移動硬化(キネマティック硬化)モデル

カテゴリ: 構造解析 | 統合版 2026-04-06
CAE visualization for kinematic hardening theory - technical simulation diagram
移動硬化(キネマティック硬化)モデル

移動硬化(キネマティック硬化)の理論基礎

移動硬化とは

🧑‍🎓

先生、移動硬化は等方硬化とどう違いますか?


🎓

等方硬化は降伏面が膨張する。移動硬化は降伏面が応力空間で移動(平行移動)する。降伏面のサイズは変わらない。


バウシンガー効果の表現

🎓

引張で塑性変形した後、圧縮方向の降伏応力が低下する(バウシンガー効果)。


  • 等方硬化 — 引張降伏400 MPa → 圧縮降伏も400 MPa(バウシンガー効果なし)
  • 移動硬化 — 引張降伏400 MPa → 圧縮降伏が250 MPa以下に低下(バウシンガー効果あり)

🧑‍🎓

繰り返し載荷(疲労)ではバウシンガー効果が重要ですね。


🎓

まさに。低サイクル疲労(LCF)では引張-圧縮の繰り返しが何百〜何千サイクル。バウシンガー効果を無視すると応力-ひずみのヒステリシスループが不正確になる。


背応力(バックストレス)

🎓

移動硬化では背応力(back stress)$\alpha_{ij}$が降伏面の中心の移動を記述:


$$ f = \sigma_{vm}(\sigma_{ij} - \alpha_{ij}) - \sigma_Y = 0 $$

降伏面は $\alpha_{ij}$ の方向に移動する。


Prager/Zieglerの線形移動硬化

🎓

最も単純な移動硬化:


$$ d\alpha_{ij} = \frac{2}{3} C d\varepsilon_{ij}^p $$

$C$ は移動硬化係数。線形なので大ひずみで不正確。実務では非線形移動硬化(Chabocheモデルが使われる。


まとめ

🎓

要点:


  • 降伏面が応力空間で移動 — サイズは変わらない
  • バウシンガー効果を表現 — 繰り返し載荷(疲労)に必須
  • 背応力 $\alpha_{ij}$ が移動を記述
  • 線形移動硬化(Prager) — シンプルだが大ひずみで不正確
  • 非線形移動硬化(Chaboche) → 実務で推奨

Coffee Break よもやま話

バウシンガー効果の発見

Johann Bauschinger(バウシンガー)は1886年にミュンヘン工科大学で、引張後に圧縮すると降伏応力が低下する現象を実験的に確認した。この「バウシンガー効果」を再現するために移動硬化則が開発され、降伏曲面の中心(背応力α)が塑性流れとともに移動するモデルとして定式化されている。

移動硬化(キネマティック硬化)の数値計算手法

Abaqus(線形移動硬化)

```

*PLASTIC, HARDENING=KINEMATIC

250., 0.0

350., 0.05

```

Abaqus(Chaboche非線形移動硬化)

```

*PLASTIC, HARDENING=COMBINED

250., 0.0

*CYCLIC HARDENING

250., 0.0

300., 0.1

```

Nastran

```

MATS1, 1, , PLASTIC, , , 3 $ TYPE=3 移動硬化

```

まとめ

🎓
  • Abaqus *PLASTIC, HARDENING=KINEMATIC — 線形移動硬化
  • Abaqus *PLASTIC, HARDENING=COMBINED — 等方+移動の混合硬化(Chaboche)
  • 繰り返し載荷にはCOMBINEDが推奨

  • Coffee Break よもやま話

    Armstrong-Frederickの進化則

    1966年にArmstrongとFrederickが提案した非線形移動硬化則では、背応力の進化にα̇=C(σ-α)ε̇ₚ - γα|ε̇ₚ|を用いる。γ項(消去項)により背応力が飽和し、ラチェッティングを部分的に表現できる。ChabocheはこれをN個重ね合わせてサイクル疲労解析精度を向上させた。

