Particle based methods such as the Discrete Element Method and the Lattice Spring Method may be used for describing the behaviour of isotropic linear elastic materials. However, the common bond models employed to describe the interaction between particles restrict the range of Poisson's ratio that can be represented. In this paper, to overcome the restriction, a modified bond model that includes the coupling of shear strain energy of neighbouring bonds is proposed. The coupling is described by a multi-bond term that enables the model to distinguish between shear deformations and rigid-body rotations. The positive definiteness of the strain energy function of the modified bond model is verified. To validate the model, uniaxial tension, pure shear, pure bending and cantilever bending tests are performed. Comparison of the particle displacements with continuum mechanics solution demonstrates the ability of the model to describe the behaviour of isotropic linear elastic material for values of Poisson's ratio in the range $0 \leq \nu < 0.5$.


翻译:以粒子为基础的方法,如分解元素元件法和拉蒂斯泉法,可用于描述异色线性弹性材料的行为。然而,用于描述粒子相互作用的共同债券模型限制了Poisson代表比例的范围。在本文中,为克服限制,提议采用一个包括相邻债券切片能量结合的改良债券模型。混合用多字词描述,使模型能够区分剪裁和硬体旋转。验证了修改后的债券模型的线性能量功能的正确定性。验证模型、非轴张、纯剪、纯弯曲和易弯曲试验。将粒子变换与连续机械溶液进行比较,表明模型能够描述Poisson在0.5美元范围内的异色线性线性弹性材料对Poisson比率值的描述能力。

0
下载
关闭预览

相关内容

专知会员服务
63+阅读 · 2021年1月10日
专知会员服务
39+阅读 · 2020年9月6日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11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
tf.GradientTape 详解
TensorFlow
120+阅读 · 2020年2月21日
已删除
将门创投
11+阅读 · 2019年7月4日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Computation of Optimal Transport with Finite Volumes
VIP会员
相关资讯
tf.GradientTape 详解
TensorFlow
120+阅读 · 2020年2月21日
已删除
将门创投
11+阅读 · 2019年7月4日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员