(三)代表性物质点邻域的变形分析

news2024/9/30 21:36:37

本文主要内容如下:

  • 1. 伸长张量与Cauchy-Green 张量
  • 2. 线元长度的改变
    • 2.1. 初始/当前构型下的长度比
    • 2.2. 主长度比与 Lagrange/Euler 主方向
    • 2.3. 初始/当前构型下任意方向的长度比
  • 3. 线元夹角的改变
  • 4. 面元的改变
  • 5. 体元的改变

1. 伸长张量与Cauchy-Green 张量

由于变形梯度为正则仿射量,故可进行极分解:
F = R ⋅ U = V ⋅ R \bold F=\bold R\cdot\bold U=\bold V\cdot \bold R F=RU=VR
将正交仿射量 R \bold R R 称作转动张量;正张量 U \bold U U V \bold V V 分别称作 右、左伸长张量,且满足:
U = F T ⋅ F   V = F ⋅ F T   U = R T ⋅ V ⋅ R \bold U=\sqrt{\bold{F^T\cdot F}}\\\ \\ \bold V=\sqrt{\bold{F\cdot F^T}}\\\ \\ \bold U=\bold{R^T\cdot V\cdot R} U=FTF  V=FFT  U=RTVR
上述极分解的物理意义可以理解为:
d x ⃗ = F ⋅ d X ⃗ = R ⋅ ( U ⋅ d X ⃗ ) = V ⋅ ( R ⋅ d X ⃗ ) d\vec{x}=\bold F\cdot d\vec{X}=\bold R\cdot(\bold U\cdot d\vec{X})=\bold V\cdot(\bold R\cdot d\vec{X}) dx =FdX =R(UdX )=V(RdX )
即,参考构型的线元到当前构型中的线元的映射既可以是先进行旋转再进行左伸长仿射量对应的变换也可以是先进行右伸长张量对应的变换再进行旋转操作

进一步可以定义:
C ≜ U 2 = F T ⋅ F = ( C ⃗ A ⊗ G ⃗ A ) T ⋅ ( C ⃗ B ⊗ G ⃗ B ) = C A B G ⃗ A ⊗ G ⃗ B    = ( g ⃗ j ⊗ c ⃗   j ) T ⋅ ( g ⃗ i ⊗ c ⃗   i ) = g j i c ⃗   j ⊗ c ⃗   i   B ≜ V 2 = F ⋅ F T = ( g ⃗ i ⊗ c ⃗   i ) ⋅ ( g ⃗ j ⊗ c ⃗   j ) T = c − 1   i j g ⃗ i ⊗ g ⃗ j ≜ c − 1    = ( C ⃗ B ⊗ G ⃗ B ) ⋅ ( C ⃗ A ⊗ G ⃗ A ) T = G B A C ⃗ B ⊗ C ⃗ A \begin{aligned} & \bold C\triangleq\bold U^2=\bold{F^T\cdot F}=(\vec{C}_A\otimes\vec{G}^A)^T\cdot(\vec{C}_B\otimes\vec{G}^B)=C_{AB}\vec{G}^A\otimes\vec{G}^B\\\\ &\qquad\qquad\qquad\quad\ \ =(\vec{g}_j\otimes\vec{c}\ ^j)^T\cdot(\vec{g}_i\otimes\vec{c}\ ^i)=g_{ji}\vec{c}\ ^j\otimes\vec{c}\ ^i\\\ \\ &\bold B\triangleq\bold V^2=\bold{F\cdot F^T}=(\vec{g}_i\otimes\vec{c}\ ^i)\cdot(\vec{g}_j\otimes\vec{c}\ ^j)^T=\overset{-1}{c}\ ^{ij}\vec{g}_i\otimes\vec{g}_j\triangleq\bold{\overset{-1}{c}}\\\\ &\qquad\qquad\qquad\quad\ \ =(\vec{C}_B\otimes\vec{G}^B)\cdot(\vec{C}_A\otimes\vec{G}^A)^T=G^{BA}\vec{C}_B\otimes\vec{C}_A \end{aligned}  CU2=FTF=(C AG A)T(C BG B)=CABG AG B  =(g jc  j)T(g ic  i)=gjic  jc  iBV2=FFT=(g ic  i)(g jc  j)T=c1 ijg ig jc1  =(C BG B)(C AG A)T=GBAC BC A
C \bold C C B \bold B B 分别称作右、左 Cauchy-Green 张量,二者间满足:
C = R T ⋅ B ⋅ R ( 正交相似关系 ) \bold{C}=\bold{R^T\cdot B\cdot R}\quad(正交相似关系) C=RTBR(正交相似关系)
说明,二者具有相同的特征值: λ C = λ B = λ \lambda_C=\lambda_B=\lambda λC=λB=λ,特征方向仅相差一个刚性转动: u ⃗ C = R T ⋅ u ⃗ B \vec{u}_C=\bold{R}^T\cdot\vec{u}_B u C=RTu B。另外,它们都是对称正定仿射量,是正则的,其逆分别为:
C − 1 = ( U 2 ) − 1 = F − 1 ⋅ F − T = ( G ⃗ A ⊗ C ⃗ A ) ⋅ ( G ⃗ B ⊗ C ⃗ B ) T = C − 1   A B G ⃗ A ⊗ G ⃗ B   = ( c ⃗ j ⊗ g ⃗ j ) ⋅ ( c ⃗ i ⊗ g ⃗ i ) T = g j i c ⃗ j ⊗ c ⃗ i B − 1 = ( V 2 ) − 1 = F − T ⋅ F − 1 = ( c ⃗ i ⊗ g ⃗ i ) T ⋅ ( c ⃗ j ⊗ g ⃗ j ) = c i j g ⃗ i ⊗ g ⃗ j ≜ c    = ( G ⃗ A ⊗ C ⃗ A ) T ⋅ ( G ⃗ B ⊗ C ⃗ B ) = G A B C ⃗ A ⊗ C ⃗ B \begin{aligned} &\bold{\overset{-1}{C}}=(\bold U^2)^{-1}=\bold{\overset{-1}{F}\cdot \overset{-T}{F}}=(\vec{G}_A\otimes\vec{C}^A)\cdot(\vec{G}_B\otimes\vec{C}^B)^T=\overset{-1}{C}\ ^{AB}\vec G_A\otimes\vec G_B\\\ \\ &\qquad\qquad\qquad\qquad\quad \quad =(\vec c_j\otimes\vec{g}^j)\cdot(\vec c_i\otimes\vec{g}^i)^T=g^{ji}\vec c_j\otimes\vec c_i\\\\ &\bold{\overset{-1}{B}}=(\bold V^2)^{-1}=\bold{\overset{-T}{F}\cdot \overset{-1}{F}}=(\vec c_i\otimes\vec{g}^i)^T\cdot(\vec c_j\otimes\vec{g}^j)=c_{ij}\vec{g}^i\otimes\vec{g}^j\triangleq \bold c\\\\ &\qquad\qquad\qquad\quad\quad\quad\ \ =(\vec{G}_A\otimes\vec{C}^A)^T\cdot(\vec{G}_B\otimes\vec{C}^B)=G_{AB}\vec{C}^A\otimes\vec{C}^B \end{aligned}  C1=(U2)1=F1FT=(G AC A)(G BC B)T=C1 ABG AG B=(c jg j)(c ig i)T=gjic jc iB1=(V2)1=FTF1=(c ig i)T(c jg j)=cijg ig jc  =(G AC A)T(G BC B)=GABC AC B

