基于数字图像相关数据的滑移系活动场自动识别
材料科学
2022-11-14 v2
摘要
晶体学滑移系识别方法被广泛用于表征金属的细观变形。尽管功能强大，它们通常依赖于具有清晰滑移迹的离散滑移带，并在发生交滑移、弯曲滑移、弥散滑移和/或交叉滑移等复杂机制时表现不佳。本文提出一种新颖的滑移系识别框架，称为 SSLIP（Slip Systems based Local Identification of Plasticity，基于滑移系的塑性局部识别），其中测量的位移梯度场（来自数字图像相关）根据测量的晶体取向局部匹配于一个或多个组合理论滑移系的运动学。为识别符合测量运动学的滑移量，对每个数据点单独求解一个优化问题，从而为所考虑的每一个滑移系得到滑移活动场。该识别框架在一个 HCP 虚拟实验上针对离散与弥散滑移（含 24 个滑移系）进行了演示与验证。针对 FCC 与 BCC 金属的实验案例研究表明，即便对 BCC 考虑 48 个滑移系，离散滑移、弥散滑移与交滑移的全场识别也可行。此外，该方法被扩展为一种专用的交滑移识别方法，其仅基于测量的运动学以及一个或两个选定滑移方向直接给出局部滑移面迹的取向。对于在滑移识别中呈现持续不确定性的更具挑战性情形，可采用两步识别方法，正如在一个极具挑战性的 HCP 虚拟实验上所展示的。
引用
@article{arxiv.2207.12814,
title = {Automated Identification of Slip System Activity Fields from Digital Image Correlation Data},
author = {Tijmen Vermeij and Ron Peerlings and Marc Geers and Johan Hoefnagels},
journal= {arXiv preprint arXiv:2207.12814},
year = {2022}
}
备注
accepted for publication in Acta Materialia