波器参数如何选取
新冠居家封闭期间,对参考文献中估计常数的例子,初次使用python的NumPy库进行仿真,深入理解Kalman滤波器的参数对滤波性能的影响。
雷科
2020/02/15
3K0
Numpy和MatplotlibPython科学计算——Numpy线性代数模块(linalg)随机模块(random)Python的可视化包 – Matplotlib2D图表3D图表图像显示
Python科学计算——Numpy Numpy(Numerical Python extensions)是一个第三方的Python包,用于科学计算。这个库的前身是1995年就开始开发的一个用于数组运算的库。经过了长时间的发展,基本上成了绝大部分Python科学计算的基础包,当然也包括所有提供Python接口的深度学习框架。 基本类型(array) array,也就是数组,是numpy中最基础的数据结构,最关键的属性是维度和元素类型,在numpy中,可以非常方便地创建各种不同类型的多维数组,并且执行一些基本
SeanCheney
2018/04/24
2.8K0
Numpy和MatplotlibPython科学计算——Numpy线性代数模块(linalg)随机模块(random)Python的可视化包 – Matplotlib2D图表3D图表图像显示
LDA有标签数据降维
之前无标签数据降维PCA,那么像下图带有标签数据,如果用PCA降维将会投影到v轴上,这个投影方差最大,数据将变成不可分状态,LDA将把数据投影加上已有分类这个变量,将数据投影到u轴上 假设原数据分成n
用户1733462
2018/06/01
1.1K0
2 用kalman滤波器估计一维匀速直线运动目标的状态
本例参考 参考 何友. 雷达数据处理 第二章中对于一维匀速直线运动使用kalman滤波器的例子进行仿真
雷科
2020/03/07
1.3K0
数据可视化第二版-03部分-08章-分布
本系列博客为基于《数据可视化第二版》一书的教学资源博客。本文主要是第8章,分布可视化的案例相关。
IT从业者张某某
2023/10/16
2640
数据可视化第二版-03部分-08章-分布
python 数据可视化工具包 matplotlib
ps: 在 jupyter notebook 环境需要添加 %matplotlib inline ,使得绘图生成在 notebook 页面。其他环境需要去掉 %matplotlib inline。
我是一条小青蛇
2019/10/23
8870
python 数据可视化工具包 matplotlib
推荐阅读
相关推荐
Python画弯矩图剪力图(三)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验