fatigue life prediction的案例
FATIGUE LIFE PREDICTION OF SOLDER JOINTS IN ELECTR
FATIGUE LIFE PREDICTION OF SOLDER JOINTS IN ELECTRONIC PACKAGES WITH ANSYS
FATIGUE LIFE PREDICTION OF SOLDER JOINTS IN ELECTRONIC PACKAGES WITH ANSYS.pdf
FATIGUE LIFE PREDICTION OF SOLDER JOINTS IN ELECTR
FATIGUE LIFE PREDICTION OF SOLDER JOINTS IN ELECTRONIC PACKAGES WITH ANSYS
FATIGUE LIFE PREDICTION OF SOLDER JOINTS IN ELECTRONIC PACKAGES WITH ANSYS.pdf
擴展黃永剛原始晶體塑性程序加入AF背應力模擬金屬疲勞問題 ￥800
擴展黃永剛原始晶體塑性程序加入AF背應力模擬金屬疲勞問題
參考文獻：《Low-cycle fatigue life prediction of a polycrystalline nickel-base superalloy using crystal plasticity modelling approach》
在原始程序中修改流動方程，加入背應力項，引入運動硬化項，從而可以描述多晶金屬循環加載中的包辛格效應
背應力的演化遵循AF模型
并使用原始的PAN模型描述滑移系統的硬化行為
為了表征多晶的疲勞壽命，引入兩類疲勞指示因子分別為
一：累計塑性滑移
二：累計能量耗散
展開 擴展黃永剛原始晶體塑性程序加入AF背應力模擬金屬疲勞問題
參考文獻：《Low-cycle fatigue life prediction of a polycrystalline nickel-base superalloy using crystal plasticity modelling approach》
在原始程序中修改流動方程，加入背應力項，引入運動硬化項，從而可以描述多晶金屬循環加載中的包辛格效應
背應力的演化遵循AF模型
并使用原始的PAN模型描述滑移系統的硬化行為
為了表征多晶的疲勞壽命，引入兩類疲勞指示因子分別為
一：累計塑性滑移
二：累計能量耗散
以文獻的例，驗證修改模型的準確性，其中文獻作者的幾何模型和材料參數如下
依據該模型，作者模擬得到單調拉伸以及循環加載下材料的宏觀應力應變響應為
微觀響應結果為
基于兩類疲勞指示因子，作者通過線性外推得到了基于模擬的壽命預測結果:
基于作者提供的思路和參數，對黃永剛原始程序進行修改，考慮背應力效應，并進行簡單的數值驗證
1，建立包含200晶粒的二維多晶模型（0.1*0.03mm），并使用四節點平面應變單元進行網格劃分，如下圖
2，施加正弦形式的循環拉壓的位移載荷（1%），引力比為-1
3，模擬結果如下：
第一個滑移系統的背應力：
累計塑性剪切：
累計能量耗散：
宏觀應力應變響應：
展開 
晶體塑性每日文章推薦（七）
文章名稱：《Low-cycle fatigue life prediction of a polycrystalline nickel-base superalloy using crystal plasticity modelling approach》
doi：10.1016/j.jmst.2019.05.072
推薦理由：作者基于黃永剛原始程序加入AF背應力模擬了GH4169的疲勞失效問題，實現相對容易。同時作者使用了兩類疲勞指示因子（FIP）累計剪切滑移，累計塑性耗散，對影響材料的疲勞壽命的因素進行分析。發現疲勞損傷有限萌生于三晶交叉位置，同時取向對于介觀尺度下應力分布影響顯著。而對宏觀響應影響則可以忽略
理論部分
框架基于黃經典亞彈性框架，這里不再贅述。
其中為了引入背應力，修改流動方程，加入背應力項，引入運動硬化項，從而可以描述包辛格效應
背應力演化遵循AF模型
并使用經典的PAN模型描述滑移系統的硬化行為
兩類疲勞指示因子分別為
一：累計塑性滑移
二：累計能量耗散
作者的幾何模型和材料參數如下
依據該模型，作者模擬得到單調拉伸以及循環加載下材料的宏觀應力應變響應為
微觀響應結果為
基于兩類疲勞指示因子，作者通過線性外推得到了基于模擬的壽命預測結果:
之后作者探究了不同因素對材料疲勞壽命的影響，得出以下結論：
（1） 累積塑性滑移和能量耗散都可以用作FIP來確定失效前的LCF疲勞循環。在較高的應變幅度下，能量耗散傾向于提供更好的LCF疲勞壽命預測。將這些數據與LCF實驗數據進行了比較，并獲得了良好的一致性。
（2） 疲勞損傷最有可能在觀察到嚴重塑性滑移和能量耗散的三點和晶界處開始。
展開 大涵道比分排渦扇發動機渦輪軸斷裂過渡態性能仿真
CHEN Hao.Finite element analysis and fatigue life prediction of an aero?engine turbine shaft[D].Chengdu:University of Electronic Science and Technology of China,2016.（in Chinese）
5. 陸山,陳倩,陳軍.航空發動機主軸疲勞壽命預測方法[J].航空動力學報,2010,25（1）:148?151.
