Numerical Modeling of Cylindrical Shell Fragmentation

封面

如何引用文章

全文:

详细

Knowledge of the fragmentation of a structure during its rapid destruction is essential for ensuring the safety of people and surrounding objects. The characteristics of fragments and their space-mass distribution obtained as a result of experiments are essentially inhomogeneous. This may be due to the inhomogeneity of the structure made of real materials, which should be taken into account in calculations. The paper presents the results of numerical modeling of the problem of cylindrical shell fragmentation taking into account the probability distribution of the fracture parameter. The calculations are performed in the LOGOS software using the finite element method. Fracture of the shell is realized by separating the nodal bonds. The criterion for the onset of fracture is the exceedance of the critical value of plastic strains. The validity of the obtained results is confirmed by their agreement with the experimental data and convergence of the solution with increasing number of nodal unknowns. The influence of the fracture criterion, which is set as a material constant and as a parameter distributed according to the normal probability law, is analyzed. It is shown that the use of the probabilistic fracture criterion allows predicting the parameters of the fragmentation field, which are qualitatively consistent with the experimental data. It is established that the degree of shell discretization has a significant effect on the fragment parameters, but practically does not change the type of their mass distribution.

作者简介

S. Gertsik

Competence and Training Center

编辑信件的主要联系方式.
Email: smgertsik@compcenter.org
leading specialist in educational and methodological work 1, building 3, Parkovaya St., Nizhny Novgorod region, Sarov, Russia, 6607182

V. Koniukhov

Institute of Continuous Media Mechanics of the Ural Branch of the Russian Academy of Sciences

Email: koniukhov.v@icmm.ru
research engineer 1, Academica Koroleva St., Perm, Russia, 614068

S. Lekomtsev

Institute of Continuous Media Mechanics of the Ural Branch of the Russian Academy of Sciences

Email: lekomtsev@icmm.ru
Ph. D., head of the Laboratory of Functional Materials Mechanics 1, Academica Koroleva St., Perm, Russia, 614068