2. 线元长度的改变

2.1. 初始/当前构型下的长度比

设参考构型中 A 点邻域内的有向线元 d X ⃗ d\vec{X} dX 的长度为 d s 0 ds_0 ds0;经过运动变形后,A 点映射为当前构型中的 A’ 点而 d X ⃗ d\vec{X} dX 映射为其邻域内的有向线元 d x ⃗ d\vec{x} dx ,长度为 d s ds ds,满足:
{ d s 0 2 = d X ⃗ ⋅ d X ⃗ = ( d x ⃗ ⋅ F − T ) ⋅ ( F − 1 ⋅ d x ⃗ ) = d x ⃗ ⋅ c ⋅ d x ⃗ = d x ⃗ ⋅ B − 1 ⋅ d x ⃗ d s 2 = d x ⃗ ⋅ d x ⃗ = ( d X ⃗ ⋅ F T ) ⋅ ( F ⋅ d X ⃗ ) = d X ⃗ ⋅ C ⋅ d X ⃗ \begin{cases} ds_0^2 =d\vec{X}\cdot d\vec{X} =(d\vec{x}\cdot\bold{\overset{-T}{F}})\cdot(\bold{\overset{-1}{F}}\cdot d\vec{x}) =d\vec{x}\cdot\bold{c}\cdot d\vec{x} =d\vec{x}\cdot\bold{\overset{-1}{B}}\cdot d\vec{x} \\\\ ds^2 =d\vec{x}\cdot d\vec{x} =(d\vec{X}\cdot\bold{F}^T)\cdot(\bold F\cdot d\vec{X}) =d\vec{X}\cdot\bold{C}\cdot d\vec{X} \end{cases} ds02=dX dX =(dx FT)(F1dx )=dx cdx =dx B1dx ds2=dx dx =(dX FT)(FdX )=dX CdX

{ L ⃗ ≜ d X ⃗ ∣ d X ⃗ ∣ = L i G ⃗ i l ⃗ ≜ d x ⃗ ∣ d x ⃗ ∣ = l i g ⃗ i \begin{cases} \vec{L}\triangleq\dfrac{d\vec{X}}{|d\vec{X}|}=L^i\vec{G}_i \\\\ \vec{l}\triangleq\dfrac{d\vec{x}}{|d\vec{x}|}=l^i\vec{g}_i \end{cases} L dX dX =LiG il dx dx =lig i
L ⃗ 、 l ⃗ \vec{L}、\vec{l} L l 分别称作变形前任意有向线元 d X ⃗ d\vec{X} dX 与变形后任意有向线元 d x ⃗ d\vec{x} dx 单位切向量

将变形前位于 L ⃗ \vec{L} L 方向的线元历经变形、运动前后的长度比定义为:
λ L ≜ d s d s 0 = ( d X ⃗ ⋅ C ⋅ d X ⃗ ∣ d X ⃗ ∣ ⋅ ∣ d X ⃗ ∣ ) 1 2 = ( L ⃗ ⋅ C ⋅ L ⃗ ) 1 2 = ( L A L B C A B ) 1 2   ( 物质坐标系下的分量 ) \lambda_{L}\triangleq\dfrac{ds}{ds_0} =\left(\dfrac{d\vec{X}\cdot\bold{C}\cdot d\vec{X}}{|d\vec{X}|\cdot|d\vec{X}|}\right)^{\frac{1}{2}} =(\vec{L}\cdot\bold{C}\cdot\vec{L})^{\frac{1}{2}} =(L^AL^BC_{AB})^{\frac{1}{2}}\ (物质坐标系下的分量) λLds0ds=(dX dX dX CdX )21=(L CL )21=(LALBCAB)21 (物质坐标系下的分量)
将变形后位于 l ⃗ \vec{l} l 方向的线元历经变形、运动前后的长度比定义为:
λ l ≜ d s d s 0 = ( ∣ d x ⃗ ∣ ⋅ ∣ d x ⃗ ∣ d x ⃗ ⋅ c ⋅ d x ⃗ ) 1 2 = ( l ⃗ ⋅ c ⋅ l ⃗ ) − 1 2 = ( l r l s c r s ) − 1 2   ( 空间坐标系下的分量 ) \lambda_{l}\triangleq\dfrac{ds}{ds_0} =\left(\dfrac{|d\vec{x}|\cdot|d\vec{x}|}{d\vec{x}\cdot\bold{c}\cdot d\vec{x}}\right)^{\frac{1}{2}} =(\vec{l}\cdot\bold{c}\cdot\vec{l})^{-\frac{1}{2}} =(l^rl^sc_{rs})^{- \frac{1}{2}}\ (空间坐标系下的分量) λlds0ds=(dx cdx dx dx )21=(l cl )21=(lrlscrs)21 (空间坐标系下的分量)
显然,当变形前位于 L ⃗ \vec{L} L 方向的线元经历变形、运动后位于 l ⃗ \vec{l} l 方向时有:
λ L = λ l \lambda_{L}=\lambda_l λL=λl

