Развитие методов и совершенствование средств исследования физико-механических свойств волокнисто-пористых материалов легкой промышленности (20.12.2010)

Автор: Соколовский Алексей Ратмирович

2 - эластичные кожи;

3 - полукожник;

на стадии микропластических деформаций с учетом объема образцов, при этом меньшей скорости соответствует больший предел прочности (таблица 4).

Таблица 4.

Погрешность аппроксимации не превышает 10%.

Полученные величины коэффициентов в уравнениях зависят от вида исследуемых кож, в связи с этим построение обобщающей зависимости приводит к понижению точности аппроксимации.

Разработана установка и методика для исследования АЭ и прогнозирования прочности кож при двухосном деформировании при продавливании зажатого по контуру образца в процессе активного деформирования контролируемого объекта.

Относительная погрешность прогнозируемого значения прочности по результатам двухосного деформирования составила не более 9,3%.

В четвертой главе разработана методика построения поверхностей предельных состояний материалов при сокращенном количестве испытаний за счет применения нейронно-сетевого моделирования. Основным преимуществом нейронных сетей по сравнению с классическими методами регрессионного анализа является принципиально более слабое требование к идентификации модели.

Разработан алгоритм исследования предельных состояний кожевой ткани (рис. 7) с применением нейро-сетевого моделирования, позволяющий повысить эффективность исследований.

На основе результатов численного моделирования разработаны основные принципы формирования базы данных нейронных сетевых моделей и установлены условия выбора моделей, обеспечивающие высокую точность прогноза.

Для моделирования была использована искусственная нейронная сеть многослойного перцептрона (MLP). В качестве метода обучения применялся метод обратного распространения ошибки – интерактивный градиентный алгоритм обучения, обладающий высокой устойчивостью.

Рис. 7. Алгоритм исследования предельных состояний кожевой ткани

Исследование работоспособности сетей проводилось на экспериментальных данных предельных состояний различных видов кож и кожевой ткани меховой овчины.

Для повышения эффективности работы сетей разработана методика статистического моделирования данных для обучения нейронной сети. Разработан ряд нейронных сетей для прогноза прочности волокнисто-пористого биокомпозита, исходя из различных входных параметров.

В таблице 5 приведены результаты исследований по точности прогнозирования отдельных моделей.

Таблица 5.

Точность прогнозирования разработанных

нейронных сетевых моделей

Входные переменные Выходные переменные Ошибка

X1 – значения прочности кожи в продольном направлении;

X2 – значения прочности лицевого слоя кожи в продольном направлении;

X3 – значения прочности кожи в поперечном направлении;

X4 – значения прочности лицевого слоя кожи в поперечном направлении Y1 – значения прочности кожи в направлении 450 к продольному направлению 0,1%

Y2 – значения прочности лицевого слоя кожи в направлении 450 к продольному направлению 3,8%

X1 – значения прочности кожи в продольном направлении;

X2 – значения предельных деформаций в продольном направлении;

X3 – значения прочности кожи в поперечном направлении;

X4 – значения предельных деформаций кожи в поперечном направлении Y1 – значения прочности кожи в направлении 450 к продольному направлению 3,1%

Y2 – значения предельных деформаций кожи в направлении 450 к продольному направлению 8,8%

В результате нейро-сетевого прогнозирования значений предельного напряжения на разрыв и предельных напряжений на разрыв лицевого слоя в направлении перпендикулярном хребтовой линии, исходя из значений предельных напряжений на разрыв и предельных напряжений на разрыв лицевого слоя кожи в направлении параллельном хребтовой линии по обобщенным данным по всем видам кож получено, что максимальная ошибка не превышает 14,06%. Дальнейшие исследования показали, что для увеличения точности прогноза необходимо построение нейросетевой модели для каждого вида кожи.

Использование разработанных нейро-сетевых моделей прогнозирования для каждого вида кож позволила увеличить точность прогноза до 9%.

Методика издана в виде отдельной научной брошюры, получила положительное заключение Новосибирского центра метрологии, стандартизации и сертификации и принята к использованию в производственных условиях предприятий кожевенного и мехового производства.

В пятой главе приведены результаты теоретических и экспериментальных исследований по разработке математических моделей, созданию методик и установок, для прогнозирования упругих и вязкоупругих свойств материалов.

Разработана пространственная структурно-механическая модель волокнисто-пористого материала, на основе двумерной модели Б.С. Резникова. Для построения уравнений состояния пористо-волокнистых биокомпозитов было принято, что механическая модель волокнистой основы материала состоит из повторяющихся элементов в виде октаэдров (рис.8). В отличие от обычных стержневых систем указанные элементы занимают некоторую часть объема элементарной ячейки материала.

Рис. 8. Структурный элемент кожевой ткани на мезоуровне как элементарный октаэдр

Механическое поведение связующего моделируется с помощью элементов АB, DF и CE, которые характеризуют деформирование связующего. При этом для простоты и определенности принято, что элементы AB, CE и DF имеют прямоугольное поперечное сечение толщиной hx, hy и hz а ширину bx, by и bz. Кроме того, введены следующие обозначения: OD = OF = lx, OC = OE = ly, OA = OB = lz – длины элементов DF, CE и AB соответственно; AE = EB = BC = CA = lyz, BD = DA = AF = FB = lxz, CD = DE = EF = FC = lxy – длины соответствующих элементов, волокна имеют прямоугольное сечение; hxz и bxz – толщина и ширина элементов AF, FB, BD и DA соответственно; hyz и byz – толщина и ширина элементов AE, EB, BC и CA; hxy и bxy – толщина и ширина элементов CD, DE, EF и FC. Таким образом, данная модель представлена в виде октаэдра, имеющего один из ромбов (CDEF) в качестве секущей плоскости (OXY), который делит рассматриваемый октаэдр на две четырехугольные пирамиды, ориентированные таким образом, что секущий ромб является основанием для этих пирамид.

Для рассматриваемых композитов наиболее интересный вид деформирования с точки зрения их практического использования – растяжение вдоль осей структурной симметрии. В этом случае, учитывая особенности структуры материала (ее регулярность), считается, что усилия передаются только через узлы, в которых все элементы соединены шарнирно.

Введено понятие относительного удельного объемного содержания для каждого элемента композиции, т. е. отношение объема материала структурного элемента к суммарному объему всего материала октаэдра. Так, для волокон (т. е. элементов AF, FB, BD, DA):

для элементов AE, EB, BC, CA:


загрузка...