参考

  1. Taiwo, B.O., Gebretsadik, A., Abbas, H.H., Khishe, M., Fissha, Y., Kahraman E., Rabbani A. and Akinlabi A.A. (2024) "Explosive utilization efficiency enhancement: An application of machine learning for powder factor prediction using critical rock characteristics", Heliyon, vol. 10, no. 12, e33099.
  2. Sherpa, B.B. and Rani, R. (2024), "Advancements in explosive welding process for bimetallic material joining: A review", Journal of Alloys and Metallurgical Systems, vol. 6, 100078.
  3. Isobe, D. and Jiang, R. (2022), "Explosive demolition planning of building structures using key element index", Journal of Building Engineering, vol. 59, 104935.
  4. Miętkiewicz, R. (2022), "High explosive unexploded ordnance neutralization - Tallboy air bomb case study", Defence Technology, vol. 18, no. 3, pp. 524–535.
  5. Osnes, K., Dey, S., Hopperstad, O.S. and Børvik, T. (2019) "On the Dynamic Response of Laminated Glass Exposed to Impact Before Blast Loading", Experimental Mechanics, vol. 59, no. 7, pp. 1033–1046.
  6. Song, S., Wang, C., Qiao, B. and Gu, G. (2024), "Explosion damage effects of aviation kerosene storage tank under strong ignition", Defence Technology, vol. 37, pp. 27–38.
  7. Zhang, Z., Zhang Z. and Huang, X. (2023), "Experimental study on the impact response of the polyurea-coated 3D auxetic lattice sandwich panels subjected to air explosion", Composite Structures, vol. 323, 117500.
  8. Hou, L., Li, Y., Qian, X., Shu, C., Yuan, M. and Duanmu, W. (2021), "Large-scale experimental investigation of the effects of gas explosions in underdrains", Journal of Safety Science and Resilience, vol. 2, no. 2, pp. 90–99.
  9. Osnes, K., Holmen, J.K., Hopperstad, O.S. and Børvik, T. (2019), "Fracture and fragmentation of blast-loaded laminated glass: An experimental and numerical study", International Journal of Impact Engineering, vol. 132, 103334.
  10. Wildemann, V.E., Feklistova, E.V., Mugatarov, A.I., Mullahmetov M.N. and Kuchukov, A.M. (2023), "Aspects of numerical simulation of failure of elastic-brittle solids", Computational Continuum Mechanics, vol. 16, no. 4, pp. 420–429.
  11. Li, M., Zhu Z., Liu, R., Liu, B., Zhou, L. and Dong, Y. (2018), "Study of the effect of empty holes on propagating cracks under blasting loads", International Journal of Rock Mechanics and Mining Sciences, vol. 103, pp. 186–194.
  12. Tian, S., Yan, Q., Du, X., Chen, F. and Zhang, B. (2023), "Experimental and numerical studies on the dynamic response of precast concrete slabs under blast load", Journal of Building Engineering, vol. 70, 106425.
  13. Qi, S., Zhi, X., Fan, F. and Flay, R.G.J. (2020), "Probabilistic blast load model for domes under external surface burst explosions", Structural Safety, vol. 87, 102004.
  14. Zhou L., Li X. and Yan Q. (2024), "Dynamic response and vulnerability analysis of pier under near-field underwater explosion", Engineering Failure Analysis, vol. 155, 107749.
  15. Gan, N., Liu, L.T., Yao, X.L., Wang, J.X. and Wu, W.B. (2021), "Experimental and numerical investigation on the dynamic response of a simplified open floating slender structure subjected to underwater explosion bubble", Ocean Engineering, vol. 219, 108308.
  16. He Z., Du, Z., Zhang, L. and Li, Y. (2023), "Damage mechanisms of full-scale ship under near-field underwater explosion", Thin-Walled Structures, vol. 189, 110872.
  17. Kishore, K.B., Gangolu, J., Ramancha, M.K., Bhuyan, K. and Sharma, H. (2022), "Performance-based probabilistic deflection capacity models and fragility estimation for reinforced concrete column and beam subjected to blast loading", Reliability Engineering & System Safety, vol. 227, 108729.
  18. Huang, X., Yue, Y., Zhu, B. and Chen, Y. (2024), "Failure analysis of underground concrete silo under near-field soil explosion", Tunnelling and Underground Space Technology, vol. 147, 105696.
  19. Zhou, X.-Q., Huang, B.-G., Wang, X.-Y. and Xia, Y. (2024), "Deep learning-based prediction of structural responses of RC slabs subjected to blast loading", Engineering Structures, vol. 311, 118184.
  20. Widanage, C., Mohotti, D., Lee, C.K., Wijesooriya, K. and Meddage, D.P.P. (2024), "Use of explainable machine learning models in blast load prediction", Engineering Structures, vol. 312, 118271.
  21. Zhang, H., Xu, Y., Xiao, L. and Zhen, C. (2024), "Physics-informed machine learning model for prediction of ground reflected wave peak overpressure", Defence Technology, In Press.
  22. Singh K., Gardoni, P. and Stochino, F. (2020), "Probabilistic models for blast parameters and fragility estimates of steel columns subject to blast loads", Engineering Structures, vol. 222, 110944.
  23. Randers-Pehrson, G. and Bannister, K.A. (1997), "Airblast Loading Model for DYNA2D and DYNA3D", Army Research Laboratory.
  24. "LOGOS" software [Electronic resource]. URL: http://logos.vniief.ru/ (accessed 10 July 2024).
  25. Belytschko, T., Lin, J.I. and Tsay, C.-S. (1984), "Explicit algorithms for the nonlinear dynamics of shells", Computer Methods in Applied Mechanics and Engineering, vol. 42, no. 2, pp. 225–251.
  26. Hughes, T.J.R. and Liu, W.K. (1981), "Nonlinear finite element analysis of shells-part II. two-dimensional shells", Computer Methods in Applied Mechanics and Engineering, vol. 27, no. 2, pp. 167–181.
  27. Wang, K., Chen, P., Sun, X., Liu, Y., Meng, J., Li, X., Zheng, X. and Xiao, C. (2024), "Fracture behavior and mechanism of highly fragmented steel cylindrical shell under explosive loading", Defence Technology, vol. 36, pp. 122–132.
  28. An, X., Ye, P., Liu, J., Tian, C., Feng, S. and Dong, Y. (2020), "Dynamic fracture and fragmentation characteristics of metal cylinder and rings subjected to internal explosive loading", Materials, vol. 13, no. 3, 778.
  29. Orlenko, L.P. (ed.) (2004), Fizika vzryva [Physics of explosion], FIZMATLIT, Moscow, Russian Federation.

补充文件

附件文件
动作
1. JATS XML
下载


Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

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».