复材站
应用/结构英文2023被引 25

基于有限元分析和人工神经网络的管状KT节点联合加载应力集中因子经验模型研究

Empirical modeling of stress concentration factors using finite element analysis and artificial neural networks for the fatigue design of tubular KT‐joints under combined loading

Mohsin Iqbal, Saravanan Karuppanan, Veeradasan Perumal, Mark Ovinis, Hina Nouman · Universiti Teknologi Petronas
Ask AI about this
期刊 / 来源Fatigue & Fracture of Engineering Materials & Structures
卷/期/页46 / 11 / 4333-4349
原文链接查看原文 ↗
关键词:管状KT节点应力集中因子热点应力人工神经网络有限元分析联合加载疲劳设计经验模型

摘要整理

管状节点疲劳设计的热点应力(HSS)方法要求准确获知峰值热点应力。管状节点中的峰值热点应力通常基于应力集中因子(SCF)确定,该因子由大量实验研究和有限元分析开发的经验模型估算得出。虽然峰值热点应力通常出现在KT节点的冠点和鞍点,但当管状节点受到轴向、面内弯曲或面外弯曲等联合加载时,其位置可能发生改变。本研究通过大量有限元分析和人工神经网络(ANN)模拟,系统调查了典型KT节点在联合加载条件下的峰值热点应力及其位置分布规律。重点开发了沿支管轴线周向的应力集中因子经验模型。研究结果表明,所开发模型确定的峰值热点应力与有限元分析结果的误差小于3%。因此,基于ANN的SCF方程结合叠加原理可用于快速计算管状节点疲劳设计中的峰值热点应力。该方法论适用于开发其他管状节点类型和边界条件下的SCF经验模型。

相关论文

← 返回论文库整理:复材站编辑部