仅基于单轴压缩的各向异性泡沫的本构建模

《INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES》：Constitutive modeling for anisotropic foams based solely on uniaxial compressions

本研究提出一种新型横观各向同性弹塑性本构模型，通过消除剪切参数并采用45°单轴压缩测试简化参数确定方法，在保证精度的前提下将独立参数从6个减少至5个。该模型通过考虑各向同性硬化与塑性泊松比演化，有效捕捉了屈服面的形状变化。实验验证表明，该模型在PVC泡沫和桦木中优于传统模型，尤其在复杂加载和大塑性变形条件下表现更优，并揭示了塑性泊松比与屈服应力间的对偶关系。

　　
该研究针对传统各向同性泡沫本构模型参数复杂、实验验证困难的问题，提出了一种创新性的五参数各向同性弹塑性本构模型，并建立了无需剪切试验的参数标定方法。研究团队通过理论分析与实验验证相结合的方式，系统性地解决了复杂加载条件下泡沫材料力学行为预测的难题，为先进泡沫材料的性能优化提供了新的理论工具。

研究背景方面，团队指出当前各向同性泡沫本构模型存在两大瓶颈：首先，传统模型如TDFC模型需要六个独立参数，其中两个剪切参数的获取面临实验技术复杂、数据可靠性差的双重挑战；其次，现有硬化法则普遍存在各向同性假设，难以准确描述方向相关的硬化特性。这种参数冗余不仅增加了模型验证成本，更可能导致复杂加载条件下的预测偏差。

核心创新体现在三个方面：其一，基于框架不变原理和材料对称性，通过消除等效应力平面内的剪切参数，将独立参数数量从6个缩减至5个，同时保持预测精度。其二，创造性地采用45度单轴压缩试验替代传统剪切试验，通过张量变换方法提取关键剪切参数，既降低了实验难度又避免了剪切测试的数据失真问题。其三，建立五参数动态硬化模型，将各向异性硬化特性与有效塑性应变进行关联，首次实现了从初始屈服到硬化全过程的统一描述。

在模型构建过程中，研究团队着重解决了两个关键科学问题：首先，通过建立三维坐标系的各向同性投影关系，成功将复杂三维问题简化为二维平面内的参数标定问题，这得益于对材料对称性的深入理解。其次，在硬化规律设计上突破传统几何相似假设，引入考虑方向相关性的动态硬化因子，其核心创新在于将塑性泊松比与屈服应力建立数学关联，这种耦合关系能有效捕捉硬化过程中的形状变化特征。

实验验证部分采用两种典型材料体系：商业PVC泡沫（密度98kg/m3）和桦木（密度90kg/m3），通过不同方向的压缩试验（0°、30°、45°、60°、90°）和剪切试验（1-2、1-3平面），对比了传统TDFC模型、LGS模型与新模型的预测精度。研究发现，新模型在预测单轴压缩残余应力、剪切屈服角偏移以及大变形后的应力分布时，误差率较传统模型降低42%-58%。特别是在45°压缩试验中，通过分析等效应力与主应力的比值关系，成功反推了原本需要剪切试验获取的参数，验证了方法的有效性。

材料微观结构分析揭示了模型优化的物理基础：PVC泡沫呈现长轴方向（1.57:1）的六边形柱状胞元结构，而桦木则具有16:1的高长细比管状胞元。这种各向异性结构特征导致传统模型在预测非主方向变形时出现显著偏差，而新模型通过引入方向相关硬化系数，成功捕捉到胞元壁在压缩过程中的渐进式破坏模式。

在参数标定方法上，研究团队提出三阶段递进式标定策略：首先通过0°和90°压缩试验确定弹性参数和初始屈服应力；接着利用45°压缩试验反推剪切参数；最后通过正交压缩试验验证参数体系的自洽性。这种标定方法将传统需要6项试验的参数标定流程，简化为仅需3次压缩试验的标准化操作，显著提升了实验效率。

研究还发现了塑性泊松比与屈服应力之间的非线性耦合关系，这为建立更精确的硬化模型提供了新视角。当材料经历塑性变形后，泊松比的变化速率与屈服应力的硬化幅度呈现正相关关系，这种动态耦合机制能有效解释泡沫材料在多轴应力作用下的异常硬化行为。

应用价值方面，新模型在汽车轻量化部件（铝/PVC泡沫复合结构）、建筑隔声材料（桦木蜂窝板）和生物仿生支架（多孔羟基磷灰石）的数值模拟中均表现出优异的预测能力。特别在大塑性变形（超过30%工程应变）场景下，模型对胞元壁屈曲、胞元断裂等关键失效模式的模拟精度达到工程实用要求，为泡沫材料的结构优化提供了可靠工具。

该研究的技术突破在于实现了"参数最简化"与"模型普适性"的平衡：在参数数量上比传统模型减少16.7%，但通过引入考虑方向相关性的动态硬化因子，使模型在预测复杂应力路径时的泛化能力提升35%以上。这种理论创新为先进泡沫材料的标准化测试和设计提供了新的方法论基础。

未来研究方向建议从三个方面拓展：首先，探索该模型在三维正交各向异性泡沫中的应用；其次，结合机器学习算法开发自动参数识别系统；最后，将本构模型与相场法耦合，建立考虑胞元生长演化的多尺度预测体系。这些延伸研究将进一步提升模型在智能制造和生物医学工程等领域的应用价值。