温度勾配が構造に及ぼす影響 — 熱応力・変形メカニズムとFEM連成解析

いい質問だ。確かに均一に加熱されて自由に膨張できるなら、応力はゼロだ。ところが温度勾配があると話が全然違ってくる。高温部は大きく膨張しようとし、低温部は「まだそんなに膨張したくない」——この内部的な拘束が外部拘束がなくても応力を発生させるんだ。

うん、ここが温度勾配問題の核心だ。具体例で考えよう。ターボチャージャーのタービンハウジングを想像してくれ。排気ガス側の内面は約800°C、冷却される外面は約500°Cだ。内面は大きく膨張したいのに外面がそれを引き留める。結果、内面は圧縮応力、外面は引張応力が発生する。この応力分布がエンジンの起動・停止ごとに繰り返されて、熱疲労亀裂の原因になるんだ。

その通り。温度差 $\Delta T$ に比例して応力が増える。さらにヤング率 $E$ と線膨張係数 $\alpha$ にも比例する。だからアルミニウム（$\alpha \approx 23 \times 10^{-6}$/K）は鋼（$\alpha \approx 12 \times 10^{-6}$/K）の約2倍の熱ひずみが生じるけど、ヤング率は鋼の1/3だから、実際の熱応力の大きさは材料の組み合わせで決まるんだ。

まず一番基本的なケース——完全拘束された一様材料の平面応力を考えよう。温度変化 $\Delta T$ に対して自由熱ひずみは $\varepsilon_{th} = \alpha \Delta T$ だけど、完全拘束で膨張できないから、この分がそのまま弾性ひずみとして応力を生む：

ここで $E$ はヤング率、$\alpha$ は線膨張係数、$\nu$ はポアソン比だ。$(1-\nu)$ で割るのは二軸拘束（平面応力の面内2方向拘束）の効果。一軸拘束なら分母は1、三軸拘束（体積変化抑制）なら $(1-2\nu)$ になる。負号は「温度上昇→圧縮応力」を示している。

鋼の場合、$E = 200$ GPa、$\alpha = 12 \times 10^{-6}$ /K、$\nu = 0.3$ として計算すると：

そうだ。板厚 $h$ の板に厚さ方向の温度分布 $T(y)$ がある場合、温度効果は膜力成分と曲げモーメント成分に分離できる。板の中立面を $y=0$ として：

直感的に言うと、$N_{th}$ は「板全体が一様に伸びる効果」、$M_{th}$ は「板が反る効果」だ。温度分布が中立面に対して対称なら $M_{th} = 0$（反りなし）、反対称なら $N_{th} = 0$（伸びなし、曲がりだけ）になる。

その通り。例えば直射日光に照らされた橋梁の上面が50°C、日陰の下面が30°Cだと線形勾配 $T(y) = 40 + 20y/h$ として $N_{th}$ と $M_{th}$ の両方が出る。この熱勾配曲げで長大橋は日中に数mm弓なりに変形する——これは橋梁設計の温度荷重として規格で考慮されているんだ。

いいところに気づいたね。バイメタルは2種類の金属を貼り合わせた構造で、線膨張係数の違いを利用して温度変化を曲率変化に変換するデバイスだ。Timoshenko（1925年）が導いた古典的な曲率公式がある：

ここで $m = t_1/t_2$（2層の厚さ比）、$n = E_1/E_2$（ヤング率比）、$h = t_1 + t_2$（全板厚）だ。$m = 1$（等厚）、$n = 1$（等剛性）のとき最大曲率になる——つまり同じ厚さ・同じ硬さで線膨張係数だけ違う組み合わせが最も大きく曲がるということだ。

まさにそうだ。電子パッケージでシリコンチップ（$\alpha \approx 2.6 \times 10^{-6}$/K）を有機基板（$\alpha \approx 15 \times 10^{-6}$/K）にはんだ付けすると、リフロー炉からの冷却でバイメタルと同じ原理で反りが生じる。これがはんだ接合部の信頼性に直結する問題なんだ。

そう。面内温度勾配 $T(x, y)$ がある平板では、熱弾性の支配方程式は応力関数 $\phi$ を用いて次のように書ける：

右辺の $\nabla^2 T$ がポイントだ。温度分布が調和関数（ラプラシアン = 0）の場合——つまり定常熱伝導で内部熱源がなく、温度が滑らかに分布しているなら——右辺がゼロになり、面内の温度勾配だけでは内部応力が発生しない。ただし、これは境界が自由な場合に限る。境界で拘束されていれば、もちろん応力は出る。

その通り。非定常（過渡的）な温度場では $\nabla^2 T = (\rho c_p / k) \, \partial T / \partial t \neq 0$ だから、自由境界でも内部応力が発生する。エンジンの起動時やジェットエンジンのサイクルなど、急激な温度変化を伴う過渡状態が最も危険——この瞬間に最大の温度勾配が生じるからだ。

標準的にはシーケンシャル連成（片方向連成）を使う。手順は2ステップだ：

基本は同じメッシュを使う方が温度→変位のマッピングが正確だ。ただ実務では、熱解析用に流体境界層を細かくしたメッシュと、構造解析用に応力集中部を細かくしたメッシュは異なることが多い。その場合は補間マッピング（最近傍、射影法、RBF補間など）で温度場を転写する。ANSYSのWorkbenchでは同一メッシュならフラグ1つで連携でき、異なるメッシュでも自動マッピングしてくれる。

