Hyperelastic modelling of rubber behaviour in finite element software
Notice bibliographique
Résumé
Experimental characterisation of rubber in uniaxial, equi-biaxial and planar tension under cyclic quasi-static loading shows strain-induced stress softening, hysteresis and unrecoverable strain. The objective of this work is to study the applications and limitations involved in predicting the behaviour of rubber with hyperelastic models. To assume a preconditioned perfectly elastic material, the data obtained from experiments must first be simplified. The data is then fitted to popular hyperelastic models in the finite element analysis (FEA) software ANSYS(TM). A single hyperelastic model (with given coefficients) is shown to only provide a good fit to a single characterisation test and level of preconditioning at the time. A two-iteration preconditioning method is developed using different hyperelastic models for a given material to approximate the softening effect of cyclic loading in a static FEA simulation. A biaxiality test is developed, providing information on the dominant mode of simple strain in the elements of a FE model. FEA simulations and experimental tests of a cantilevered rubber plate subjected to a bending load at its free end as well as a rubber guide lug subjected to a transverse deflection are presented and discussed. It is shown that using a single hyperelastic model is insufficient to predict the behaviour of these experiments in FEA simulations. The preconditioning iteration, when applied to these simulations, shows very good agreement with the experiments, both qualitatively and quantitatively. The biaxiality test provides insight on which characterisation test is the most appropriate for curve fitting hyperelastic models for a given analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».