Fenomenologické modelování cyklického zpevnění materiálu závislého na hladině zatížení

Abstract

Tato práce řeší fenomenologické modelování odezvy kovových materiálů při velkých deformacích. Zaměřuje se především na jev cyklického zpevnění materiálu a jeho závislosti na podmínkách zatěžování, což bylo pozorováno např. u austenitické nerezové oceli 08Ch18N10T. Je formulován konstitutivní model cyklické plasticity s~novou definicí cyklického zpevnění materiálu, která umožňuje korektně simulovat odezvu materiálu při velkých deformacích pro jenoosé i torzní namáhání. Pro popsaný model jsou určeny materiálové parametry pro ocel 08Ch18N10T. Je popsána implementace modelu do komerčního konečně-prvkového softwaru Abaqus pomocí uživatelské subrutiny USDFLD napsané v programovacím jazyce Fortran. Jsou prezentovány výsledky zkoušek rozsáhlého experimentálního programu provedeného na 6 různých geometriích zkušebních vzorků z oceli 08Ch18N10T. Na srovnání výsledků experimentů a jejich simulací jsou demonstrovány predičkní schopnosti navrženého modelu.

This doctoral thesis deals with the phenomenological modeling of the material response of metals for large strain loading conditions. The main focus is on the phenomenon of material cyclic hardening and its dependency on the loading conditions, which was observed on the austenitic stainless steel 08Ch18N10T. The formulation of a metal plasticity constitutive model with a new cyclic hardening rule is proposed to enable correct simulation of the material response under large strain for uniaxial and torsional loading conditions. Material parameters of the presented model for 08Ch18N10T steel are identified. The constitutive model is implemented as a Fortran code in the commercial FE-software Abaqus as a material subroutine USDFLD. The extensive experimental program with 6 different specimen geometries made of 08Ch18N10T steel is presented. The results of FE simulations of all these cyclic tests are presented. A comparison of simulated and experimentally measured response shows the prediction capability of the presented material model.