Chaboche非线性移动硬化模型

分类:结构解析 | 综合版 2026-04-06
CAE visualization for chaboche model theory - technical simulation diagram
Chaboche非线性移动硬化模型

Chaboche非线性移动硬化的理论基础

Chaboche模型是什么

🙋

老师,Chaboche模型是移动硬化的"本命"吗?


🎓

是的。Chaboche(查博什)模型非线性移动硬化,在重复塑性(低周期疲劳、棘轮效应、屈服消退)分析中使用最广泛。


非线性移动硬化的公式

🎓

背应力 $\alpha$ 的进展则:


$$ d\alpha_{ij} = \frac{2}{3} C d\varepsilon_{ij}^p - \gamma \alpha_{ij} d\varepsilon_p^{eq} $$

第1项是Prager线性硬化(前进项),第2项是动态恢复项(用$\gamma \alpha$"拉回"背应力)。


🙋

动态恢复项使其"非线性"。在大应变下背应力饱和。


🎓

$C/\gamma$ 是背应力的饱和值。$C$ 是初始硬化率,$\gamma$ 是饱和速度。实务中重叠多个backstress($N = 2 \sim 4$ 项):


$$ \alpha = \sum_{k=1}^{N} \alpha_k, \quad d\alpha_k = \frac{2}{3}C_k d\varepsilon^p - \gamma_k \alpha_k d\varepsilon_p^{eq} $$

参数的确定

🎓

从重复拉伸-压缩试验(应变控制循环试验)的稳定化滞后回线确定 $C_k, \gamma_k$。在Abaqus中用CYCLIC HARDENING定义等方硬化部分,用PLASTIC, HARDENING=COMBINED进行混合硬化。


总结

🎓

要点:


  • $d\alpha = (2/3)C d\varepsilon^p - \gamma \alpha dp$ — 前进+动态恢复
  • 多个backstress($N = 2 \sim 4$)的重叠 — 在广泛应力范围内精确
  • 从重复试验确定 $C_k, \gamma_k$
  • 低周期疲劳、棘轮效应、屈服消退的标准模型
  • Abaqus *PLASTIC, HARDENING=COMBINED — 等方+移动的混合

休息片刻 小知识

Chaboche的背景:法国原子能

Jean-Louis Chaboche在1970~80年代在法国国家航空航天研究院(ONERA)和原子能委员会(CEA)工作,为解决核反应堆管道的热疲劳问题而构建了该模型。背景是1970年代法国积极推进核电政策,当时对"工程上可用的循环塑性模型"的需求急剧增加,促进了开发。

Chaboche非线性移动硬化的数值计算方法

Chaboche的FEM设置

🎓

```

*MATERIAL, NAME=steel_cyclic

*ELASTIC

200000., 0.3

*PLASTIC, HARDENING=COMBINED, NUMBER BACKSTRESSES=3

250., 0.0

*CYCLIC HARDENING

250., 0.0

280., 0.1

300., 0.5

```

NUMBER BACKSTRESSES=3定义3项Chaboche模型。$C_k, \gamma_k$ 可由Abaqus从稳定化回线数据自动拟合(*PLASTIC, TEST DATA INPUT)。


总结

🎓
  • Abaqus *PLASTIC, HARDENING=COMBINED — Chaboche的标准设置
  • NUMBER BACKSTRESSES — 2~4项是实务上的
  • TEST DATA INPUT自动拟合 — 从重复试验数据获得

  • 休息片刻 小知识

    2 backstress重叠的妙处

    Chaboche模型的精度取决于背应力(backstress)的项数。实务中通常重叠2~3项,第1项负责大应变域的应力饱和,第2项负责过渡硬化,形成职能分工。Chaboche自己1989年的论文中表明3项模型与304不锈钢等温疲劳试验的误差在0.3%以内。

