Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

13.11.2017

Damage effects of adhesives in modern glass façades: a micro-mechanically motivated volumetric damage model for poro-hyperelastic materials

Zeitschrift:
International Journal of Mechanics and Materials in Design
Autoren:
Michael Drass, Jens Schneider, Stefan Kolling

Abstract

This paper presents a micro-mechanically motivated volumetric damage model accounting for cavitation effects in modern glass connections, e.g. laminated glass connections. The volumetric part of an arbitrary Helmholtz free energy function is equipped with an isotropic damage formulation. To develop a micro-mechanical damage model, the porous micro-structure of a transparent structural silicone adhesive is analyzed numerically applying hydrostatic loading conditions. Based on the structural responses of different types of cubic representative volume elements incorporating an initial void fraction, three damage parameters are fitted utilizing the LevenbergMarquard algorithm. The present volumetric damage model is implemented into ANSYS FE Code using a UserMat subroutine, where the algorithmic setting is described in detail in the present paper. To compare the structural responses of cubic equivalent homogeneous materials with representative volume elements, benchmark tests under hydrostatic loading are performed. The results indicate that the novel damage model accounts adequately for volumetric damage due to the cavitation effect. A special form of the pancake test is described briefly. The test allows for visualizing the cavitation effect during experimental testing. The experimental results of the pancake test are compared with numerical results, where the pancake test is simulated incorporating the micro-mechanical damage model. The micro-mechanically motivated scalar, internal damage variable is equipped with the obtained damage parameters from the structural response of the representative volume elements. The results show an adequate approximation of the experiment through the simulation. However, to optimize the results of the simulation, an optimization study on the damage parameters is conducted utilizing the Downhill-Simplex algorithm. Using the optimized damage parameters, the simulation of the pancake tests is further improved. Hence, it is shown that the novel micro-mechanically motivated volumetric damage model is excellently suited to represent the cavitation effect in poro-hyperelastic materials.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit dem Kombi-Abo erhalten Sie vollen Zugriff auf über 1,8 Mio. Dokumente aus mehr als 61.000 Fachbüchern und rund 500 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit dem Technik-Abo erhalten Sie Zugriff auf über 1 Mio. Dokumente aus mehr als 40.000 Fachbüchern und 300 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Premium Partner

in-adhesivesMKVSNeuer Inhalt

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie

Maschinelles Lernen ist die Schlüsseltechnologie für intelligente Systeme. Besonders erfolgreich ist in den letzten Jahren das Lernen tiefer Modelle aus großen Datenmengen – „Deep Learning“. Mit dem Internet der Dinge rollt die nächste, noch größere Datenwelle auf uns zu. Hier bietet die Künstliche Intelligenz besondere Chancen für die deutsche Industrie, wenn sie schnell genug in die Digitalisierung einsteigt.
Jetzt gratis downloaden!

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

Bildnachweise