Modelling Fiber Network Materials:Micromechanics, Constitutive Behaviour and AI

QC 230929

Abstract

Denna avhandling fokuserar på att förstå det mekaniska beteendet hos fiberbaserade material genom att använda olika modelleringsmetoder. Särskild vikt läggs på deras strukturella variationer, anisotropa egenskaper och skadebeteende. Dessutom utforskar denna studie fuktdiffusionsfenomen inom dessa material, med hjälp av maskininlärningstekniker. Forskningen använder en blandning av flerskalemodellering, experimentell undersökning, maskininlärning och kontinuummodellering för att förbättra den prediktiva förmågan för fiberbaserade material.

Artikel I undersöker effekten av stokastiska variationer i strukturella egenskaper hos tunna fibernätverk på mekaniska prestanda. Ett flerskaligt tillvägagångssätt som inkluderar modellering, numerisk simulering och experimentella mätningar föreslås för att studera detta samband. Denna metodik tar också hänsyn till inverkan av torkningsförhållanden under produktionen på fiberegenskaper. Studien visar att spatiala variationer i densitet har en betydande inverkan på lokala töjningsfält, medan fiberorienteringsvinkeln med avseende på hur arket är inspänt under torkningsförloppet är en viktig faktor för den mekaniska responsen. I Artikel II utförs en fördjupad undersökningen av anisotropa egenskaper och tryckkänslighet hos fibernätverk. En jämförelse utförs mellan Hoffmans flytkriterium och Xia-modellen, som används i stor utsträckning för att simulera den mekaniska responsen i fiberbaserade material. Studien innehåller en detaljerad analys av dessa modeller under biaxiala belastningsförhållanden, och bedömer deras numeriska stabilitet och kalibreringsflexibilitet. För att stödja forskarsamhället ytterligare, ges åtkomst till öppen källkod till implementeringen av båda materialmodellerna samt introducerar ett kalibreringsverktyg specifikt för Xia-modellen, vilket främjar användarvänligheten och underlättar ytterligare forskning inom denna domän. I Artikel III introduceras en ny termodynamiskt konsekvent kontinuumskademodell för fiberbaserade material. Genom integreringen av elasto-plasticitet och skademekanismer, använder modellen icke-kvadratiska ytor som består av flera underytor, utökad med en förbättrad gradientskademodell. Modellens förmåga demonstreras genom att förutsäga det olinjära mekaniska beteendet under belastning i planet. Den här studien ger värdefulla insikter i skadebeteendet hos fiberbaserade material, och visar en rad brottmoder som sträcker sig från spröda till sega brott. I Artikel IV studeras fuktinträngning i fiberbaserade material och den resulterande deformationen ut ur planet, känd som curldeformation, med hjälp av en kombination av traditionella experiment, maskininlärningstekniker och kontinuummodellering. Studien jämför effektiviteten hos två maskininlärningsmodeller, ett Feedforward Neural Network (FNN) och ett Recurrent Neural Network (RNN), för att förutsäga fuktprofilhistoriken. Studien finner att RNN-modellen, som tar hänsyn till tidsberoenden, ger en bättre noggrannhet. De predikterade fuktprofilerna används för att simulera curlresponsen, vilket ger en djupare förståelse för sambandet mellan fuktinträngning och curldeformation i papper.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-337282