DCS系统 140MMB10400 为你所委托

DCS系统 140MMB10400 为你所委托

结果和分析

案例1▪试样案例

按照上述工作流程的每个步骤进行解释：

• 输入

对于个应用，考虑拉伸试验的试样模型 (图7)。Digimat材料为具有重量分数为30%的GF的增强PP材料。材料本构是一种各向异性弹塑性行为，其失效准则由不同加载方向上的失效应变来描述。

图7: 试样模型

• DoE

高保真度DoE变量是使用均匀分布生成的。这旨在更好地涵盖所考虑的不确定性来源的范围。在下一步评估可靠性时，使用高斯分布。在当前示例中，考虑了两个主要的不确定性来源（图8）：

▪ 不确定性1：注塑成型模拟结果，即每个积分点的取向张量（2个参数）

▪ 不确定性2：所考虑材料的失效极限（3个参数）

生成的DoE参数的结果如图9所示。

图8: 主要考虑的不确定性来源

图9: 为试样案例生成高保真度DoE

• ROM

首先，应当对降阶模型进行定性和定量评估。对角线图（图10）显示了模型预测的全场Fisher信息（FI）与真实计算的全场FI之间的近乎完美匹配。这可以通过针对不同数量的训练数据评估的R2误差参数来定量地证实。

▪ 定性评估：对角线图（图10）显示，针对FI的所有值，模型预测结果与真实计算结果非常一致。这表明该模型可以捕捉FI场的基本特征。

▪ 定量评估：R2分数是衡量模型预测与真实值之间拟合好坏的指标。对于训练数据的所有值，R2分数接近1，这表明该模型与数据很好地拟合。

总体而言，定性和定量评估的结果表明，ROM可以准确预测FI场。这意味着ROM可以用于设计和优化具有高可靠性的产品。

图10: 验证针对试样案例的训练ROM

• 假设分析

假设分析功能是利用经过训练的ROM的种方法。该功能包括使用经过训练的ROM预测和显示Fisher信息（FI）的完整字段。用户可以利用它实时测试不同的配置。例如，这可以用来开始定性评估模型对所考虑的不确定性来源的反应。

图 11 显示了使用训练的模型预测的FI的全场的一致性。这与之前对ROM性能的定性和定量评估一致。

图11: 使用训练好的ROM预测的失效指数全场可视化示例

• UQ

图 12 显示了对训练好的ROM模型的100次调用的结果。在这100个测试案例中，有6个案例的结构设计失效。这对应于6%的失效概率（Pf）和94%的可靠性。这是否令人满意取决于用户的目标技术规范，例如可容忍的失效为百万分之一（PPM）。

根据报告的结果，取向张量的个分量对设计可靠性的影响大。该取向在样件中含量越高，哑铃型试样失效的可能性就越大。

图12:考虑样本案例不确定性资源的可靠性分析结果示例

案例2▪电子电池外壳案例

• 输入

在这个应用中，我们将注意力转向承受穿刺载荷的电池外壳模型（图 13）。所采用的Digimat材料模型为重量分数30%玻璃纤维（GF）的增强聚丙烯（PP）。该材料模型体现了各向异性的弹塑性特性，并通过不同载荷方向上的失效应变指标来阐明材料的失效标准。

图13: 考虑的电子电池外壳模型

• DoE

与之前概述的情景类似，本案例研究考虑了相同的不确定性来源（图14）。其中包括：

▪ 不确定性1：注射模拟结果，特别是单个积分点的取向张量（包括2个参数）。

▪ 不确定性2：相关材料的指定失效阈值（由3个参数组成）。

图14: 为电子电池外壳案例生成高保真度的DoE

• ROM

首先，我们需要对降阶模型进行定性和定量评估。对角线图（图15）显示，对于Fisher信息（FI）的所有值，模型预测结果与真实结果几乎完全一致。这一点通过R平方分数得到了定量证实，对于训练数据的所有值，R平方分数都接近1（图15）。

图15: 为电子电池外壳案例验证训练好的ROM

• 假设分析

训练好的模型能够促进全面假设分析方面的实用性（图16）。为了优化效率，将ROM集中在有限元分析中的特定节点集上。这种策略选择集中在失效指数不为零且结构失效发生概率高的节点上。

图16: 训练好的ROM预测的失效指数的全场可视化示例

• UQ

该图展示了经过训练的ROM模型的100次迭代计算结果。其中，6个案例的结构设计不能令用户满意，转化为8%的失效概率（Pf）。因此，可靠性为92%。确定该结果是否可接受，取决于预定义的技术要求，例如允许的百万分之几（PPM）失效阈值。

从所提供的结果中可以看出，取向张量的主要分量对产品设计可靠性的影响为显著。具体而言，主要分量的值升高，会导致电子电池外壳失效的可能性增加（图17）。

图17: 考虑电子电池外壳案例的不确定性资源的可靠性分析结果示例

结论与展望

采用可靠性设计方法对增强塑料有很多好处，包括：

• 控制设计风险：设计不足的风险通常源于在设计阶段缺乏对不确定性来源的认识，可以通过采用可靠性设计方法来避免，如上所述。

• 避免过度设计：比较谨慎的设计做法会导致产品过度设计。这通常是由于对各种不确定性来源的了解有限，迫使工程师采用过于保守的安全系数。可靠性设计方法可实现jingque的材料和工艺选择，提高效率并减少浪费。

• 驯服可持续材料：随着可回收和生物基变体等可持续利用材料的使用越来越多，可靠性设计证明极其有用的。这些材料表现出显著的可变性。实施稳健的设计方法让设计师在保持产品质量的同时，能够为特定应用确定佳的绿色材料。

• 利用增强塑料的解决方案：Digimat RP UQ插件提供了一个专用的、流线型的接口，以满足增强塑料的独特要求。通过使用这个插件，用户可以放心地进行可靠性设计，在保持产品质量的同时节省成本。

从本质上讲，在Digimat RP中集成可靠性设计的框架大大加强了增强塑料的设计过程，带来了效率、可持续性和产品质量的提高。

同时采取下一步的行动

Digimat 2023.2版本已增加了Digimat RP UQ插件（图18），在此框架内，用户将需要有效的tokens来使用Digimat、Odyssee和所选的有限元求解器，无论是Marc还是Abaqus。

图18: Digimat RP UQ插件现在可与Digimat RP2023.2一起使用

海克斯康团队可以为您提供增强塑料可靠性分析的动态领域，我们致力于通过培训课程和专家指导提供全面支持，确保您能够充分利用这一强大工具。我们可以帮助您将现有工作无缝集成到可靠性分析世界中，使您能够优化设计并获得更好的结果。

DCS系统 140MMB10400 为你所委托