2.2. 主长度比与 Lagrange/Euler 主方向

此外,根据其定义可知:长度比是一个与方向相关的物理量,针对于参考构型/当前构型中同一点而言,不同方向的长度比不同。自然地会问:什么方向上长度比最大?即求解如下带约束的极值问题:
{ max ⁡ L ⃗   λ L ( L ⃗ ) ∣ L ⃗ ∣ = 1 和 { max ⁡ l ⃗   λ l ( l ⃗ ) ∣ l ⃗ ∣ = 1 \begin{cases} \max\limits_{\vec{L}}\ \lambda_{L}(\vec{L}) \\\\ |\vec{L}_|=1 \end{cases} \quad 和 \quad \begin{cases} \max\limits_{\vec{l}}\ \lambda_{l}(\vec{l}) \\\\ |\vec{l}|=1 \end{cases} L max λL(L )L =1 l max λl(l )l =1
注意到长度比恒为正,为简化计算,将上述极值问题等价于求解:
{ max ⁡ L ⃗   λ L 2 ( L ⃗ ) ∣ L ⃗ ∣ = 1 和 { max ⁡ l ⃗   λ l 2 ( l ⃗ ) ∣ l ⃗ ∣ = 1 \begin{cases} \max\limits_{\vec{L}}\ \lambda_{L}^2(\vec{L}) \\\\ |\vec{L}|=1 \end{cases} \quad 和 \quad \begin{cases} \max\limits_{\vec{l}}\ \lambda_{l}^2(\vec{l}) \\\\ |\vec{l}|=1 \end{cases} L max λL2(L )L =1 l max λl2(l )l =1
以前一个极值问题的求解为例,采用 Lagrange 乘子法进行求解,使得问题化为如下无约束极值问题的必要条件:
{ ∂ ∂ L M [ L A L B C A B − η ( L A L B G A B − 1 ) ] = 0   ( M = 1 , 2 , 3 ) L A L B G A B − 1 = 0 \begin{cases} \dfrac{\partial }{\partial L^M}\left[L^AL^BC_{AB}-\eta(L^AL^BG_{AB}-1)\right]=0\ (M=1,2,3)\\\\ L^AL^BG_{AB}-1=0 \end{cases} LM[LALBCABη(LALBGAB1)]=0 (M=1,2,3)LALBGAB1=0

{ ( C A M − η G A M ) L A = 0   ( M = 1 , 2 , 3 ) L A L B G A B − 1 = 0 ⟹ { ( C ∙ M A − η δ ∙ M A ) L A = 0   ( M = 1 , 2 , 3 ) L A L B G A B − 1 = 0 \begin{cases} (C_{AM}-\eta G_{AM})L^A=0\ (M=1,2,3)\\\\ L^AL^BG_{AB}-1=0 \end{cases} \Longrightarrow \begin{cases} (C^A_{\bullet M}-\eta \delta^A_{\bullet M})L_A=0\ (M=1,2,3)\\\\ L^AL^BG_{AB}-1=0 \end{cases} (CAMηGAM)LA=0 (M=1,2,3)LALBGAB1=0 (CMAηδMA)LA=0 (M=1,2,3)LALBGAB1=0
注意到: C A B C_{AB} CAB 不仅是右 Cauchy-Green 张量在物质坐标系下的协变分量,同时也是随体坐标系 { X A , t } \{X^A,t\} {XA,t} 度量张量的协变分量,但上述指标升降是通过物质坐标系下的度量张量协变、逆变分量实现的,因此 C ∙ M A ≠ δ ∙ M A C^A_{\bullet M}\ne\delta^A_{\bullet M} CMA=δMA

上述四元 非线性(约束条件) 方程组的求解等价于求右 Cauchy-Green 张量的特征值问题 :
( C − η I ) ⋅ L ⃗ = 0 (\bold C-\eta\bold I)\cdot\vec{L}=0 (CηI)L =0
由于 C \bold C C 为对称正定张量,故存在三个正特征值 η α ≜ λ α 2 > 0   ( α = 1 , 2 , 3 ) \eta_\alpha\triangleq\lambda_\alpha^2>0\ (\alpha=1,2,3) ηαλα2>0 (α=1,2,3) 和相应的三个两两垂直的单位特征向量 L ⃗ α \vec{L}_\alpha L α

从上述讨论可知:于初始构型上的某点而言,该点右Cauchy-Green 张量 (右伸长张量 U) 的特征方向是该点变形、运动前后长度比达到极大/小或驻值的方向,将其称作 Lagrange 主方向。Lagrange 主方向上的长度比为:
λ L α = L ⃗ α ⋅ C ⋅ L ⃗ α = λ α 2 L ⃗ α ⋅ L ⃗ α = λ α \lambda_{L_\alpha} =\sqrt{\vec{L}_\alpha\cdot\bold{C}\cdot\vec{L}_\alpha} =\sqrt{\lambda_\alpha^2\vec{L}_\alpha\cdot\vec{L}_\alpha} =\lambda_\alpha λLα=L αCL α =λα2L αL α =λα
即,Lagrange 主方向上的长度比为该右Cauchy-Green 张量 C 特征方向对应特征值的算数平方根(右伸长张量 U 的特征值),将其称作 主长度比

