Численное моделирование фрагментации цилиндрической оболочки

Обложка

Цитировать

Полный текст

Аннотация

Знание параметров фрагментации конструкции при ее быстропротекающем разрушении необходимо для обеспечения безопасности людей и окружающих объектов. Характеристики фрагментов и их пространственно-массовое распределение, получаемые в результате экспериментов, являются существенно неоднородными. Это может быть связано с неоднородностью структуры реальных материалов, которую нужно учитывать при проведении расчетов. В данной работе приведены результаты численного моделирования задачи фрагментации цилиндрической оболочки с учетом вероятностного распределения параметра разрушения. Вычисления выполнены в отечественном пакете программ ЛОГОС с применением метода конечных элементов. Разрушение оболочки реализовано за счет разделения узловых связей, критерием наступления которого является превышение величины пластической деформации критического значения. Достоверность полученных результатов подтверждена сравнением с экспериментальными данными и сходимостью решения при увеличении числа узловых неизвестных. Выполнен анализ влияния критерия разрушения, задаваемого в виде константы материала и в виде параметра, распределенного по нормальному закону. Показано, что использование вероятностного критерия разрушения позволяет прогнозировать параметры фрагментации, качественно согласующиеся с экспериментальными данными. Установлено, что степень дискретизации оболочки оказывает существенное влияние на параметры фрагментов, но практически не меняет вида их распределения по массовым группам.

Об авторах

С. М. Герцик

Центр компетенций и обучения

Автор, ответственный за переписку.
Email: smgertsik@compcenter.org
главный специалист по учебно-методической работе 607182, Нижегородская обл., г. Саров, ул. Парковая, 1 стр. 3, помещ. 36

В. А. Конюхов

Институт механики сплошных сред УрО РАН

Email: koniukhov.v@icmm.ru
инженер-исследователь 614068, Россия, г. Пермь, ул. Академика Королева, 1

С. В. Лекомцев

Институт механики сплошных сред УрО РАН

Email: lekomtsev@icmm.ru
кандидат физико-математических наук, заведующий лабораторией механики функциональных материалов 614068, Россия, г. Пермь, ул. Академика Королева, 1

