【小呆的力学笔记】弹塑性力学的初步认知三:广义胡克定律

文章目录

        • 1.7* 广义胡克定律
        • 1.8* 广义胡克定律几种形式

1.7* 广义胡克定律

当材料处于弹性状态时,材料的应变和应力呈现线性关系。比如一根杆受拉伸力F作用,轴向会有伸长,同时横向会缩小,如下图所示。
在这里插入图片描述
那么有
σ x = F A , ε x = Δ l (36) \sigma_{x}=\frac{F}{A},\varepsilon_{x}=\frac{\Delta}{l}\tag{36} σx=AF,εx=lΔ(36)
材料的应变和应力呈现线性关系,那么
ε x = σ x E (37) \varepsilon_{x}=\frac{\sigma_{x}}{E}\tag{37} εx=Eσx(37)
同时,由于泊松比的存在,此时横向的应变为
ε y = − ν ε x (38) \varepsilon_{y}= -\nu\varepsilon_{x}\tag{38} εy=νεx(38)
上述为一维情况,三维应力情况可以通过分解成多个一维情况的叠加(由于材料处于弹性范围,因此叠加原理适用)。
还是以六面体为例,当各个面仅考虑正应力情况时,可以分解成三个方向的一维情况(正应力不产生剪切应变,剪切应力不产生正应变)。
在这里插入图片描述
对于情况(1),有
ε x x = σ x x E ε y y = − ν ε x x = − ν σ x x E ε z z = − ν ε x x = − ν σ x x E (39) \varepsilon_{xx} =\frac{\sigma_{xx}}{E } \\ \varepsilon_{yy} = -\nu\varepsilon_{xx}=-\nu\frac{\sigma_{xx}}{E }\\ \varepsilon_{zz} = -\nu\varepsilon_{xx}=-\nu\frac{\sigma_{xx}}{E }\tag{39} εxx=Eσxxεyy=νεxx=νEσxxεzz=νεxx=νEσxx(39)
对于情况(2),有
ε y y = σ y y E ε x x = − ν ε y y = − ν σ y y E ε z z = − ν ε y y = − ν σ y y E (40) \varepsilon_{yy} =\frac{\sigma_{yy}}{E } \\ \varepsilon_{xx} = -\nu\varepsilon_{yy}= -\nu\frac{\sigma_{yy}}{E } \\ \varepsilon_{zz} = -\nu\varepsilon_{yy}= -\nu\frac{\sigma_{yy}}{E } \tag{40} εyy=Eσyyεxx=νεyy=νEσyyεzz=νεyy=νEσyy(40)
对于情况(3),有
ε z z = σ z z E ε x x = − ν ε z z = − ν σ z z E ε y y = − ν ε z z = − ν σ z z E (41) \varepsilon_{zz} =\frac{\sigma_{zz}}{E } \\ \varepsilon_{xx} = -\nu\varepsilon_{zz}=-\nu\frac{\sigma_{zz}}{E } \\ \varepsilon_{yy} = -\nu\varepsilon_{zz}=-\nu\frac{\sigma_{zz}}{E } \tag{41} εzz=Eσzzεxx=νεzz=νEσzzεyy=νεzz=νEσzz(41)
将三种情况叠加,那么有
ε x x = σ x x E − ν σ y y E − ν σ z z E ε y y = σ y y E − ν σ x x E − ν σ z z E ε z z = σ z z E − ν σ x x E − ν σ y y E (42) \begin{aligned} \varepsilon_{xx} =\frac{\sigma_{xx}}{E }-\nu\frac{\sigma_{yy}}{E }-\nu\frac{\sigma_{zz}}{E } \\ \varepsilon_{yy} = \frac{\sigma_{yy}}{E }-\nu\frac{\sigma_{xx}}{E }-\nu\frac{\sigma_{zz}}{E } \\ \varepsilon_{zz} =\frac{\sigma_{zz}}{E }-\nu\frac{\sigma_{xx}}{E }-\nu\frac{\sigma_{yy}}{E } \\ \end{aligned}\tag{42} εxx=EσxxνEσyyνEσzzεyy=EσyyνEσxxνEσzzεzz=EσzzνEσxxνEσyy(42)
同理,可将剪切应力分为三种单独剪切应力情况的叠加,并有如下式。
γ x y = τ x y G γ y z = τ y z G γ x z = τ x z G (43) \begin{aligned} \gamma_{xy} =\frac{\tau_{xy}}{G } \\ \gamma_{yz} = \frac{\tau_{yz}}{G } \\ \gamma_{xz} =\frac{\tau_{xz}}{G } \\ \end{aligned}\tag{43} γxy=Gτxyγyz=Gτyzγxz=Gτxz(43)
上式就成为广义胡克定律。