    Chaboche非线性移动硬化的实务应用

    Chaboche的实务应用

    🎓

    用于核电高温管道的热疲劳、汽车发动机部件的热疲劳、航空发动机涡轮盘的低周期疲劳。


    实务检查清单

    🎓
    • [ ] 从重复试验数据(稳定化回线)确定了 $C_k, \gamma_k$ 吗
    • [ ] 滞后回线的形状在FEM和实验中是否一致
    • [ ] backstress的项数(2~4)是否足够
    • [ ] 是否在*CYCLIC HARDENING中考虑了循环软化/硬化
    • [ ] 如有棘轮效应(平均应变蓄积),也考虑Ohno-Wang模型

    • 休息片刻 小知识

      涡轮叶片的寿命预测

      CFM56发动机(空客A320用)的涡轮叶片设计中,自1990年代以来一直进行使用Chaboche模型的热弹塑性循环分析。叶片根部在每一起落循环中受到约600~1,050℃的温度波动,通过分析该部位的塑性应变范围,结合Manson-Coffin准则评估低周期疲劳寿命,实现了大修间隔3万小时以上。

      Chaboche非线性移动硬化的软件比较

      Chaboche工具

      🎓
      • Abaqus *PLASTIC COMBINED — 最灵活。支持自动拟合
      • Ansys TB, CHAB — 支持Chaboche模型
      • Nastran SOL 400 — 支持非线性移动硬化
      • LS-DYNA *MAT_153Chaboche模型

      • 选择指南

        🎓
        • 低周期疲劳的应力-应变Abaqus *PLASTIC COMBINED
        • 核电高温疲劳Abaqus(具有R5/ASME NH的实绩)

        • 休息片刻 小知识

          Code_Aster的深刻联系

          在开源FEM中实现Chaboche模型最深入的是Code_Aster(EDF开发)。由于Chaboche本人曾任EDF协作研究员,从1990年代起就有直接知识转移,截至2025年最新的Chaboche-OhnoWang扩展模型已标配在Code_Aster 17系中。商业软件中Abaqus的"Combined hardening"提供同等功能,但参数命名规则不同,移植时需要注意。

          Chaboche非线性移动硬化的先端研究

          Chaboche先端研究

          🎓
          • Ohno-Wang模型 — 更准确地预测棘轮效应。修改Chaboche的恢复项
          • 温度依赖Chaboche — 高温下$C_k, \gamma_k$的温度变化
          • 结晶塑性+Chaboche — 微观尺度的鲍辛格效应
          • AI参数同定 — 从试验数据自动确定Chaboche参数

          • 休息片刻 小知识

            温度依赖参数的插值技术

            Chaboche模型有20~30个参数,考虑温度依赖性需在各温度点进行拟合。Lemaitre & Chaboche(1990年教科书)建议用100℃间隔的3次样条进行插值,与Abaqus的Anneal Temperature功能结合可考虑高温域的恢复效应。实用上应在300℃以上必须准备温度依赖数据。

            Chaboche非线性移动硬化的故障排除

            Chaboche故障排除

            🎓
            • 滞后回线形状不匹配 → 增加backstress的项数(2→3→4)
            • 棘轮效应过大 → Chaboche倾向于过大预测棘轮效应。考虑Ohno-Wang
            • 参数拟合困难 → 用Abaqus的TEST DATA INPUT自动拟合
            • 循环软化/硬化不准确 → 调整*CYCLIC HARDENING的等方硬化部分

            • 休息片刻 小知识

              棘轮效应过大预测问题

              从1990年代起就指出Chaboche模型在非对称循环荷载下会过大预测平均应变每周期蓄积的"棘轮效应"。Burcher等人(1995年)的实验比较报告了标准Chaboche模型的预测值为实测值的2~3倍的情况。对策是Ohno和Wang在1993年提出的修正形,目前已在Code_Aster和Abaqus中追加实现。

              相关模拟器

              用此领域的交互式模拟器体验理论

              模拟器列表

              相关领域

              热解析制造工艺解析V&V·品质保证
              本文章的评价
              谢谢您的回答!
              参考
              更多
              细节
              报告
              错误
              参考了
              0
              更多细节
              0
              报告错误
              0
              由NovaSolver Contributors撰写
              匿名工程师与AI — 网站地图
              查看资料