基于剪滞模型复合材料细观力学特性monte-carlo模拟

《基于剪滞模型复合材料细观力学特性monte-carlo模拟》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ADissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterTheMonte-CarloSimulationofCompositeMicromechanicsBasedonShear-lagModelAuthor：FanYinSpecialty:SolidMechanicsAdvisor:Prof.WangHaiSchoolofAeronauticsandAstronauticsShanghaiJiaoTongUniversityShanghai,P.R.ChinaJanuary,2012万方数据万方数据万方数据

2、万方数据上海交通大学工学硕士学位论文摘要基于剪滞模型的复合材料细观力学特性Monte-Carlo模拟摘要细观力学作为一种研究途径，可以预报复合材料的力学性能并揭示其损伤和破坏本质，对复合材料的研究和设计意义重大。之前的大量工作证明，剪滞模型结合Monte-Carlo模拟方法对复合材料破坏过程的研究已比较成熟并可以有效的预报单向复合材料的最终强度。本文根据复合材料的细观结构特点，提出纤维随机分布的假设，并以此建立了新的剪滞模型。为证明新模型的合理性，本文利用了MSC.Patran和MSC.Nastran有限元分析软件建模验证,并且两者的结果基本吻合。在此基础上，为实现多根纤维的强度分析，本文引

3、入了有限差分方法，并建立了基于新剪滞模型的有限差分模型。最后，利用有限差分模型结合Monte-Carlo模拟方法预报了复合材料的内部应力场和强度值。模拟结果显示，新的剪滞模型较普通剪滞模型得到应力场具有一定的特点，并且最终影响了对强度值的预报。关键词：剪滞模型，Monte-Carlo模拟，随机分布，有限差分方法，应力场，强度预报第I页万方数据上海交通大学工学硕士学位论文目录TheMonte-CarloSimulationofUnidirectionalCompositesMesomechanicsCharacteristicsBasedontheShear-lagModelABSTRACTA

4、samethodtopredictthemechanicalpropertiesandrevealthedamageessencesofcomposites,meso-mechanicshasthesignificantmeaninginstudyinganddesigningcomposites.Previousworkhasprovedthatitwasamaturewaytopredicttheultimatetensilestrengthofunidirectionalcompositewithshear-lagmodelandMonte-Carlosimulation.Accord

5、ingtothecharacteristicsofcompositemeso-structure,inthispaper,thefibers’stochasticdistributionassumptionwaspresentedandanewshear-lagmodelwasbuilt.Inordertocheckthemodel,thefiniteelementsoftwareMSC.PatranandMSC.NastranwasusedandthemodelhadareasonableagreementwiththeFEMresults.Thefinite-differencemeth

6、odwasintroducedtoanalyzethemass-fibersconditionandafinite-differencemodel,basedonthenewshear-lagmodel,wasbuilt.Finally,themeso-cosmicstressdistributionandthepredictionforultimatetensilestrengthofcompositeswereobtainedbythenewshear-lagmodelwithMonte-Carlosimulationmethod.Comparedwiththenormalshear-l

7、agmodel,weobtainedstressdistributionfromthenewmodelwasdifferentanditwasaffectedbythedistancesoffibers.Becauseofthestochasticlocationsoffibers,thestrengthresultswerealittlelowerthanpreviouswork.Keywords:shea