Processing math: 100%

Tøyning¶

Tøyning er en representasjon av deformasjon. For små tøyninger bruker vi ingeniørtøyninger på følgende form i et koordinatsystem x,y og z

εx=dudxεy=dvdyεz=dwdzγxy=dudy+dvdxγxz=dudz+dwdxγyz=dvdz+dwdy

hvor u,v og w er forskyvinger i x,y og z retning.

Eksempel: Tøyning i x-y-planet som illustrert i figuren under:

εx=dudx=ΔXX0=X−X0X0

εy=dvdy=ΔYY0=Y−Y0Y0

γxy=dudy+dvdx=aY0+0X0=ab

Merk at for en liten vinkel er

ab=tan(γxy)≈γxy

image.png

For store tøyninger er det hensiktsmessig å bruke logaritmisk tøyning, eller sann tøyning, noe vi kun kommer til å bruke i en dimensjon:

Fra ligning (1) med kun normaltøyning i x-retning kan vi utrykke ingeniørtøyning som

εx=dudx⇒ε=X−X0X0=L−L0L0=dLL0

Logaritmisk (eller sann) tøyning av tilsvarende tilstand er

εsann=ln(LL0)

Sammenhengen mellom sann tøyning og ingeniørtøyning er:

εsann=ln(LL0)=ln(L0+dLL0)=ln(1+ε)

For små tøyninger er det minimal forskjell mellom ingeniørtøyning og sann tøyning:

In [1]:
from math import log
print('Ingeniørtøyning     Sann tøyning')
for ing_toyning in [0.0001,0.001,0.01, 0.1, 1]:
    print('   {:.5f}            {:.5f}'.format(ing_toyning, log(ing_toyning+1) ))
Ingeniørtøyning     Sann tøyning
   0.00010            0.00010
   0.00100            0.00100
   0.01000            0.00995
   0.10000            0.09531
   1.00000            0.69315

Tøyning ved elastisk grense for eksempelvis vanlig konstruksjonsstål er rundt 0.002, som betyr at det er absolutt ingen signifikant forskjell mellom ingeniørtøyning og sann tøyning i det elastiske området i dette tilfellet.

Grafiske eksempler for ingeniørtøyning i x-y planet:

In [2]:
import numpy
import matplotlib.pyplot as plt
%matplotlib inline 

def illustrerToyning(ex,ey,exy,skalering):
    x=numpy.array([-0.5,0.5,0.5,-0.5,-0.5])
    y=numpy.array([-0.5,-0.5,0.5,0.5,-0.5])
    ux=(ex*x+0.5*exy*y)*skalering
    uy=(ey*y+0.5*exy*x)*skalering
    xd=x+ux
    yd=y+uy
    fig,ax=plt.subplots(figsize=(4,4))
    ax.set_xlim(-1,1)
    ax.set_ylim(-1,1)
    ax.set_axis_off()
    ax.set_title('Skaleringsfaktor='+str(skalering))
    text=r'$\varepsilon_x=$'+str(ex)+'\n'+r'$\varepsilon_y=$'+str(ey)+'\n'+r'$\gamma_{xy}=$'+str(exy)
    ax.text(0,0,text, ha='center',va='center')
    ax.plot(x,y,'--',color='lightgreen')
    ax.plot(xd,yd,'-',color='darkgreen')
    ax.arrow(-0.9, -0.9, 1.0, 0.0, head_width=0.05, head_length=0.05, fc='black', ec='black')
    ax.arrow(-0.9, -0.9, 0.0, 1.0, head_width=0.05, head_length=0.05, fc='black', ec='black')
    ax.text(0.2,-0.9,'x')
    ax.text(-0.9,0.2,'y')
In [3]:
illustrerToyning( ex=0.005, ey=-0.002, exy=0, skalering=100)
In [4]:
illustrerToyning( ex=0.0, ey=0.0, exy=0.01, skalering=100)
In [5]:
illustrerToyning( ex=0.003, ey=0.0, exy=0.003, skalering=100)

Disclaimer:This site is designed for educational purposes only. There are most likely errors, mistakes, typos, and poorly crafted statements that are not detected yet... www.ntnu.edu/employees/nils.p.vedvik

Copyright 2023, All rights reserved