论文部分内容阅读
韧性材料在低温下通常变脆，而在较高温度下具有良好的韧性。裂纹尖端约束水平的降低会导致材料断裂韧度的提高。正确估计断裂韧度与约束水平、温度的关系就变得十分必要。根据A533B-1压力容器钢的实验数据，给出标准裂纹试件(a/w=0.5)的韧脆转化曲线(即，主曲线Master Curve)。用有限元分析三点弯曲试件裂纹尖端区域的应力场，采用J-42双参数方法对裂纹尖端的约束水平进行评估。分析了标准裂纹试件计算特征距离rc、约束参数A2与温度T的关系。根据J-A2方法，预测了各种浅裂纹(a/w=0.2，0.075)试件的断裂韧度曲线，预测曲线与实验数据吻合较好。
在对裂纹尖端应力、应变场进行弹塑性分析的基础上。采用BP人工神经网络来预测裂纹端约束效应：(1)用单边缺口弯曲试件韧带上三个点的应变及裂纹尺寸(a/w)作为网络的输入数据，J-积分和约束参数A2作为输出，训练神经网络。(2)用试件的不同尺寸、裂纹尺寸和外加载荷作为神经网络的输入，J-积分和约束参数A2作为输出，训练神经网络。结果表明，神经网络可以很好地预测裂纹尖端J-积分及约束参数A2。