兵工学报 ›› 2025, Vol. 46 ›› Issue (1): 231163-.doi: 10.12382/bgxb.2023.1163
收稿日期:
2023-12-05
上线日期:
2024-02-24
通讯作者:
基金资助:
XING Wensong, LONG Zhenhai*(), HUANG Jie
Received:
2023-12-05
Online:
2024-02-24
摘要:
滞回环是低周塑性加载过程中连续监测到的应力-应变数据环,包含丰富的材料疲劳损伤累积信息。但由于滞回环数据采集、特征提取及分析等方面存在困难,相关研究报道较少。为深入评估42CrMo高强度钢低周扭转疲劳性能,提出基于滞回环特征数据的疲劳试验分析方法。采用扭转疲劳试验机获取材料的滞回环数据,设计特征提取算法获得循环应力、剪切模量、残余应力和塑性应变等随加载周期的演化规律以及材料的循环软化特性;通过试验设计及分析证实42CrMo材料不满足Masing特性,并且加载应变幅越大,非Masing特性越显著;通过低周扭转疲劳试验数据分析材料的循环应力-应变关系特性和应变-寿命关系特性,计算得到剪切模量G、循环强度系数K'、循环应变硬化指数n'、疲劳强度指数b、疲劳强度系数τ'f、疲劳延性指数c、疲劳延性系数γ'f等。基于滞回环特征数据的疲劳试验分析方法,充分利用扭转疲劳试验中间大量加载滞回环数据提取每一周期的滞回环特征,用丰富的分析数据描述材料疲劳性能。
中图分类号:
邢文松, 龙震海, 黄杰. 基于滞回环数据的42CrMo高强度钢低周扭转疲劳性能分析[J]. 兵工学报, 2025, 46(1): 231163-.
XING Wensong, LONG Zhenhai, HUANG Jie. Analysis of Low-cycle Torsional Fatigue Properties of 42CrMo Based on Hysteresis Loop Data[J]. Acta Armamentarii, 2025, 46(1): 231163-.
[1] |
王永, 王西彬, 王志斌, 等. 考虑高强度钢加工表面完整性的背应力能法疲劳寿命预测模型[J]. 兵工学报, 2023, 44(3):806-815.
doi: 10.12382/bgxb.2021.0828 |
doi: 10.12382/bgxb.2021.0828 |
|
[2] |
|
[3] |
轩福贞, 朱明亮, 王国彪. 结构疲劳百年研究的回顾与展望[J]. 机械工程学报, 2021, 57(6):26-51.
doi: 10.3901/JME.2021.06.026 |
doi: 10.3901/JME.2021.06.026 |
|
[4] |
王成, 毛飞鸿, 侯威, 等. 基于动态扭矩测试的综合传动系统主轴低周疲劳寿命预测与验证[J]. 兵工学报, 2020, 41(7):1262-1269.
doi: 10.3969/j.issn.1000-1093.2020.07.002 |
|
|
[5] |
赵兴华, 蔡力勋, 江志华, 等. C250钢漏斗试样扭转低周疲劳研究[J]. 航空材料学报, 2015, 35(3):83-88.
doi: 10.11868/j.issn.1005-5053.2015.3.014 |
|
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
周成, 叶其斌, 田勇, 等. 超高强度结构钢的研究及发展[J]. 材料热处理学报, 2021, 42(1):14-23.
doi: 10.13289/j.issn.1009-6264.2020-0283 |
doi: 10.13289/j.issn.1009-6264.2020-0283 |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
金丹, 左皓中, 刘兵, 等. 316L不锈钢non-Masing特性分析和疲劳寿命预测[J]. 中国机械工程, 2020, 31(24):2931-2936.
doi: 10.3969/j.issn.1004-132X.2020.24.005 |
|
|
[19] |
|
[20] |
孙国芹, 尚德广, 王杨. 金属多轴疲劳行为与寿命预测研究进展[J]. 机械工程学报, 2021, 57(16):153-172.
doi: 10.3901/JME.2021.16.153 |
doi: 10.3901/JME.2021.16.153 |
|
[21] |
李志农, 曾文钧, 闻庆松, 等. 静载拉伸和低周疲劳下Q235钢磁声发射特性[J]. 兵工学报, 2021, 42(1):185-191.
doi: 10.3969/j.issn.1000-1093.2021.01.021 |
doi: 10.3969/j.issn.1000-1093.2021.01.021 |
|
[22] |
|
[23] |
|
[24] |
|
[1] | 冯迎宾, 郭枭尊, 晏佳华. 基于多尺度注意力机制的无人机小目标检测算法[J]. 兵工学报, 2025, 46(1): 231124-. |
[2] | 乔新博, 赵永强, 张景程. 基于空间偏振混叠特性的红外偏振视频目标跟踪[J]. 兵工学报, 2024, 45(9): 3274-3287. |
[3] | 查冰婷, 徐光博, 秦建新, 张合. 多发多收周视激光引信时刻鉴别方法[J]. 兵工学报, 2024, 45(11): 4145-4154. |
[4] | 刘懿, 任济寰, 吴祥, 薄煜明. 基于集成迁移学习的新装备装甲车辆分类[J]. 兵工学报, 2023, 44(8): 2319-2328. |
[5] | 章斌, 卢洪义, 刘舜, 桑豆豆, 杨禹成. 发动机部件CT图像特征提取与区域生长算法[J]. 兵工学报, 2023, 44(4): 1171-1180. |
[6] | 王洋, 冯永新, 宋碧雪, 田秉禾. DP-DRCnet卷积神经网络信号调制识别算法[J]. 兵工学报, 2023, 44(2): 545-555. |
[7] | 王亮, 陈建华, 李烨. 一种基于深度学习的无人艇海上目标识别技术[J]. 兵工学报, 2022, 43(S2): 13-19. |
[8] | 李恒, 叶祖坤, 查文彬, 王禹林. 基于多传感器信息决策级融合的刀具磨损在线监测[J]. 兵工学报, 2021, 42(9): 2024-2031. |
[9] | 王成, 吴岩, 杨廷飞. 利用改进单分类支持向量机提升舰船尾流目标的检测准确率[J]. 兵工学报, 2020, 41(9): 1887-1893. |
[10] | 余永维, 彭西, 杜柳青, 陈天皓. 基于深度学习框架的装配机器人零件实时检测方法[J]. 兵工学报, 2020, 41(10): 2122-2130. |
[11] | 仝蕊, 康建设, 孙健, 杨文, 李宝晨. 基于局部特征尺度分解与复合谱分析的齿轮性能退化特征提取[J]. 兵工学报, 2019, 40(5): 1093-1102. |
[12] | 代健, 李泽, 郝新红, 栗苹. 基于目标联合特征提取的脉冲多普勒引信抗干扰方法[J]. 兵工学报, 2019, 40(2): 225-233. |
[13] | 杨大为, 赵永东, 冯辅周, 江鹏程, 丁闯. 基于参数优化变分模态分解和多尺度熵偏均值的行星变速箱故障特征提取[J]. 兵工学报, 2018, 39(9): 1683-1691. |
[14] | 丁闯, 冯辅周, 张兵志, 吴守军. 行星变速箱振动信号的线性量子信息熵特征[J]. 兵工学报, 2018, 39(12): 2306-2312. |
[15] | 李关防, 崔杰, 袁富宇. 基于线谱瞬时频率估计的被动声纳目标运动分析[J]. 兵工学报, 2017, 38(7): 1395-1401. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||