Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

13.11.2017 | Ausgabe 5/2017

Mechanics of Composite Materials 5/2017

Numerical Prediction of the Parameters of a Yield Criterion for Fibrous Composites

Zeitschrift:
Mechanics of Composite Materials > Ausgabe 5/2017
Autoren:
E. Małachowski, G. L’vov, S. Daryazadeh
Wichtige Hinweise
Translated from Mekhanika Kompozitnykh Materialov, Vol. 53, No. 5, pp. 843-862 , September-October, 2017.
A correction to this article is available online at https://​doi.​org/​10.​1007/​s11029-018-9710-3.
A numerical procedure is developed for predicting the parameters of a yield criterion for metal-matrix composites on the basis of known mechanical properties of the matrix and fibers. The macrocriterion of yielding is taken in the form of an invariant quadratic function of average stresses, with the use of a fourth-rank tensor. Transition to the plastic state is fixed using a FEM analysis of the distribution of stresses within the minimum representative volume of composite. A new procedure to simulate the periodicity conditions for the representative volume at a uniform average stress state of composite is proposed. A numerical analysis showed that the structure of yield function has to reflect the possibility of plastic deformations of composite in hydrostatic macroloading even if the matrix and fibers do not deform plastically at such a loading. For an orthogonally reinforced boron-aluminum composite, components of its yield tensor are determined, and convexity of the yield surface is established. Yield surfaces are constructed for different plane stress states of the composite.

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

Weitere Artikel der Ausgabe 5/2017

Mechanics of Composite Materials 5/2017Zur Ausgabe

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