1.8* 广义胡克定律几种形式

将式(42)进行一定的变换,和式(43)一并如下
ε x x = 1 + ν E σ x x − ν E ( σ x x + σ y y + σ z z ) = σ x x 2 G − 3 ν E σ m ε y y = 1 + ν E σ y y − ν E ( σ x x + σ y y + σ z z ) = σ y y 2 G − 3 ν E σ m ε z z = 1 + ν E σ z z − ν E ( σ x x + σ y y + σ z z ) = σ z z 2 G − 3 ν E σ m ε x y = 1 2 γ x y = τ x y 2 G ε y z = 1 2 γ y z = τ y z 2 G ε x z = 1 2 γ x z = τ x z 2 G (44) \begin{aligned} \varepsilon_{xx} =\frac{1+\nu}{E }\sigma_{xx}-\frac{\nu}{E }(\sigma_{xx}+\sigma_{yy}+\sigma_{zz})=\frac{\sigma_{xx}}{2G}- \frac{3\nu}{E }\sigma_{m}\\ \varepsilon_{yy} =\frac{1+\nu}{E }\sigma_{yy}-\frac{\nu}{E }(\sigma_{xx}+\sigma_{yy}+\sigma_{zz})=\frac{\sigma_{yy}}{2G}- \frac{3\nu}{E }\sigma_{m} \\ \varepsilon_{zz} =\frac{1+\nu}{E }\sigma_{zz}-\frac{\nu}{E }(\sigma_{xx}+\sigma_{yy}+\sigma_{zz})=\frac{\sigma_{zz}}{2G}- \frac{3\nu}{E }\sigma_{m}\\ \varepsilon_{xy} =\frac{1}{2}\gamma_{xy}=\frac{\tau_{xy}}{2G } \\ \varepsilon_{yz} =\frac{1}{2}\gamma_{yz}= \frac{\tau_{yz}}{2G } \\ \varepsilon_{xz} =\frac{1}{2}\gamma_{xz}=\frac{\tau_{xz}}{2G } \\ \end{aligned}\tag{44} εxx=E1+νσxxEν(σxx+σyy+σzz)=2GσxxE3νσmεyy=E1+νσyyEν(σxx+σyy+σzz)=2GσyyE3νσmεzz=E1+νσzzEν(σxx+σyy+σzz)=2GσzzE3νσmεxy=21γxy=2Gτxyεyz=21γyz=2Gτyzεxz=21γxz=2Gτxz(44)

