Obtención de la forma estable de crecimiento de grieta mediante modelos numéricos e inteligencia artificial

• M. Martin ^[1] ; M. Muniz-Calvente ^[1] ; H. Zabala ^[2] ; F. de la Roza ^[1] ; G. Calvin ^[2] ; A. Álvarez Vázquez ; M. Escalero ^[2]
  1. [1] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
  2. [2] Centro tecnologico de investigación Ikerlan, Basque Research and Technology Alliance (BRTA), Arrasate-Mondragón, Spain
• Localización: Revista española de mecánica de la fractura, ISSN-e 2792-4246, Nº. 1, 2021, págs. 129-134
• Idioma: español
• Enlaces
  • Texto Completo Ejemplar
• Resumen
  • español

    Es comúnmente aceptado que la evolución del frente de grieta durante el crecimiento por fatiga posee una fase inicial transitoria (grieta corta), una fase estable (gran parte del crecimiento) y una fase final (asociada a la reducción del ligamento remanente). La literatura contempla diferentes enfoques que van desde la consideración de un frente recto que avanza sin modificación de forma, (la mayoría de modelos analíticos o numéricos 2D), hasta modelos tridimensionales que incluyen la evolución de la forma del frente de grieta de manera intrínseca en sus cálculos. Sin embargo, estos modelos no recogen comparativas a lo largo del frente de grieta entre el valor del parámetro crítico asociado a la propagación (Δ?, Δ????…) y los valores que conducirían a una propagación estable. En este trabajo, se presenta un modelo basado en la utilización de redes neuronales y modelos por elementos finitos para generar metamodelos que predigan la geometría del frente de grieta en condiciones de crecimiento por fatiga estables. Es posible diferenciar las distribuciones que tomarían los parámetros críticos de crecimiento de grieta a lo largo del frente, así como diferenciar cuales son más adecuados comparando la forma de grieta estable y la experimental, observando las líneas de playa.

  • English

    It is commonly accepted that the shape of the crack front during induced fatigue crack growth is characterized by three phases: an initial transitional phase (short crack), a stable phase (most of the growth stage) and a final phase (associated to the remanent ligament). In the literature, there are different approaches related to the geometrical shape of crack front that must be considered for predicting fatigue crack growth. Said approaches, vary from the consideration of straight crack fronts advancing with an unaltered shape (i.e., most analytic or 2D numeric models) to 3D model calculations which intrinsically include crack front shape evolution. However, these models do not achieve a comparison across the crack front, between the critical parameter associated to the propagation (Δ?, Δ????…) and the values leading to a stable crack propagation. In this paper, a model based on neural networks and finite element calculations is proposed to produce metamodels allowing for the prediction of crack front geometries under stable fatigue growth conditions. The model proposed can predict the stabilization of the crack front shape during fatigue, for different fatigue crack growth parameters, also helping to evaluate the parameter adequacy, through comparisons between stable crack shapes and experimental results.