    移動硬化(キネマティック硬化)の実務適用

    移動硬化の実務

    🎓

    低サイクル疲労(LCF)の応力-ひずみヒステリシス、シェイクダウン解析、熱疲労で使用。


    実務チェックリスト

    🎓
    • [ ] 繰り返し載荷の場合、移動硬化(or混合硬化)を使用しているか
    • [ ] バウシンガー効果が正しく表現されているか(引張→圧縮で降伏応力が低下)
    • [ ] ヒステリシスループの形状が実験と一致するか
    • [ ] 安定化サイクル(ループが安定する)のサイクル数は十分か

    • Coffee Break よもやま話

      原子力配管の疲労解析

      原子力発電所の高温配管(SUS304)に対する熱疲労解析では、線形移動硬化則(Prager則)ではラチェッティングが過大評価されるとして、1990年代からChaboche多重移動硬化則が採用されている。RCC-M規格(仏)やASME Section IIIでは疲労評価において非線形移動硬化モデルの使用を推奨している。

      移動硬化(キネマティック硬化)のソフトウェア比較

      移動硬化のツール

      🎓
      • Abaqus — KINEMATIC / COMBINED。Chabocheパラメータの自動フィッティング
      • Ansys — TB, KINH or TB, CHAB
      • Nastran — MATS1 TYPE=3
      • LS-DYNA — *MAT_153(Chaboche)

      • 選定ガイド

        🎓
        • 低サイクル疲労 → Chaboche(Abaqus *PLASTIC COMBINED)
        • 単調載荷 → 等方硬化で十分

        • Coffee Break よもやま話

          Abaqus Combined則の入力

          AbaqusでChaboche移動硬化則を使うには*CYCLIC HARDENING(等方成分)と*PLASTIC(初期降伏)に加え、*COMBINED HARDENINGキーワードでCᵢとγᵢのペアをN個入力する。Abaqus 6.14以降はGUI上でパラメータ校正ツール(Calibration Assistant)が搭載され、繰返し試験データから自動でCᵢ・γᵢを推定できる。

          移動硬化(キネマティック硬化)の先端研究

          移動硬化の先端

          🎓
          • Chabocheモデル(非線形移動硬化) — 複数のbackstressの重ね合わせ。最も広く使われる
          • Ohno-Wangモデル — ラチェティングの正確な予測
          • 結晶塑性+移動硬化 — ミクロスケールのバウシンガー効果

          • Coffee Break よもやま話

            Ohnoの非線形拡張

            OhnoとWang(1993年)はArmstrong-Frederick則のγ項を修正し、降伏面上でのみ消去項が働くOhno-Wangモデルを提案。ラチェッティング速度の過大評価問題を改善し、SS316鋼の多軸疲労試験との整合性が向上した。Abaqusでは2010年代からUser subroutine(UMAT)として実装する例が増えている。

            移動硬化(キネマティック硬化)のトラブル対応

            移動硬化のトラブル

            🎓
            • ヒステリシスループの形状が合わない → Chabocheパラメータの再キャリブレーション
            • ラチェティング(平均ひずみの蓄積)が過大 → Ohno-Wangモデルを検討
            • 等方硬化と結果が同じ → 単調載荷では等方と移動の差が出ない。繰り返しで差が出る

            • Coffee Break よもやま話

              ラチェッティング過大の原因

              Armstrong-Frederick単体モデルでは非対称サイクル荷重下のラチェッティング(平均ひずみ累積)を実験比で2〜5倍過大評価することが知られる。対策は複数の背応力を重畳するChaboche則(N≥2)への切替えか、閾値パラメータμを追加するDelobelle修正則の適用で、304鋼では累積ひずみ誤差を20%以内に抑えられる。

              関連シミュレーター

              この分野のインタラクティブシミュレーターで理論を体感しよう

              シミュレーター一覧

              関連する分野

              熱解析製造プロセス解析V&V・品質保証
              この記事の評価
              ご回答ありがとうございます!
              参考に
              なった
              もっと
              詳しく
              誤りを
              報告
              参考になった
              0
              もっと詳しく
              0
              誤りを報告
              0
              Written by NovaSolver Contributors
              Anonymous Engineers & AI — サイトマップ
              プロフィールを見る