按照张量标记,上式可以写成以下形式
ε i j = σ i j 2 G − 3 ν E σ m δ i j (45) \varepsilon_{ij} = \frac{\sigma_{ij}}{2G }-\frac{3\nu}{E }\sigma_{m}\delta_{ij}\tag{45} εij=2GσijE3νσmδij(45)
那么有下式成立
ε i i = σ i i 2 G − 3 ν E σ m δ i i = 3 σ m 2 G − 3 ν E σ m ⋅ 3 = 1 + ν − 3 ν E ⋅ 3 σ m (46) \varepsilon_{ii} = \frac{\sigma_{ii}}{2G }-\frac{3\nu}{E }\sigma_{m}\delta_{ii}=\frac{3\sigma_{m}}{2G }-\frac{3\nu}{E }\sigma_{m}\cdot3=\frac{1+\nu-3\nu}{E}\cdot 3\sigma_{m}\tag{46} εii=2GσiiE3νσmδii=2G3σmE3νσm3=E1+ν3ν3σm(46)
这里的 ε i i \varepsilon_{ii} εii只反映在正应力作用下,六面体体积变化量,即体现的是体积应变,不失一般性,假设无剪切应变存在,那么六面体各边相互垂直,三个边长分别为 a 1 、 a 2 、 a 3 a_{1}、a_{2}、a_{3} a1a2a3,那么体积应变为
Θ = a 1 ( 1 + ε 1 ) a 2 ( 1 + ε 2 ) a 3 ( 1 + ε 3 ) − a 1 a 2 a 3 a 1 a 2 a 3 = a 1 a 2 a 3 + a 1 a 2 a 3 ( ε 1 + ε 2 + ε 3 + ε 1 ε 2 + ε 1 ε 3 + ε 2 ε 3 + ε 1 ε 2 ε 3 ) − a 1 a 2 a 3 a 1 a 2 a 3 = ε 1 + ε 2 + ε 3 + ε 1 ε 2 + ε 1 ε 3 + ε 2 ε 3 + ε 1 ε 2 ε 3 ≈ ε 1 + ε 2 + ε 3 (47) \begin{aligned} \Theta&=\frac{a_{1}(1+\varepsilon_1)a_{2}(1+\varepsilon_2)a_{3}(1+\varepsilon_3)-a_{1}a_{2}a_{3}}{a_{1}a_{2}a_{3}}\\ &=\frac{a_{1}a_{2}a_{3}+a_{1}a_{2}a_{3}(\varepsilon_1+\varepsilon_2+\varepsilon_3+\varepsilon_1\varepsilon_2+\varepsilon_1\varepsilon_3+\varepsilon_2\varepsilon_3+\varepsilon_1\varepsilon_2\varepsilon_3)-a_{1}a_{2}a_{3}}{a_{1}a_{2}a_{3}}\\ &=\varepsilon_1+\varepsilon_2+\varepsilon_3+\varepsilon_1\varepsilon_2+\varepsilon_1\varepsilon_3+\varepsilon_2\varepsilon_3+\varepsilon_1\varepsilon_2\varepsilon_3\\ &\approx\varepsilon_1+\varepsilon_2+\varepsilon_3 \end{aligned}\tag{47} Θ=a1a2a3a1(1+ε1)a2(1+ε2)a3(1+ε3)a1a2a3=a1a2a3a1a2a3+a1a2a3(ε1+ε2+ε3+ε1ε2+ε1ε3+ε2ε3+ε1ε2ε3)a1a2a3=ε1+ε2+ε3+ε1ε2+ε1ε3+ε2ε3+ε1ε2ε3ε1+ε2+ε3(47)
那么,有
σ m = E 3 ( 1 − 2 ν ) ⋅ Θ = K ⋅ Θ (48) \sigma_{m} = \frac{E}{3(1-2\nu)}\cdot \Theta=K\cdot \Theta\tag{48} σm=3(12ν)EΘ=KΘ(48)
这里K称为体积弹性模量,当然 Θ = 3 ε m \Theta=3\varepsilon_{m} Θ=3εm,代入,有
σ m = E 1 − 2 ν ⋅ ε m (49) \sigma_{m} = \frac{E}{1-2\nu}\cdot \varepsilon_{m}\tag{49} σm=12νEεm(49)
应变偏张量具有以下形式
e i j = ε i j − ε m δ i j = σ i j 2 G − 3 ν E σ m δ i j − ε m δ i j = s i j + σ m δ i j 2 G − 3 ν E σ m δ i j − ε m δ i j = s i j 2 G + σ m δ i j 2 G − 3 ν E σ m δ i j − ε m δ i j = s i j 2 G + 1 + ν E σ m δ i j − 3 ν E σ m δ i j − ε m δ i j = s i j 2 G + 1 − 2 ν E σ m δ i j − ε m δ i j = s i j 2 G (50) \begin{aligned} e_{ij} &= \varepsilon_{ij}-\varepsilon_{m}\delta_{ij}\\ &=\frac{\sigma_{ij}}{2G }-\frac{3\nu}{E }\sigma_{m}\delta_{ij}-\varepsilon_{m}\delta_{ij}\\ &=\frac{s_{ij}+\sigma_{m}\delta_{ij}}{2G }-\frac{3\nu}{E }\sigma_{m}\delta_{ij}-\varepsilon_{m}\delta_{ij}\\ &=\frac{s_{ij}}{2G }+\frac{\sigma_{m}\delta_{ij}}{2G }-\frac{3\nu}{E }\sigma_{m}\delta_{ij}-\varepsilon_{m}\delta_{ij}\\ &=\frac{s_{ij}}{2G }+\frac{1+\nu}{E }\sigma_{m}\delta_{ij}-\frac{3\nu}{E }\sigma_{m}\delta_{ij}-\varepsilon_{m}\delta_{ij}\\ &=\frac{s_{ij}}{2G }+\frac{1-2\nu}{E }\sigma_{m}\delta_{ij}-\varepsilon_{m}\delta_{ij}\\ &=\frac{s_{ij}}{2G } \end{aligned}\tag{50} eij=εijεmδij=2GσijE3νσmδijεmδij=2Gsij+σmδijE3νσmδijεmδij=2Gsij+2GσmδijE3νσmδijεmδij=2Gsij+E1+νσmδijE3νσmδijεmδij=2Gsij+E12νσmδijεmδij=2Gsij(50)
式(45)为应力表示应变形式的广义胡克定律,变换可得应变表示应力的形式。
σ i j = 2 G ε i j + 2 G 3 ν E σ m δ i j = 2 G ε i j + E 1 + ν ν E E 1 − 2 ν ⋅ 3 ε m δ i j = 2 G ε i j + E ν ( 1 + ν ) ( 1 − 2 ν ) ⋅ 3 ε m δ i j = 2 G ε i j + λ Θ δ i j (51) \begin{aligned} \sigma_{ij}&=2G\varepsilon_{ij}+2G\frac{3\nu}{E }\sigma_{m}\delta_{ij}\\ &=2G\varepsilon_{ij}+\frac{E}{1+\nu }\frac{\nu}{E }\frac{E}{1-2\nu}\cdot3\varepsilon_{m}\delta_{ij}\\ &=2G\varepsilon_{ij}+\frac{E\nu}{(1+\nu )(1-2\nu)}\cdot3\varepsilon_{m}\delta_{ij}\\ &=2G\varepsilon_{ij}+\lambda \Theta\delta_{ij} \end{aligned}\tag{51} σij=2Gεij+2GE3νσmδij=2Gεij+1+νEEν12νE3εmδij=2Gεij+(1+ν)(12ν)Eν3εmδij=2Gεij+λΘδij(51)

