首页/文章/ 详情

一文说尽冲击动力学——热激活位错运动

4月前浏览3561

点击上方蓝字了解更多计算与STEM领域研究前沿




热激活位错运动


位错在晶格中运动时会不断遇到阻碍,这些阻碍增加了位错运动的难度:


  • 离散的原子

  • 空缺

  • 小角度晶界

  • 空缺区

  • 夹杂

  • 沉淀物


位错的运动也会受到其他位错的阻碍。此外,当位错由一个平衡原子位置向相邻的下一个平衡原子位置运动时,必须克服一个能量势垒,因而位错必须受到力的作用才能运动。


在原子水平阻碍位错运动的力,定义为Peierls-Nabarro应力。


 

图:晶体材料中的不同类型的缺陷。


 

图:Peierls-Nabarro力。(a)位错在平衡位置间的运动;(b)施加外力与随位错运动距离的关系。


上图展示了Peierls-Nabarro势垒,在无其他外力的条件下,位错移动所需的外加应力称之为Peierls-Nabarro应力


图中1和3是平衡位置。位置2是位于能量曲线顶部的一个不稳定的平衡状态。这些势垒的波长等于晶格的排列周期。


下图给出了位错阵列与滑移面交叉的情况。“站着的”位错群,是运动位错必须要穿过的,称为位错森林


 

图:一个移动位错穿越位错森林。


运动的位错若想要穿过位错森林,会遇到不同的间隔和不同长度的周期性势垒。


势垒的长度和晶格热能将影响金属的温度和应变率效应。其中较小的狭窄势垒称为短程势垒,较大的宽阔势垒称为长程势垒。


位错在作长程运动的时候,需要克服大范围的障碍,而位错的短程运动,靠热激活就可以了。热能会增加材料中原子的振动幅度,因此会帮助位错克服势垒,从效果上说,相当于热能降低了势垒的高度。


 

图:位错运动中遭遇的势垒。


力与距离曲线所围面积为能量项。显然,由图中可以看出热能的效果在于,随着温度的升高,势垒的高度不断减低。位错越过特定势垒所需的温度与应力之间的函数关系。温度升高时,势垒的有效高度会降低。原因是原子其实不是固定不动的,而是不停地在作无规则的运动。当温度升高时,原子更活跃,即提高了翻越能垒的能力。


另一方面,应变率效应与温度效应的效果相反。翻越能垒是个概率事件,当高速变形的时候,跳过能垒的时间窗口变小了,所以高速变形时位错的运动变得更困难。随着应变率的增加,留给位错克服势垒的时间会减小,同时热能的作用也会相应减少,因此需要更高的应力才能使位错在高应变率下运动。势垒分为短程势垒和长程势垒,其中短程势垒依赖于温度和应变率,它同热激活相关,而长程势垒是与热激活无关的。因此,可以将材料的流动应力表示为


 


陶瓷材料的离子键、共价键以及键的方向性(即由电子结构确定的键角)都很强,因此其Peierls-Nabarro应力很高,在室温下势垒难以克服。因此,陶瓷材料的失效是基于微裂纹形核和生长的另外一种机理。根据统计力学,原子在其平衡位置附近发生振动时,其能量大于给定值△G的概率为


 


将位错克服势垒的概率除以时间,可以得到位错克服势垒的频率:


 


位错阻尼机制


 

图:流动应力随温度和应变率的变化规律。


众所周知,位错运动会使温度升高,而且使材料变形的能量只是输入能量中的一小部分(通常为5%~20%),其余的大部分能量因抵抗外力而耗散掉。这种情况可以用固体的粘性行为来描述,即可以近似假设当固体有位错时可视为牛顿粘性材料:


 


这表明,当位错的粘性阻尼机制起作用的时候,流动应力是与应变率成正比的。关于位错阻尼机制,有众多的理论分析和实验研究结果。例如,非热激活的粘性阻尼机制,它是指位错与热振动的相互作用(称为声子阻尼,这里声子代表晶体中一个弹性振动的传播),以及位错与电子间的相互作用(称为电子粘性)。许多学者的研究目标是确定常数B


位错运动的相对论效应


 

图:镍的剪切应力与位错速度关系。


当位错速度接近于剪切波速时,总能量将接近于无穷大。下图给出了镍的螺旋位错自身能量与其速度之间的关系曲线。显然,当位错速度提高到接近剪切波的速度时,需要的能量无限增大,这就解释了为什么任何扰动不可能以比波更高的速度传播。爱因斯坦(Einstein)在他著名的相对论中说,任何物体的运动速度不可能超过光速,因为接近光速的时候,进一步加速所要求的力是无限大的。在位错运动的第Ⅲ阶段,其性质与相对论的论断是类似的。


 

图:镍的位错能量与速度的关系。


基于物理模型的本构方程


由下图可知,图中不同的区域中,材料的变形机制不同,因此需要采用不同材料本构关系。变形机制改变与否取决于温度和应变率,各变形区域之间的边界是依据不同机理的本构方程来确定的。在大多数变形机制中,流动应力随着温度的升高而降低,随着应变率的升高而升高。通常,当金属的变形机制改变的时候,材料的微观结构也发生了相应的变化。


 


以下是两个常用的基于物理的本构方程:


Campbell本构方程


 


Z-A模型


面心立方材料(FCC)


 


体心立方材料(BCC)


 


本构方程的实验验证


常用的各种本构方程都有若干参数(通常为3~5个),这些参数都是在一定的温度和应变率范围内由实验来确定的。参数一旦确定,就可以将预测值与试验结果进行比较,从而验证本构方程的正确性。


