DCS系統 140MMB10400 為你所委托

DCS系統 140MMB10400 為你所委托

DCS系統 140MMB10400 為你所委托

結果和分析

案例1?試樣案例

按照上述工作流程的每個步驟進行解釋：

? 輸入

對于個應用，考慮拉伸試驗的試樣模型 (圖7)。Digimat材料為具有重量分數為30%的GF的增強PP材料。材料本構是一種各向異性彈塑性行為，其失效準則由不同加載方向上的失效應變來描述。

圖7: 試樣模型

? DoE

高保真度DoE變量是使用均勻分布生成的。這旨在更好地涵蓋所考慮的不確定性來源的范圍。在下一步評估可靠性時，使用高斯分布。在當前示例中，考慮了兩個主要的不確定性來源（圖8）：

? 不確定性1：注塑成型模擬結果，即每個積分點的取向張量（2個參數）

? 不確定性2：所考慮材料的失效極限（3個參數）

生成的DoE參數的結果如圖9所示。

圖8: 主要考慮的不確定性來源

圖9: 為試樣案例生成高保真度DoE

? ROM

首先，應當對降階模型進行定性和定量評估。對角線圖（圖10）顯示了模型預測的全場Fisher信息（FI）與真實計算的全場FI之間的近乎完美匹配。這可以通過針對不同數量的訓練數據評估的R2誤差參數來定量地證實。

? 定性評估：對角線圖（圖10）顯示，針對FI的所有值，模型預測結果與真實計算結果非常一致。這表明該模型可以捕捉FI場的基本特征。

? 定量評估：R2分數是衡量模型預測與真實值之間擬合好壞的指標。對于訓練數據的所有值，R2分數接近1，這表明該模型與數據很好地擬合。

總體而言，定性和定量評估的結果表明，ROM可以準確預測FI場。這意味著ROM可以用于設計和優化具有高可靠性的產品。

圖10: 驗證針對試樣案例的訓練ROM

? 假設分析

假設分析功能是利用經過訓練的ROM的種方法。該功能包括使用經過訓練的ROM預測和顯示Fisher信息（FI）的完整字段。用戶可以利用它實時測試不同的配置。例如，這可以用來開始定性評估模型對所考慮的不確定性來源的反應。

圖 11 顯示了使用訓練的模型預測的FI的全場的一致性。這與之前對ROM性能的定性和定量評估一致。

圖11: 使用訓練好的ROM預測的失效指數全場可視化示例

? UQ

圖 12 顯示了對訓練好的ROM模型的100次調用的結果。在這100個測試案例中，有6個案例的結構設計失效。這對應于6%的失效概率（Pf）和94%的可靠性。這是否令人滿意取決于用戶的目標技術規范，例如可容忍的失效為百萬分之一（PPM）。

根據報告的結果，取向張量的個分量對設計可靠性的影響大。該取向在樣件中含量越高，啞鈴型試樣失效的可能性就越大。

圖12:考慮樣本案例不確定性資源的可靠性分析結果示例

案例2?電子電池外殼案例

? 輸入

在這個應用中，我們將注意力轉向承受穿刺載荷的電池外殼模型（圖 13）。所采用的Digimat材料模型為重量分數30%玻璃纖維（GF）的增強聚丙烯（PP）。該材料模型體現了各向異性的彈塑性特性，并通過不同載荷方向上的失效應變指標來闡明材料的失效標準。

圖13: 考慮的電子電池外殼模型

? DoE

與之前概述的情景類似，本案例研究考慮了相同的不確定性來源（圖14）。其中包括：

? 不確定性1：注射模擬結果，特別是單個積分點的取向張量（包括2個參數）。

? 不確定性2：相關材料的指定失效閾值（由3個參數組成）。

圖14: 為電子電池外殼案例生成高保真度的DoE

? ROM

首先，我們需要對降階模型進行定性和定量評估。對角線圖（圖15）顯示，對于Fisher信息（FI）的所有值，模型預測結果與真實結果幾乎完全一致。這一點通過R平方分數得到了定量證實，對于訓練數據的所有值，R平方分數都接近1（圖15）。

圖15: 為電子電池外殼案例驗證訓練好的ROM

? 假設分析

訓練好的模型能夠促進全面假設分析方面的實用性（圖16）。為了優化效率，將ROM集中在有限元分析中的特定節點集上。這種策略選擇集中在失效指數不為零且結構失效發生概率高的節點上。

圖16: 訓練好的ROM預測的失效指數的全場可視化示例

? UQ

該圖展示了經過訓練的ROM模型的100次迭代計算結果。其中，6個案例的結構設計不能令用戶滿意，轉化為8%的失效概率（Pf）。因此，可靠性為92%。確定該結果是否可接受，取決于預定義的技術要求，例如允許的百萬分之幾（PPM）失效閾值。

從所提供的結果中可以看出，取向張量的主要分量對產品設計可靠性的影響為顯著。具體而言，主要分量的值升高，會導致電子電池外殼失效的可能性增加（圖17）。

圖17: 考慮電子電池外殼案例的不確定性資源的可靠性分析結果示例

結論與展望

采用可靠性設計方法對增強塑料有很多好處，包括：

? 控制設計風險：設計不足的風險通常源于在設計階段缺乏對不確定性來源的認識，可以通過采用可靠性設計方法來避免，如上所述。

? 避免過度設計：比較謹慎的設計做法會導致產品過度設計。這通常是由于對各種不確定性來源的了解有限，迫使工程師采用過于保守的安全系數。可靠性設計方法可實現jingque的材料和工藝選擇，提高效率并減少浪費。

? 馴服可持續材料：隨著可回收和生物基變體等可持續利用材料的使用越來越多，可靠性設計證明極其有用的。這些材料表現出顯著的可變性。實施穩健的設計方法讓設計師在保持產品質量的同時，能夠為特定應用確定佳的綠色材料。

? 利用增強塑料的解決方案：Digimat RP UQ插件提供了一個專用的、流線型的接口，以滿足增強塑料的獨特要求。通過使用這個插件，用戶可以放心地進行可靠性設計，在保持產品質量的同時節省成本。

從本質上講，在Digimat RP中集成可靠性設計的框架大大加強了增強塑料的設計過程，帶來了效率、可持續性和產品質量的提高。

同時采取下一步的行動

Digimat 2023.2版本已增加了Digimat RP UQ插件（圖18），在此框架內，用戶將需要有效的tokens來使用Digimat、Odyssee和所選的有限元求解器，無論是Marc還是Abaqus。

圖18: Digimat RP UQ插件現在可與Digimat RP2023.2一起使用

海克斯康團隊可以為您提供增強塑料可靠性分析的動態領域，我們致力于通過培訓課程和專家指導提供全面支持，確保您能夠充分利用這一強大工具。我們可以幫助您將現有工作無縫集成到可靠性分析世界中，使您能夠優化設計并獲得更好的結果。

DCS系統 140MMB10400 為你所委托