其中 λ \lambda λ成为拉梅常数。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/345970.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

flask_apscheduler源码分析

前言 遵循flask框架的标准的库,称为flask扩展,flask_apscheduler模块就是一个flask扩展,它使用了flask编程上下文,同时内部完全依赖apscheduler。 我近期使用flask_apscheduler遇到了一个所有job全部死亡的bug。现象:j…

编译PCL Qt程序

使用PCL的qt程序时,提示不是用QVTK编译的,所以需要在编译VTK时打开Qt的编译选项(由于CMakeList比较复杂,使用CMakeGui进行配置,PCL同理),编译VTK完成后,编译PCL也需要配置Qt支持&…

数字图像处理(实践篇)二十八 使用OpenCV Python中的K-means对图像进行颜色量化处理

目录 1 颜色量化 2 实践 在某些时候,不可避免的某些设备只能生成有限数量的颜色。因此需要执行颜色量化。选择使用cv2.kmeans()函数对颜色量化应用k-means聚类。 1 颜色量化 使用K-means聚类在图像中实现颜色量化的步骤如下: ① 导入依赖库

css文本溢出处理

<!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta name"viewport" content"widthdevice-width, initial-scale1.0" /><title>文本溢出处理</title><style>.sing-…

基于FPGA的OFDM基带发射机的设计与实现

文章目录 前言一、OFDM描述二、本系统的实现参照 1.IEEE 802.11a协议主要参数2.不同调制方式与速率 3. IFFT映射关系4. IEEE 802.11a物理层规范5. PPDU帧格式三、设计与实现 1.扰码2.卷积编码与删余3.数据交织4.符号调制5.导频插入6.IFFT变换 7.循环前缀&加窗8.训练序列生成…

HCIA——26E-mall、MIME、POP3、IMAP、电子邮件系统的组成结构、电子邮件的发送,接收过程、MIME 与SMTP 的关系

学习目标&#xff1a; 计算机网络 1.掌握计算机网络的基本概念、基本原理和基本方法。 2.掌握计算机网络的体系结构和典型网络协议&#xff0c;了解典型网络设备的组成和特点&#xff0c;理解典型网络设备的工作原理。 3.能够运用计算机网络的基本概念、基本原理和基本方法进行…

沃通服务器密码机(WTHSM)

概述 沃通服务器密码机&#xff08;WTHSM&#xff09;由沃通CA自主设计开发&#xff0c;严格遵照国密局颁布技术规范&#xff0c;获得国密局颁发《商用密码产品认证证书》&#xff0c;是一款多安全功能、高稳定性、可扩展和快速部署的软硬件集成化安全设备&#xff0c;为应用提…

微服务理解篇

一 :架构演变 1 单体架构: 简单理解为一个服务涵盖所有需求功能2 垂直架构: 按照业务功能将单体架构拆分成小模块服务, 如:订单系统,用户系统,商品系统 ##缺点 引入分布式事务,分布式锁等,优点:模块解耦## 垂直拆分:根据业务层级拆分,比如商城的订单系统,用户系统,商品系统…

Fastjson代码审计实战

代码审计-漏洞复现 漏洞分析采用的是华夏ERP2.3&#xff0c; 查看pom.xml文件发现fastjson版本1.2.55&#xff0c;该版本存在漏洞&#xff0c;利用DNSlog进行验证。 fastjson涉及反序列化的方法有两种&#xff0c;JSON.parseObject()和JSON.parse()&#xff0c;在代码中直接搜…

长城资产信息技术岗24届校招面试面经

本文介绍2024届秋招中&#xff0c;中国长城资产管理股份有限公司的信息技术岗岗位一面的面试基本情况、提问问题等。 10月投递了中国长城资产管理股份有限公司的信息技术岗岗位&#xff0c;所在部门为长城新盛信托有限责任公司。目前完成了一面&#xff0c;在这里记录一下一面经…

大数据数据可视化工具ECharts,从入门到精通!