同理,求解后一极值问题等价于求解左 Cauchy-Green 张量的逆 c \bold c c 的特征值问题:
( c − η ′ I ) ⋅ l ⃗ = 0 (\bold c-\eta'\bold I)\cdot\vec{l}=0 (cηI)l =0
其中, g \bold g g 为空间坐标系的度量张量。类似的, c \bold c c 也存在三个正特征值 η α ′ ≜ 1 λ α ′ 2 > 0   ( α = 1 , 2 , 3 ) \eta'_\alpha\triangleq\dfrac{1}{{\lambda'_\alpha}^2}>0\ (\alpha=1,2,3) ηαλα21>0 (α=1,2,3)和相应的三个两两垂直的单位特征向量 l ⃗ α \vec{l}_\alpha l α。由于左、右 Cauchy-Green 张量具有相同的特征值,故
η α ′ = 1 η α = 1 λ α 2 \eta'_\alpha=\dfrac{1}{\eta_\alpha}=\dfrac{1}{{\lambda_\alpha}^2} ηα=ηα1=λα21
又由于左、右 Cauchy-Green 张量的特征方向仅相差一转动张量 R \bold R R,且正则仿射量与其逆同特征方向,则
L ⃗ α = R T ⋅ l ⃗ α ( ∗ ) \vec{L}_\alpha=\bold R^T\cdot\vec{l}_{\alpha}\quad(*) L α=RTl α()
上述讨论说明对于当前构型上的某点,其左Cauchy-Green 张量或其逆 (或左伸长张量 V) 的特征方向是该点变形、运动前后长度比达到极大/小或驻值的方向,将其称作 Euler 主方向。Euler 主方向上的长度比为:
λ l α = 1 l ⃗ α ⋅ c ⋅ l ⃗ α = λ α l ⃗ α ⋅ l ⃗ α = λ α \lambda_{l_\alpha} =\dfrac{1}{\sqrt{\vec{l}_\alpha\cdot\bold{c}\cdot\vec{l}_\alpha}} =\dfrac{\lambda_\alpha}{\sqrt{\vec{l}_\alpha\cdot\vec{l}_\alpha}} =\lambda_\alpha λlα=l αcl α 1=l αl α λα=λα
即,Euler 主方向上的长度比为该左Cauchy-Green 张量 B 特征方向对应的特征值的算数平方根 (左伸长张量 V 的特征值)。且 Euler 主方向上的长度比与 Lagrange 主方向上的长度比 分别一 一对应相等,即 λ L α = λ l α = λ α \lambda_{L_\alpha}=\lambda_{l_\alpha}=\lambda_\alpha λLα=λlα=λα

2.3. 初始/当前构型下任意方向的长度比

根据谱分解,左、右伸长张量,左、右 Cauchy-Green 张量,变形梯度张量及其逆可通过 Euler 主方向/ Lagrange 主方向 与主长度比进行表示,即:
{ U = ∑ α = 1 3 λ α L ⃗ α ⊗ L ⃗ α V = ∑ α = 1 3 λ α l ⃗ α ⊗ l ⃗ α { C = ∑ α = 1 3 λ α 2 L ⃗ α ⊗ L ⃗ α B = ∑ α = 1 3 λ α 2   l ⃗ α ⊗ l ⃗ α , c = B − 1 = ∑ α = 1 3 1 λ α 2   l ⃗ α ⊗ l ⃗ α \begin{aligned} &\begin{cases} \bold U=\sum\limits_{\alpha=1}^3\lambda_\alpha\vec{L}_\alpha\otimes\vec{L}_\alpha \\\\ \bold V=\sum\limits_{\alpha=1}^3\lambda_\alpha\vec{l}_\alpha\otimes\vec{l}_\alpha \end{cases} \\\\ &\begin{cases} \bold C = \sum\limits_{\alpha=1}^3\lambda^2_\alpha\vec{L}_\alpha\otimes\vec{L}_\alpha \\\\ \bold B=\sum\limits_{\alpha=1}^3\lambda^2_\alpha\ \vec{l}_\alpha\otimes\vec{l}_\alpha, \bold c=\bold B^{-1}=\sum\limits_{\alpha=1}^3\dfrac{1}{\lambda^2_\alpha}\ \vec{l}_\alpha\otimes\vec{l}_\alpha \end{cases} \end{aligned} U=α=13λαL αL αV=α=13λαl αl α C=α=13λα2L αL αB=α=13λα2 l αl αc=B1=α=13λα21 l αl α
由于,转动张量也可通过主方向进行表示
R = ∑ α = 1 3 l ⃗ α ⊗ L ⃗ α \bold R=\sum_{\alpha=1}^3\vec{l}_\alpha\otimes\vec{L}_\alpha R=α=13l αL α
则有:
F = V ⋅ R = R ⋅ U = ∑ α = 1 3 λ α l ⃗ α ⊗ L ⃗ α   F − 1 = R T ⋅ V − 1 = U − 1 ⋅ R T = ∑ α = 1 3 1 λ α L ⃗ α ⊗ l ⃗ α \bold F =\bold {V\cdot R} =\bold {R\cdot U} =\sum_{\alpha=1}^3\lambda_{\alpha}\vec{l}_\alpha\otimes\vec{L}_\alpha \\\ \\ \bold F^{-1} =\bold {R^T\cdot V^{-1}} =\bold {U^{-1}\cdot R^{T}} =\sum_{\alpha=1}^3\dfrac{1}{\lambda_{\alpha}}\vec{L}_\alpha\otimes\vec{l}_\alpha F=VR=RU=α=13λαl αL α F1=RTV1=U1RT=α=13λα1L αl α

  • 对于参考构型中某点具有任意单位切向量 M ⃗ = M α L ⃗ α \vec{M}=M^\alpha\vec{L}_\alpha M =MαL α 的有向线元而言,其伸长比为:
    λ M = ( M ⃗ ⋅ C ⋅ M ⃗ ) 1 2 = [ ∑ α = 1 3 ( M α L ⃗ α ) ⋅ ∑ i = 1 3 ( λ i 2 L ⃗ i ⊗ L ⃗ i ) ⋅ ∑ β = 1 3 ( M β L ⃗ β ) ] 1 2 = [ ∑ α = 1 3 ( λ α M α ) 2 ] 1 2 ( 不对 α 、 β 求和 ) \lambda_M =(\vec{M}\cdot\bold C\cdot\vec{M})^{\frac{1}{2}} =\left[\sum_{\alpha=1}^3(M^\alpha\vec{L}_\alpha )\cdot\sum\limits_{i=1}^3\left(\lambda^2_i\vec{L}_i\otimes\vec{L}_i\right)\cdot \sum_{\beta=1}^3(M^\beta\vec{L}_\beta )\right]^{\frac{1}{2}} =\left[\sum_{\alpha=1}^3(\lambda_\alpha M^\alpha)^2\right]^{\frac{1}{2}}(不对 \alpha 、\beta求和) λM=(M CM )21= α=13(MαL α)i=13(λi2L iL i)β=13(MβL β) 21=[α=13(λαMα)2]21(不对αβ求和)
    其中, M α M^\alpha Mα 为参考构型下任意单位切向量 M ⃗ \vec{M} M 在 Lagrange主方向下 的分量。

