A new nonlinear hyperelastic bending model for shells formulated directly in surface form is presented, and compared to four prominently used bending models. Through an essential set of elementary nonlinear bending test cases, the stresses and moments of each model are examined analytically. Only the proposed bending model passes all the test cases while the other bending models either fail or only pass the test cases for small deformations. The proposed new bending model can handle large deformations and initially curved surfaces. It is based on the principal curvatures and their directions in the initial configuration, and it thus can have different bending moduli along those directions. These characteristics make it flexible in modeling a given material, while it does not suffer from the pathologies of existing bending models. Further, the bending models are compared computationally through four classical benchmark examples and one contact example. As the underlying shell theory is based on Kirchhoff-Love kinematics, isogeometric NURBS shape functions are used to discretize the shell surface. The linearization and efficient finite element implementation of the proposed new model are also provided.


翻译:本文提出了一种新的针对壳体直接表面形式下的非线性超弹性弯曲模型,并将其与四种常用弯曲模型进行比较。通过基本的非线性弯曲测试用例,对各模型的应力和力矩进行了分析。只有本文提出的弯曲模型能够通过所有测试用例,而其他弯曲模型则或者失败或者仅能通过小变形时的测试用例。本文提出的新型弯曲模型可以处理大变形和初始曲面。它基于初始构型中的主曲率和其方向,因此可以在这些方向上具有不同的弯曲模量。这些特性使得本模型在建模给定材料时具有灵活性,同时无需遭受现有弯曲模型的病态。此外,通过四个经典的基准实例和一个接触实例进行了弯曲模型的计算比较。由于基本的壳体理论基于Kirchhoff-Love运动学,所以采用等几何NURBS形状函数对壳体表面进行离散化。本文还提供了该新模型的线性化和高效有限元实现。

0
下载
关闭预览

相关内容

【硬核书】矩阵代数基础,248页pdf
专知会员服务
84+阅读 · 2021年12月9日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
GNN 新基准!Long Range Graph Benchmark
图与推荐
0+阅读 · 2022年10月18日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
VIP会员
相关资讯
GNN 新基准!Long Range Graph Benchmark
图与推荐
0+阅读 · 2022年10月18日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员