介绍&#xff1a;ECharts是一个强大的数据可视化图表库&#xff0c;它基于JavaScript开发&#xff0c;并具有丰富的特性和灵活性。 多平台支持&#xff1a;ECharts可以在PC和移动设备上流畅运行&#xff0c;它对移动端进行了优化&#xff0c;确保在不同设备上都有良好的展示效果…

【LangChain学习之旅】—(9) 用SequencialChain链接不同的组件

【LangChain学习之旅】—&#xff08;9&#xff09;用SequencialChain链接不同的组件 什么是 ChainLLMChain&#xff1a;最简单的链链的调用方式直接调用通过 run 方法通过 predict 方法通过 apply 方法通过 generate 方法 Sequential Chain&#xff1a;顺序链首先&#xff0c;…

ChatGPT+Midjourney+闲鱼赚钱方法实战探索

最近天天在朋友群内看到朋友接单(出售提示词&#xff0c;图片&#xff09;&#xff0c;轻轻松松半小时就赚200-300&#xff0c;特意探索了一下相关玩法&#xff0c;总结出一套ChatGPTMidjourney闲鱼赚钱方法&#xff0c;主打的是易上手&#xff0c;有可操作性&#xff01; 具体…

9.前端--CSS-三大特性

1.层叠性 相同选择器给设置相同的样式&#xff0c;此时一个样式就会覆盖&#xff08;层叠&#xff09;另一个冲突的样式。层叠性主要解决样式冲突的问题 层叠性原则: 样式冲突&#xff0c;遵循的原则是就近原则&#xff0c;哪个样式离结构近&#xff0c;就执行哪个样式样式不…

Vulnhub-dc5

靶场下载 https://download.vulnhub.com/dc/DC-5.zip 信息收集 # nmap -sn 192.168.1.0/24 -oN live.port Starting Nmap 7.94 ( https://nmap.org ) at 2024-01-21 20:56 CST Nmap scan report for 192.168.1.1 (192.168.1.1) Host is up (0.00057s latency). MAC Address:…

Java线程池七大参数详解和配置(面试重点!!!)

一、corePoolSize核心线程数 二、maximunPoolSize最大线程数 三、keepAliveTime空闲线程存活时间 四、unit空闲线程存活时间的单位 五、workQueue线程工作队列 1、ArrayBlockingQueue FIFO有界阻塞队列 2、LinkedBlockingQueue FIFO无限队列 3、PriorityBlockingQueue V…

C4.5决策树的基本建模流程

C4.5决策树的基本建模流程 作为ID3算法的升级版&#xff0c;C4.5在三个方面对ID3进行了优化&#xff1a; &#xff08;1&#xff09;它引入了信息值&#xff08;information value&#xff09;的概念来修正信息熵的计算结果&#xff0c;以抑制ID3更偏向于选择具有更多分类水平…

算法通关村番外篇-面试150题五

大家好我是苏麟 , 今天带来LeetCode面试题的哈希题目 . 哈希表 202. 快乐数 描述 : 编写一个算法来判断一个数 n 是不是快乐数。 「快乐数」 定义为&#xff1a; 对于一个正整数&#xff0c;每一次将该数替换为它每个位置上的数字的平方和。然后重复这个过程直到这个数变为…

Selenium + Django + Echarts 实现亚马逊商品数据可视化爬虫项目

最近完成了1个爬虫项目&#xff0c;记录一下自己的心得。 项目功能简介 根据用户输入商品名称、类别名称&#xff0c;使用Selenium, BS4等技术每天定时抓取亚马逊商品数据&#xff0c;使用Pandas进行数据清洗后保存在MySql数据库中. 使用Django提供用户端功能&#xff0c;显…

Unity中URP下获取主灯信息

文章目录 前言一、计算BulinnPhone的函数有两个重载1、 目前最新使用的是该方法&#xff08;这是我们之后主要分析的函数&#xff09;2、 被淘汰的老方法&#xff0c;需要传入一堆数据 二、GetMainLight1、Light结构体2、GetMainLight具有4个方法重载3、1号重载干了什么&#x…
最新文章