  • 对于当前构型中某点具有任意单位切向量 m ⃗ = m α l ⃗ α \vec{m}=m^\alpha\vec{l}_\alpha m =mαl α 的有向线元而言,其伸长比为:
    λ m = ( m ⃗ ⋅ c ⋅ m ⃗ ) − 1 2 = [ ∑ α = 1 3 ( m α l ⃗ α ) ⋅ ∑ i = 1 3 ( 1 λ i 2   l ⃗ i ⊗ l ⃗ i ) ⋅ ∑ β = 1 3 ( m β l ⃗ β ) ] − 1 2 = [ ∑ α = 1 3 ( m α λ α ) 2 ] − 1 2 ( 不对 α 、 β 求和 ) \lambda_m =(\vec{m}\cdot\bold c\cdot\vec{m})^{-\frac{1}{2}} =\left[\sum_{\alpha=1}^3(m^\alpha\vec{l}_\alpha )\cdot \sum\limits_{i=1}^3\left(\dfrac{1}{\lambda^2_i}\ \vec{l}_i\otimes\vec{l}_i\right)\cdot \sum_{\beta=1}^3(m^\beta\vec{l}_\beta )\right]^{-\frac{1}{2}} =\left[\sum_{\alpha=1}^3\left(\dfrac{m^\alpha}{\lambda_\alpha}\right)^2\right]^{-\frac{1}{2}}(不对 \alpha 、\beta求和) λm=(m cm )21= α=13(mαl α)i=13(λi21 l il i)β=13(mβl β) 21=[α=13(λαmα)2]21(不对αβ求和)
    其中, m α m^\alpha mα 为当前构型下任意单位切向量 m ⃗ \vec{m} m 在 Euler主方向下 的分量。

3. 线元夹角的改变

下图为变形前后两线元的夹角变化过程:

则变形前、后两线元的夹角余弦分别为:
c o s Θ = M ⃗ ( 1 ) ⋅ M ⃗ ( 2 ) = d X ⃗ ( 1 ) ⋅ d X ⃗ ( 2 ) ∣ d X ⃗ ( 1 ) ∣ ⋅ ∣ d X ⃗ ( 2 ) ∣   c o s θ = m ⃗ ( 1 ) ⋅ m ⃗ ( 2 ) = d x ⃗ ( 1 ) ⋅ d x ⃗ ( 2 ) ∣ d x ⃗ ( 1 ) ∣ ⋅ ∣ d x ⃗ ( 2 ) ∣ cos\Theta =\vec{M}_{(1)}\cdot\vec{M}_{(2)} =\dfrac{d\vec{X}_{(1)}\cdot d\vec{X}_{(2)}}{|d\vec{X}_{(1)}|\cdot|d\vec{X}_{(2)}|}\\\ \\ cos\theta =\vec{m}_{(1)}\cdot\vec{m}_{(2)} =\dfrac{d\vec{x}_{(1)}\cdot d\vec{x}_{(2)}}{|d\vec{x}_{(1)}|\cdot|d\vec{x}_{(2)}|} cosΘ=M (1)M (2)=dX (1)dX (2)dX (1)dX (2) cosθ=m (1)m (2)=dx (1)dx (2)dx (1)dx (2)

d x ⃗ ( 1 ) = F ⋅ d X ⃗ ( 1 ) , d X ⃗ ( 1 ) = F − 1 ⋅ d x ⃗ ( 1 ) d x ⃗ ( 2 ) = F ⋅ d X ⃗ ( 2 ) , d X ⃗ ( 2 ) = F − 1 ⋅ d x ⃗ ( 2 ) ∣ d x ⃗ ( 1 ) ∣ = λ m ( 1 ) ∣ d X ⃗ ( 1 ) ∣ = λ M ( 1 ) ∣ d X ⃗ ( 1 ) ∣ ∣ d x ⃗ ( 2 ) ∣ = λ m ( 2 ) ∣ d X ⃗ ( 2 ) ∣ = λ M ( 2 ) ∣ d X ⃗ ( 1 ) ∣ \begin{aligned} & d\vec{x}_{(1)}=\bold F\cdot d\vec{X}_{(1)},d\vec{X}_{(1)}=\bold{\overset{-1}{F}}\cdot d\vec{x}_{(1)} \\\\ & d\vec{x}_{(2)}=\bold F\cdot d\vec{X}_{(2)},d\vec{X}_{(2)}=\bold{\overset{-1}{F}}\cdot d\vec{x}_{(2)} \\\\ & |d\vec{x}_{(1)}|=\lambda_{m_{(1)}} |d\vec{X}_{(1)}|=\lambda_{M_{(1)}} |d\vec{X}_{(1)}| \\\\ & |d\vec{x}_{(2)}|=\lambda_{m_{(2)}} |d\vec{X}_{(2)}|=\lambda_{M_{(2)}} |d\vec{X}_{(1)}| \end{aligned} dx (1)=FdX (1)dX (1)=F1dx (1)dx (2)=FdX (2)dX (2)=F1dx (2)dx (1)=λm(1)dX (1)=λM(1)dX (1)dx (2)=λm(2)dX (2)=λM(2)dX (1)