LU Shan,CHEN Qian,CHEN Jun.Method of predicted fatigue life of aero?engine's principal shaft[J].Journal of Aerospace Power,2010,25（1）:148?151.（in Chinese）
6. 王通北,陳美英.軍用航空發動機主軸疲勞壽命的試驗驗證[J].航空發動機,2000,7（3）:42?49，65.
WANG Tongbei,CHEN Meiying.Experimental verification of fatigue life of military aero?engine spindle[J].Aeroengine,2000,7（3）:42?49，65.（in Chinese）
7. 崔平亮.航空發動機低壓渦輪軸疲勞壽命計算分析[D].成都:電子科技大學,2014.
展開 基于RecurDyn的多工況下的尼龍蝸輪疲勞性能研究
［15］ 劉力欣.基于仿真分析對重載汽車變速齒輪軸多軸疲勞壽命預測研究［D］.杭州：浙江大學，2017：13-21.LIU Lixin.Study of the multi-axle fatigue life prediction of the trans?mission gear shaft of heavy-duty vehicle based on the simulation analysis［D］.Hangzhou：Zhejiang University，2017：13-21.
2.5D/3D芯片-封裝-系統協同仿真技術研究
damage in solder joints[C]//Fifth World Congress on Computational Mechanics July 7–12, 2002, Vienna:1
[15] ZAHN B A, Finite Element Based Solder Joint Fatigue Life Predictions for a Same Die Stacked Chip Scale Ball Grid Array Package[C]// 27th Annual IEEE/SEMI International Electronics Manufacturing Technology Symposium:1-2
[16] GAIKWAD N V, RELIABILITY OF A 2.5D TSV PACKAGE[D], ARLINGTON, THE UNIVERSITY OF TEXAS AT ARLINGTON,May 2018:4-6
[17]3DFabric's Complete System Integration Portfolio,TSMC[EB/OL],[2021], https://3dfabric.tsmc.com/english/dedicatedFoundry/technology/3DFabric.htm
“微系統與先進封裝技術”專題（電子版）可點擊下方查看
點擊查看完整內容
關于作者
展開 強度丨南航：航空發動機和燃氣輪機熱端部件的熱腐蝕-疲勞性能與壽命預測方法研究進展
圖1 1 基于斷裂力學的熱腐蝕-疲勞壽命預測方法[81]
Fig.11 Fracture mechanics based hot-corrosion fatigue life prediction[81]
總的來說，目前基于唯象模型、損傷力學模型、斷裂力學模型的熱腐蝕-疲勞壽命預測精度在3倍分散帶之內。這些模型預測精度的提高一方面取決于對熱腐蝕損傷（如熱腐蝕坑形貌、尺寸等）的精確表征，以期更好地考慮熱腐蝕損傷所帶來的應力/應變梯度，另一方面取決于先進的材料本構模型，尤其是對于力學性能各向異性的單晶高溫合金，以更好地刻畫渦輪材料的應力應變響應，建立起更為準確的疲勞參量與疲勞壽命之前的量化關系。對于渦輪材料，由于其服役條件嚴苛，現階段仍較缺乏熱腐蝕-疲勞實驗數據。基于統計理論的機器學習可以在小樣本的條件下獲得較好的預測結果，且泛化能力強，對具有相同分布特征的樣本具有較好的預測能力。
因此，近年來基于數據驅動的機器學習疲勞壽命預測模型/方法引起了人們的廣泛關注[82]，比如Yang等[83]開發了結合臨界平面法和神經網絡的混合壽命預測模型，利用領域知識和機器學習在壽命預測中的作用，研究聚合物材料聚酰胺-6(PA6）的速率相關多軸疲勞壽命預測，預測結果基本在試驗結果的1.5倍誤差帶內。因此，建立基于人工智能（Artificial intelligence,AI）和大數據的熱腐蝕-疲勞損傷演化模型以及數據驅動和物理混合模型對于實現燃氣-海洋大氣耦合環境下航空發動機渦輪部件疲勞壽命精準預測具有重要意義，也是未來重要的發展方向。
展開 fatigue life prediction的相關專題、標簽、搜索
fatigue life predictionMSC Fatigueoptistruct fatigueFatigueFatigue Toolfatigue疲勞分析 solder joint fatigue life prediction:fea fatigue lifeapdl fatigue lifesolder joint fatigue lifean error occurred inside the fatigue module: invalid or missing stress life curvean error occurred inside the fatigue module: invalid or missing stress life curve.