Taylor杆实验也是标定本构方程的简单方法。过去由于杆上粘贴应变片不便,只能从杆的最终变形形状,辅以塑性波的传播理论来研究弹塑性材料(特别是金属)制成的杆对高应变率加载的响应,信息不足,结果较为粗糙。到了近20年,高速摄影和其他光学测量技术(如散斑、干涉等),帮助研究者获得了杆的动态变形过程的大量信息,使得人们对Taylor杆实验的潜力再次产生极大的兴趣


Taylor杆实验用于验证材料的本构方程的一个优点是,一次Taylor杆撞击就可以得到非常丰富的力学信息,包括从在撞击面附近的应力很高、变形很大的冲击压缩状态,到杆尾部的弹性变形状态这样一种广阔的应力应变谱。在实验中通过改变撞击速度,可以改变应力脉冲和应变率的大小,再用光学测量技术观测离撞击面不同距离的截面单元的塑性变形的历史,可以得到关于应力、应变和应变率相互关系的大量数据,用来确定本构方程的参数。由于对杆状试件加温很容易,测定温度T对材料动态行为的影响也简单易行。


参考资料:《冲击动力学》

   


如果你觉得此文对你有帮助,请点赞,谢谢!


计算机技术在科学&技术&工程&数学中得到了广泛的应用,力学方面,计算机技术成为了科学的第四次革命性技术,现在基于计算机的数据科学已经逐步成为力学等其他科学发现的第四范式。人工智能、大数据、数字孪生等概念已经逐步成为当今时代的主题。智能制造、智能算法、数据驱动力学、大语言模型、自动驾驶在当今社会展现出巨大潜力,吸引了大量的研究人员。同时高性能显卡和多核中央处理器的出现为大规模数值模型的高性能计算提供了强大算力。然而因为该领域的论文较多,涉及内容较广,需要的知识量较大,不仅需要力学,数学,物理的知识,还需要计算机、数据科学、大数据分析的知识。入门门槛较高,因此我建立了此微 信公 众号(STEM与计算机方法),希望通过自己的学习加上文献翻译和整理,帮助新手快速掌握前沿研究的热点和聚焦,轻松入门计算的相关研究(实验、理论、数值计算方法),从而吸引和聚焦更多对该技术和研究领域感兴趣的华人朋友,为推动智能计算与基础科学的科学研究的发展和交流做一点儿贡献!

如果你认同我的想法,请点击右上角的三个点,将此文章(公 众号)发送给你的老师和同学,谢谢。

如果你想在朋友圈中分享你所专注的前沿研究,欢迎你分享到朋友圈,谢谢!


 


来源:STEM与计算机方法
振动光学电子裂纹理论自动驾驶材料数字孪生试验人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2024-08-07
最近编辑:4月前
江野
博士 等春风得意,等时间嘉许。
获赞 50粉丝 51文章 321课程 0
点赞
收藏
作者推荐

数值模拟——模型开发和测试的一般流程

数值模拟在产品开发和工程、制造当中扮演了相当重要的角色。一般来说,数值模拟在开发中有以下几个主要的过程:分析问题、建模、测试、优化和报告。下面会逐一详解:1. 分析问题分析问题很重要,数值模拟最关键的就是对问题的理解,这是第一步,也是最关键的一步。问题没有分析好,相当于一开始就存在问题。对于一个问题,首先就要确认问题的类型:是静力学还是动力学,多场耦合吗?是不是固体大变形?有没有流体的相互作用等等。在得到感性认知之后,就需要提炼出问题的控制方程。自然界中的现象都可以通过片微分形式的方程来描述。这一步,除了控制方程本身,还需要提炼出源项和边界条件等相关信息。例如:边界施加了位移,就是第一类边界条件,如果是应变,就是第二类边界条件。如果问题需要考虑到热源,那么热源就是源项(核能,微波加热等等)。接下来就需要考虑问题的具体技术细节了。例如:这个问题选用哪一个软件/数值计算方法 会得到更好的效果。可否做一些简化(二维,对称模型,均质化等等)?大概需要多少计算资源的消耗?需要哪些物理和力学参数?有了初步的认识,接下来就可以开始开发模型了2. 模型开发这一步基本上都是按部就班的。但是也会涉及到迭代和重复的过程。例如,模型开发过程中,操作都是对的,但是数据有问题,导致计算的结果和实验对不上,又比如模型拿到以后,导入软件当中出现了错误或格式不兼容的问题,又比如,有的模型,尺寸较大导入和模型的渲染差不多就要10来分钟的时间。遇到上述的情况,就需要对模型反复的调试,直到正确为止。另外,还需要对模型进行敏感性分析,数值计算方法,本质上是用到了计算机离散化的思想,离散的越多,精度越高,但也会使得计算量提高,尤其是大型的模型,当网格、粒子数量增多时,计算量会变得很大。对于有限元来说,一般是增大网格数量,直到某一物理量收敛为止,这个网格数就比较合适,一方面能得到准确的结果,另一方面,也能够尽量减少计算资源的消耗。3. 优化这一步,会进一步对模型性能进行提升。根据模型当前的表现,增加更多的细节,使得结果更符合实际情况。例如:本构方程的选择,是否也要考虑周围空气的传热?能否尽量减少计算量呢?在这一步,模型如果开发成熟了,会进一步被用于其他情景,发挥数值模拟的效果。4. 报告最后,都需要得出一个总结性的文件,阐明该数值模拟得到的结论。来源:STEM与计算机方法

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