  • 那么,当立足于初始构型,若已知任意两方向,其夹角为 Θ \Theta Θ,那么经过变形后两方向的夹角余弦为:
    c o s θ = d x ⃗ ( 1 ) ⋅ d x ⃗ ( 2 ) ∣ d x ⃗ ( 1 ) ∣ ⋅ ∣ d x ⃗ ( 2 ) ∣ = 1 λ M ( 1 ) λ M ( 2 ) d X ⃗ ( 1 ) ⋅ C ⋅ d X ⃗ ( 2 ) ∣ d X ⃗ ( 1 ) ∣ ∣ d X ⃗ ( 2 ) ∣ = 1 λ M ( 1 ) λ M ( 2 ) ( M ⃗ ( 1 ) ⋅ C ⋅ M ⃗ ( 2 ) ) cos\theta =\dfrac{d\vec{x}_{(1)}\cdot d\vec{x}_{(2)}}{|d\vec{x}_{(1)}|\cdot|d\vec{x}_{(2)}|} =\dfrac{1}{\lambda_{M_{(1)}} \lambda_{M_{(2)}}}\dfrac{d\vec{X}_{(1)}\cdot\bold C\cdot d\vec{X}_{(2)}}{|d\vec{X}_{(1)}| |d\vec{X}_{(2)}|} =\dfrac{1}{\lambda_{M_{(1)}} \lambda_{M_{(2)}}}(\vec{M}_{(1)}\cdot\bold C\cdot \vec{M}_{(2)}) cosθ=dx (1)dx (2)dx (1)dx (2)=λM(1)λM(2)1dX (1)∣∣dX (2)dX (1)CdX (2)=λM(1)λM(2)1(M (1)CM (2))
    进一步,
    c o s θ = 1 λ M ( 1 ) λ M ( 2 ) [ ∑ α = 1 3 ( M ( 1 ) α L ⃗ α ) ⋅ ∑ i = 1 3 ( λ i 2 L ⃗ i ⊗ L ⃗ i ) ⋅ ∑ β = 1 3 ( M ( 2 ) β L ⃗ β ) ] = 1 λ M ( 1 ) λ M ( 2 ) ∑ α = 1 3 ( λ α 2 M ( 1 ) α M ( 2 ) α ) cos\theta=\dfrac{1}{\lambda_{M_{(1)}} \lambda_{M_{(2)}}}\left[\sum_{\alpha=1}^3(M_{(1)}^\alpha\vec{L}_\alpha )\cdot\sum\limits_{i=1}^3\left(\lambda^2_i\vec{L}_i\otimes\vec{L}_i\right)\cdot \sum_{\beta=1}^3(M_{(2)}^\beta\vec{L}_\beta )\right] =\dfrac{1}{\lambda_{M_{(1)}} \lambda_{M_{(2)}}}\sum\limits_{\alpha=1}^3(\lambda_\alpha^2M_{(1)}^\alpha M_{(2)}^\alpha) cosθ=λM(1)λM(2)1 α=13(M(1)αL α)i=13(λi2L iL i)β=13(M(2)βL β) =λM(1)λM(2)1α=13(λα2M(1)αM(2)α)
    其中, M ( 1 ) α 、 M ( 2 ) α M^\alpha_{(1)}、M^\alpha_{(2)} M(1)αM(2)α 为参考构型下两任意单位切向量 M ⃗ ( 1 ) 、 M ⃗ ( 2 ) \vec{M}_{(1)}、\vec{M}_{(2)} M (1)M (2) 分别在 Lagrange主方向下 的分量, λ α \lambda_\alpha λα 为主长度比。

  • 另外,若立足于当前构型,若已知任意两方向,其夹角为 θ \theta θ,那么经历变形前两方向的夹角余弦为:
    c o s Θ = d X ⃗ ( 1 ) ⋅ d X ⃗ ( 2 ) ∣ d X ⃗ ( 1 ) ∣ ⋅ ∣ d X ⃗ ( 2 ) ∣ = ( λ m ( 1 ) λ m ( 2 ) ) d x ⃗ ( 1 ) ⋅ c ⋅ d x ⃗ ( 2 ) ∣ d x ⃗ ( 1 ) ∣ ∣ d x ⃗ ( 2 ) ∣ = ( λ m ( 1 ) λ m ( 2 ) ) ( m ⃗ ( 1 ) ⋅ c ⋅ m ⃗ ( 2 ) ) cos\Theta =\dfrac{d\vec{X}_{(1)}\cdot d\vec{X}_{(2)}}{|d\vec{X}_{(1)}|\cdot|d\vec{X}_{(2)}|} =(\lambda_{m_{(1)}} \lambda_{m_{(2)}})\dfrac{d\vec{x}_{(1)}\cdot\bold c\cdot d\vec{x}_{(2)}}{|d\vec{x}_{(1)}| |d\vec{x}_{(2)}|} =(\lambda_{m_{(1)}} \lambda_{m_{(2)}})(\vec{m}_{(1)}\cdot\bold c\cdot \vec{m}_{(2)}) cosΘ=dX (1)dX (2)dX (1)dX (2)=(λm(1)λm(2))dx (1)∣∣dx (2)dx (1)cdx (2)=(λm(1)λm(2))(m (1)cm (2))
    进一步,
    c o s Θ = λ m ( 1 ) λ m ( 2 ) [ ∑ α = 1 3 ( m ( 1 ) α l ⃗ α ) ⋅ ∑ i = 1 3 ( 1 λ i 2 l ⃗ i ⊗ l ⃗ i ) ⋅ ∑ β = 1 3 ( m ( 2 ) β l ⃗ β ) ] = ( λ m ( 1 ) λ m ( 2 ) ) ∑ α = 1 3 ( 1 λ α 2 m ( 1 ) α m ( 2 ) α ) cos\Theta=\lambda_{m_{(1)}} \lambda_{m_{(2)}}\left[\sum_{\alpha=1}^3(m_{(1)}^\alpha\vec{l}_\alpha )\cdot\sum\limits_{i=1}^3\left(\dfrac{1}{\lambda^2_i}\vec{l}_i\otimes\vec{l}_i\right)\cdot \sum_{\beta=1}^3(m_{(2)}^\beta\vec{l}_\beta )\right] =(\lambda_{m_{(1)}} \lambda_{m_{(2)}})\sum\limits_{\alpha=1}^3\left(\dfrac{1}{\lambda_\alpha^2}m_{(1)}^\alpha m_{(2)}^\alpha\right) cosΘ=λm(1)λm(2) α=13(m(1)αl α)i=13(λi21l il i)β=13(m(2)βl β) =(λm(1)λm(2))α=13(λα21m(1)αm(2)α)
    其中, m ( 1 ) α 、 m ( 2 ) α m^\alpha_{(1)}、m^\alpha_{(2)} m(1)αm(2)α 为参考构型下两任意单位切向量 m ⃗ ( 1 ) 、 m ⃗ ( 2 ) \vec{m}_{(1)}、\vec{m}_{(2)} m (1)m (2) 分别在 Euler主方向下 的分量, λ α \lambda_\alpha λα 为主长度比。