Список литературы

  1. Taiwo B. O., Gebretsadik A., Abbas H. H., Khishe M., Fissha Y., Kahraman E., Rabbani A., Akinlabi A. A. Explosive utilization efficiency enhancement: An application of machine learning for powder factor prediction using critical rock characteristics // Heliyon. 2024. Vol. 10, № 12. e33099.
  2. URL: https://doi.org/10.1016/j.heliyon.2024.e33099 (дата обращения: 10.07.2024).
  3. Sherpa B. B., Rani R. Advancements in explosive welding process for bimetallic material joining: A review // Journal of Alloys and Metallurgical Systems. 2024. Vol. 6. 100078. URL: https://doi.org/10.1016/j.jalmes.2024.100078 (дата обращения: 10.07.2024).
  4. Isobe D., Jiang R. Explosive demolition planning of building structures using key element index // Journal of Building Engineering. 2022. Vol. 59. 104935. URL: https://doi.org/10.1016/j.jobe.2022.104935 (дата обращения: 10.07.2024).
  5. Miętkiewicz R. High explosive unexploded ordnance neutralization - Tallboy air bomb case study // Defence Technology. 2022. Vol. 18, № 3. P. 524–535. URL: https://doi.org/10.1016/j.dt.2021.03.011 (дата обращения: 10.07.2024).
  6. Osnes K., Dey S., Hopperstad O. S., Børvik T. On the Dynamic Response of Laminated Glass Exposed to Impact Before Blast Loading // Experimental Mechanics. 2019. Vol. 59, № 7. P. 1033–1046. URL: https://doi.org/10.1007/s11340-019-00496-1 (дата обращения: 10.07.2024).
  7. Song S., Wang C., Qiao B., Gu G. Explosion damage effects of aviation kerosene storage tank under strong ignition // Defence Technology. 2024. Vol. 37. P. 27–38. URL: https://doi.org/10.1016/j.dt.2023.12.009 (дата обращения: 10.07.2024).
  8. Zhang Z., Zhang Z., Huang X. Experimental study on the impact response of the polyurea-coated 3D auxetic lattice sandwich panels subjected to air explosion // Composite Structures. 2023. Vol. 323. 117500.
  9. URL:https://doi.org/10.1016/j.compstruct.2023.117500 (дата обращения: 10.07.2024).
  10. Hou L., Li Y., Qian X., Shu C., Yuan M., Duanmu W. Large-scale experimental investigation of the effects of gas explosions in underdrains // Journal of Safety Science and Resilience. 2021. Vol. 2, № 2. P. 90–99.
  11. URL: https://doi.org/10.1016/j.jnlssr.2021.03.001 (дата обращения: 10.07.2024).
  12. Osnes K., Holmen J. K., Hopperstad O. S., Børvik T. Fracture and fragmentation of blast-loaded laminated glass: An experimental and numerical study // International Journal of Impact Engineering. 2019. Vol. 132. 103334.
  13. URL: https://doi.org/10.1016/j.ijimpeng.2019.103334 (дата обращения: 10.07.2024).
  14. Вильдеман В. Э., Феклистова Е. В., Мугатаров А. И., Муллахметов М. Н., Кучуков А. М. Аспекты численного моделирования процессов разрушения упруго-хрупких тел // Вычислительная Механика Сплошных Сред. 2023. Т. 16, № 4. С. 420–429. URL: https://doi.org/10.7242/1999-6691/2023.16.4.35 (дата обращения: 10.07.2024).
  15. Li M., Zhu Z., Liu R., Liu B., Zhou L., Dong Y. Study of the effect of empty holes on propagating cracks under blasting loads // International Journal of Rock Mechanics and Mining Sciences. 2018. Vol. 103. P. 186–194.
  16. URL: https://doi.org/10.1016/j.ijrmms.2018.01.043 (дата обращения: 10.07.2024).
  17. Tian S., Yan Q., Du X., Chen F., Zhang B. Experimental and numerical studies on the dynamic response of precast concrete slabs under blast load // Journal of Building Engineering. 2023. Vol. 70. 106425. URL: https://doi.org/10.1016/j.jobe.2023.106425 (дата обращения: 10.07.2024).
  18. Qi S., Zhi X., Fan F., Flay R.G.J. Probabilistic blast load model for domes under external surface burst explosions // Structural Safety. 2020. Vol. 87. 102004. URL: https://doi.org/10.1016/j.strusafe.2020.102004 (дата обращения: 10.07.2024).
  19. Zhou L., Li X., Yan Q. Dynamic response and vulnerability analysis of pier under near-field underwater explosion // Engineering Failure Analysis. 2024. Vol. 155. 107749. URL: https://doi.org/10.1016/j.engfailanal.2023.107749 (дата обращения: 10.07.2024).
  20. Gan N., Liu L. T., Yao X. L., Wang J. X., Wu W. B. Experimental and numerical investigation on the dynamic response of a simplified open floating slender structure subjected to underwater explosion bubble // Ocean Engineering. 2021. Vol. 219. 108308. URL: https://doi.org/10.1016/j.oceaneng.2020.108308 (дата обращения: 10.07.2024).
  21. He Z., Du Z., Zhang L., Li Y. Damage mechanisms of full-scale ship under near-field underwater explosion // Thin-Walled Structures. 2023. Vol. 189. 110872. URL: https://doi.org/10.1016/j.tws.2023.110872 (дата обращения: 10.07.2024).
  22. Kishore K. B., Gangolu J., Ramancha M. K., Bhuyan K., Sharma H. Performance-based probabilistic deflection capacity models and fragility estimation for reinforced concrete column and beam subjected to blast loading // Reliability Engineering & System Safety. 2022. Vol. 227. 108729. URL: https://doi.org/10.1016/j.ress.2022.108729 (дата обращения: 10.07.2024).
  23. Huang X., Yue Y., Zhu B., Chen Y. Failure analysis of underground concrete silo under near-field soil explosion // Tunnelling and Underground Space Technology. 2024. Vol. 147. 105696. URL: https://doi.org/10.1016/j.tust.2024.105696 (дата обращения: 10.07.2024).
  24. Zhou X.-Q., Huang B.-G., Wang X.-Y., Xia Y. Deep learning-based prediction of structural responses of RC slabs subjected to blast loading // Engineering Structures. 2024. Vol. 311. 118184. URL: https://doi.org/10.1016/j.engstruct.2024.118184 (дата обращения: 10.07.2024).
  25. Widanage C., Mohotti D., Lee C. K., Wijesooriya K., Meddage, D. P. P. Use of explainable machine learning models in blast load prediction // Engineering Structures. 2024. Vol. 312. 118271. URL: https://doi.org/10.1016/j.engstruct.2024.118271 (дата обращения: 10.07.2024).
  26. Zhang H., Xu Y., Xiao L., Zhen C. Physics-informed machine learning model for prediction of ground reflected wave peak overpressure // Defence Technology. 2024. URL: https://doi.org/10.1016/j.dt.2024.06.004 (дата обращения: 10.07.2024).
  27. Singh K., Gardoni P., Stochino F. Probabilistic models for blast parameters and fragility estimates of steel columns subject to blast loads // Engineering Structures. 2020. Vol. 222. 110944. URL: https://doi.org/10.1016/j.engstruct.2020.110944 (дата обращения: 10.07.2024).
  28. Randers-Pehrson G., Bannister K. A. Airblast Loading Model for DYNA2D and DYNA3D. U.S. Army Research Laboratory. 1997.
  29. Пакет программ "ЛОГОС" [Электронный ресурс]. URL: http://logos.vniief.ru/ (дата обращения: 10.07.2024)
  30. Belytschko T., Lin J. I., Tsay C.-S. Explicit algorithms for the nonlinear dynamics of shells // Computer Methods in Applied Mechanics and Engineering. 1984. Vol. 42, №2. P. 225–251. URL: https://doi.org/10.1016/0045-7825(84)90026-4 (дата обращения: 10.07.2024).
  31. Hughes T. J. R., Liu W. K. Nonlinear finite element analysis of shells-part II. two-dimensional shells // Computer Methods in Applied Mechanics and Engineering. 1981. Vol. 27, № 2. P. 167–181. URL: https://doi.org/10.1016/0045-7825(81)90148-1 (дата обращения: 10.07.2024).
  32. Wang K., Chen P., Sun X., Liu Y., Meng J., Li X., Zheng X., Xiao C. Fracture behavior and mechanism of highly fragmented steel cylindrical shell under explosive loading // Defence Technology. 2024. Vol. 36. P. 122–132.
  33. URL: https://doi.org/10.1016/j.dt.2024.02.004 (дата обращения: 10.07.2024).
  34. An X., Ye P., Liu J., Tian C., Feng S., Dong Y. Dynamic fracture and fragmentation characteristics of metal cylinder and rings subjected to internal explosive loading // Materials. 2020. Vol. 13, № 3. 778. URL: https://doi.org/10.3390/ma13030778 (дата обращения: 10.07.2024).
  35. Физика взрыва / под ред.: Л. П. Орленко. М.: Физматлит, 2004. Т. 2. 656 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».