フーリエの熱伝導方程式は：

$\rho$ は密度、$c_p$ は比熱、$k$ は熱伝導率、$\dot{q}$ は内部発熱（ジュール熱など）だ。FEMで離散化すると：

いい疑問だね。構造のFEM方程式は $[K]\{u\} = \{F\}$ だけど、温度荷重は右辺の力ベクトル $\{F\}$ の中に入るんだ。要素レベルでの熱荷重ベクトルは：

判断基準は構造の熱時定数と温度変化の速さの比較だ。熱時定数は $\tau = \rho c_p L^2 / k$ で、$L$ は代表寸法。温度変化が $\tau$ に比べて十分遅ければ（つまり常にほぼ定常状態に追従するなら）定常でOK。急速な加熱・冷却なら過渡が必須だ。

ターボチャージャーやガスタービンのように、起動時に過渡的な温度勾配が最大になるケースでは、過渡解析で各時刻の温度分布を構造に渡す。最も危険な瞬間は定常状態ではなく過渡状態にあることが多いから、「定常で十分か？」は慎重に判断すべきだ。

最重要なのは板厚方向の要素分割数だ。板厚方向に線形の温度勾配を捕捉するには最低2〜3層、非線形勾配（過渡時）なら4〜6層は欲しい。シェル要素を使う場合はセクション積分点数で厚さ方向を表現するが、through-thicknessの温度勾配を捕捉するには最低5点の積分が必要だ。

1次ソリッド1層は絶対NG。線形要素は1要素内で線形温度分布しか表現できないが、それに対応する応力分布も線形しか出せない。実際には温度勾配による応力は板厚方向に非線形になることが多いから、最低でも2次要素を2〜3層使うのが鉄則だ。これは熱勾配解析で精度が出ない最も多い原因だよ。

よし、実務に近い流れで説明しよう。ターボチャージャーのタービンハウジング（材料：耐熱鋳鋼 SUS310S相当）で、内面800°C・外面500°Cの温度勾配がある場合だ。

大問題になる。800°Cの鋼はヤング率が常温の70%、降伏応力は30〜40%まで低下する。常温物性で計算すると応力を過大評価し、逆に変位を過小評価する。特にクリープが効く高温域では、「降伏しないから安全」と判断した箇所がクリープ変形で破損するケースがある。500°C以上の解析では温度依存データは必須だ。

電子パッケージは温度勾配問題の宝庫だ。SMT（表面実装）のリフロー工程では、基板全体を260°Cまで加熱してからゆっくり冷却する。このとき：

いくつかの重要なポイントがある：

実際、基準温度の設定ミスは現場で最も多い間違いの一つだ。例えばはんだ接合の熱疲労解析で $T_{ref} = 25$°Cにすると、実際のストレスフリー温度（≈183°C、共晶はんだの凝固点）と158°Cもズレて、全く違う応力分布が出る。出発点を間違えると全てが狂うから、ここは最初に確認すべきだ。

テーブル形式（温度-物性値のペアリスト）が標準だ。注意点は：

概念は同じだけど、操作手順はソフトによってだいぶ違う。主要ツールの設定をまとめよう：

WorkbenchはGUI操作で直感的に連成を組めるから初心者に優しい。AbaqusはODB（結果データベース）の受け渡しを手動で設定する必要があるが、スクリプト（Pythonベース）で自動化できるから大量のケースを回す場合は逆にAbaqusの方が効率的だ。COMSOLは「完全連成」（双方向）もGUIで簡単に組めるのが強みだ。

できるよ。主な選択肢は：

100%互換ではないけど、基本的な要素タイプと境界条件はほぼ同じ文法で書ける。学生がAbaqusの教科書で学んだ知識をそのまま使えるのが大きなメリットだ。ただし接触やユーザーサブルーチンなどの高度な機能はAbaqusの方が圧倒的に充実しているから、実務レベルの複雑な問題には商用ツールが必要になることが多い。

そうだ。以下のケースでは構造変形が温度場にフィードバックするため完全連成（双方向連成）が必要になる：

金属3Dプリンティング（粉末床溶融結合、DED等）は温度勾配問題の極端なケースだ。レーザーが照射される溶融プール近傍は1500°C以上、その数mm離れた位置は100°C以下——1000°C/mmオーダーの極めて急峻な温度勾配が生じる。

注目されているのはサロゲートモデルとPINN（Physics-Informed Neural Network）の2つだ：

完全に置き換わることは当面ないだろう。むしろ「FEMで正確に解く」+「機械学習で高速に近似する」のハイブリッドが主流になる。設計初期段階でサロゲートモデルを使って数千ケースを探索し、有望な候補を数件に絞ってからFEMで精密評価——このワークフローが現実的だ。

現場でよく見る失敗ベスト5を教えよう：

CTEの問題は本当に厄介で、値が倍違っても結果がそれっぽく見えるから気づきにくいんだ。対策は簡単で、「自由膨張テスト」をやること。拘束なしで一様に加熱して、既知の膨張量 $\Delta L = \alpha L_0 \Delta T$ と合っているか確認する。30秒でできるが、これをサボると数週間の手戻りになる。

代表的なものを挙げよう：

温度勾配解析の結果検証リストだ：

うん、「解析が合わない」と思ったら、まず最もシンプルなケースで検証するのが鉄則だ。複雑なモデルでいきなりデバッグしようとすると迷宮入りする。最小再現ケースを作って1つずつ要因を潰す——科学実験と同じ「対照実験」の原則だよ。