4. 面元的改变

面元可通过如下的向量给出它的几何特征,向量的方向代表面元的单位法向量,向量的模代表面元的大小。则参考构型与当前构型下的平行四边形面元分别为:
{ 0 N ⃗ d S 0 = d X ⃗ ( 1 ) × d X ⃗ ( 2 ) N ⃗ d S = d x ⃗ ( 1 ) × d x ⃗ ( 2 ) \begin{cases} {_0}\vec{N}dS_0=d\vec{X}_{(1)}\times d\vec{X}_{(2)} \\\\ \vec{N}dS=d\vec{x}_{(1)}\times d\vec{x}_{(2)} \end{cases} 0N dS0=dX (1)×dX (2)N dS=dx (1)×dx (2)
其中, 0 N ⃗ 、 N ⃗ {_0}\vec{N}、\vec{N} 0N N 分别为变形前后面元的单位法向量 d S 0 、 d S dS_0、dS dS0dS 分别为变形前后面元的大小。

那么,根据 Nanson 公式:
N ⃗ d S = ( F ⋅ d X ⃗ ( 1 ) ) × ( F ⋅ d X ⃗ ( 2 ) ) = d e t ( F ) F − T ⋅ ( d X ⃗ ( 1 ) × d X ⃗ ( 2 ) ) = J F − T ⋅ 0 N ⃗ d S 0 \vec{N}dS =(\bold F\cdot d\vec{X}_{(1)})\times (\bold F\cdot d\vec{X}_{(2)}) =det(\bold F)\bold{\overset{-T}{F}}\cdot(d\vec{X}_{(1)}\times d\vec{X}_{(2)}) =\mathscr{J}\bold{\overset{-T}{F}}\cdot{_0}\vec{N}dS_0 N dS=(FdX (1))×(FdX (2))=det(F)FT(dX (1)×dX (2))=JFT0N dS0
由于任何形状的面元均可通过无穷多个平行四边形来近似,故上述针对平行四边形面元的变换关系对于任意形状的面元也成立。

5. 体元的改变

参考/当前构型中的平行六面体的微元的体积分别为:
{ d v 0 = ∣ d X ⃗ 1 ⋅ ( d X ⃗ 2 × d X ⃗ 3 ) ∣ d v = ∣ d x ⃗ 1 ⋅ ( d x ⃗ 2 × d x ⃗ 3 ) ∣ \begin{cases} dv_0=|d\vec{X}_1\cdot(d\vec{X}_2\times d\vec{X}_3)| \\\\ dv =|d\vec{x}_1\cdot(d\vec{x}_2\times d\vec{x}_3)| \end{cases} dv0=dX 1(dX 2×dX 3)dv=dx 1(dx 2×dx 3)
那么,
d v = ∣ d x ⃗ 1 ⋅ ( d x ⃗ 2 × d x ⃗ 3 ) ∣ = ∣ ( F ⋅ d X ⃗ 1 ) ⋅ [ ( F ⋅ d X ⃗ 2 ) × ( F ⋅ d X ⃗ 3 ) ] ∣ = ∣ d e t ( F ) ∣   ∣ d X ⃗ 1 ⋅ ( d X ⃗ 2 × d X ⃗ 3 ) ∣ = ∣ J ∣   d v 0 = J   d v 0 = ∣ d e t ( R ) ∣ ∣ d e t ( U ) ∣   d v 0 = ( ∏ α = 1 3 λ α )   d v 0 \begin{aligned} & dv =|d\vec{x}_1\cdot(d\vec{x}_2\times d\vec{x}_3)| \\\\ &\quad=|(\bold F\cdot d\vec{X}_1)\cdot[(\bold F\cdot d\vec{X}_2)\times (\bold F\cdot d\vec{X}_3)]| \\\\ &\quad=|det(\bold F)|\ |d\vec{X}_1\cdot(d\vec{X}_2\times d\vec{X}_3)| \\\\ &\quad=|\mathscr{J}|\ dv_0 =\mathscr{J}\ dv_0\\\\ &\quad=|det(\bold R)||det(\bold U)|\ dv_0 \\\\ &\quad=\left(\prod_{\alpha=1}^3\lambda_\alpha\right)\ dv_0 \end{aligned} dv=dx 1(dx 2×dx 3)=(FdX 1)[(FdX 2)×(FdX 3)]=det(F) dX 1(dX 2×dX 3)=J dv0=J dv0=det(R)∣∣det(U) dv0=(α=13λα) dv0
其中, λ α ( α = 1 , 2 , 3 ) \lambda_\alpha(\alpha=1,2,3) λαα=1,2,3 为主长度比

由于任意形状的体元可以用无穷个多个平行六面体的逼近,故上述平行六面体体元间的映射关系对于任意形状的体元也是成立的。

对于 等容变形 应有:
J = 1 \mathscr{J}=1 J=1
因此,有时也将变形梯度分解为等容部分体积部分的乘积,其中等容部分定义为
F ^ ≜ J − 1 3 F \bold{\hat F} \triangleq \mathscr{J}^{-\frac{1}{3}}\bold F F^J31F
显然,
d e t ( F ^ ) = 1 det(\bold{\hat F})=1 det(F^)=1
则,
F = F ^ ⋅ ( J 1 3 G ) \bold F=\bold{\hat F}\cdot(\mathscr{J}^{\frac{1}{3}}\bold G) F=F^(J31G)
显然,体积部分 J 1 3 G \mathscr{J}^{\frac{1}{3}}\bold G J31G 是球形张量(各向同性张量)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/370392.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

新C++(10):Map\Set的封装

"湖人总冠军"一、Map\Set的介绍Set是C标准库中的一种关联容器。所谓关联容器就是通过键(key)来读取和修改元素。与map关联容器不同,它只是单纯键的集合。取自这里Map是STL 的一个关联容器,它提供一对一(其中…

第二回:艺术画笔见乾坤

import numpy as np import pandas as pd import re import matplotlib import matplotlib.pyplot as plt from matplotlib.lines import Line2D from matplotlib.patches import Circle, Wedge from matplotlib.collections import PatchCollection一、概述 1. matplotlib…

软件测试:用“bug”来表示“在电脑程序里的错误”

计算机基础知识计算机(personal computer)俗称电脑(pc),是现代一种用于高速计算的电子机器,可以进行数值计算,又可以进行逻辑判断,还具有存储记忆功能,且能够按照程序的运…

【模拟集成电路】频率综合器(Frequency Synthesizer,FS)设计

应用于无线局域网的频率综合器设计前言频率综合器简介各部分链接链接:前言 本文主要内容是对频率综合器或称为PLL 做出简单介绍,为课程设计部分章节内容,后需给出各部分的设计方案,以及测试结果。 频率综合器简介 无线收发系统中…

跳槽进字节跳动了,面试真的很简单

前言: 最近金三银四跳槽季,相信很多小伙伴都在面试找工作, 怎样才能拿到大厂的offer,没有掌握绝对的技术,那么就要不断的学习 如何拿下阿里等大厂的offer的呢,今天分享一个秘密武器,资深测试工程师整理的…

Elasticsearch7.8.0版本进阶——持久化变更

目录一、持久化变更的概述二、事务日志(translog)三、持久化变更完整流程四、事务日志(translog)的作用五、事务日志(translog)的目的一、持久化变更的概述 没有用 fsync 把数据从文件系统缓存刷&#xff…

随机森林算法(Random Forest)R语言实现

随机森林1. 使用Boston数据集进行随机森林模型构建2. 数据集划分3.构建自变量与因变量之间的公式4. 模型训练5. 寻找合适的ntree6. 查看变量重要性并绘图展示7. 偏依赖图:Partial Dependence Plot(PDP图)8. 训练集预测结果1. 使用Boston数据集进行随机森…

【华为OD机试模拟题】用 C++ 实现 - 分糖果(2023.Q1)

最近更新的博客 华为OD机试 - 入栈出栈(C++) | 附带编码思路 【2023】 华为OD机试 - 箱子之形摆放(C++) | 附带编码思路 【2023】 华为OD机试 - 简易内存池 2(C++) | 附带编码思路 【2023】 华为OD机试 - 第 N 个排列(C++) | 附带编码思路 【2023】 华为OD机试 - 考古…

【华为OD机试模拟题】用 C++ 实现 - 时间格式化(2023.Q1)

最近更新的博客 华为OD机试 - 入栈出栈(C++) | 附带编码思路 【2023】 华为OD机试 - 箱子之形摆放(C++) | 附带编码思路 【2023】 华为OD机试 - 简易内存池 2(C++) | 附带编码思路 【2023】 华为OD机试 - 第 N 个排列(C++) | 附带编码思路 【2023】 华为OD机试 - 考古…

匈牙利算法与KM算法的区别

前记 在学习过程中,发现很多博客将匈牙利算法和KM算法混为一谈,当时只管用不管分析区别,所以现在来分析一下两个算法之间的区别。 匈牙利算法在二分图匹配的求解过程中共两个原则: 1.最大匹配数原则 2.先到先得原则 而KM算法求…

Linux centos升级nodejs,解决升级NodeJS遇到的问题,升级GLIBC、GLIBCXX、gcc(含资源包下载)

公司网站用的Nuxt开发的,本地开发环境NodeJS已经升级到16.14.2版本,服务器也要从12版本升级到16.14.2 如需本次安装的资源,请下滑到文章下面下载整套资源 NodeJS版本下载地址:https://nodejs.org/dist/v16.14.2 解压安装node后…

Docker 应用实践-仓库篇

目前 Docker 官方维护了一个公共仓库 Docker Hub,用于查找和与团队共享容器镜像,界上最大的容器镜像存储库,拥有一系列内容源,包括容器社区开发人员、开放源代码项目和独立软件供应商(ISV)在容器中构建和分…

【涨薪技术】0到1学会性能测试 —— 分类及应用领域

上一次推文我们分享了性能测试相关的专业术语,今天我们来看下性能测试的分类及应用领域!后续文章都会系统分享干货,带大家从0到1学会性能测试,另外还有教程等同步资料,文末获取~ 性能测试划分 01、负载测试 负载测试是指服务器最…

【华为OD机试模拟题】用 C++ 实现 - 商人买卖(2023.Q1)

最近更新的博客 华为OD机试 - 入栈出栈(C++) | 附带编码思路 【2023】 华为OD机试 - 箱子之形摆放(C++) | 附带编码思路 【2023】 华为OD机试 - 简易内存池 2(C++) | 附带编码思路 【2023】 华为OD机试 - 第 N 个排列(C++) | 附带编码思路 【2023】 华为OD机试 - 考古…

黑客网站大全!都在这了!速看被删就没了

我们学习网络安全,很多学习路线都有提到多逛论坛,阅读他人的技术分析帖,学习其挖洞思路和技巧。但是往往对于初学者来说,不知道去哪里寻找技术分析帖,也不知道网络安全有哪些相关论坛或网站,所以在这里给大…

java延时队列

二、延时队列使用场景 那么什么时候需要用延时队列呢?常见的延时任务场景 举栗子: 订单在30分钟之内未支付则自动取消。重试机制实现,把调用失败的接口放入一个固定延时的队列,到期后再重试。新创建的店铺,如果在十天内都没有上传过商品&…

XML调用 CAPL Test Function

🍅 我是蚂蚁小兵,专注于车载诊断领域,尤其擅长于对CANoe工具的使用🍅 寻找组织 ,答疑解惑,摸鱼聊天,博客源码,点击加入👉【相亲相爱一家人】🍅 玩转CANoe&…

数据结构:完全二叉树开胃菜小练习

目录 一.前言 二.完全二叉树的重要结构特点 三.完全二叉树开胃菜小练习 1.一个重要的数学结论 2.简单的小练习 一.前言 关于树及完全二叉树的基础概念(及树结点编号规则)参见:http://t.csdn.cn/imdrahttp://t.csdn.cn/imdra 完全二叉树是一种非常重要的数据结构: n个结点的…

22-基于分时电价条件下家庭能量管理策略研究MATLAB程序

参考文献:《基于分时电价和蓄电池实时控制策略的家庭能量系统优化》参考部分模型《计及舒适度的家庭能量管理系统优化控制策略》参考部分模型主要内容:主要做的是家庭能量管理模型,首先构建了电动汽车、空调、热水器以及烘干机等若干家庭用户…

【C++入门第二期】引用 和 内联函数 的使用方法及注意事项

前言引用的概念初识引用区分引用和取地址引用与对象的关系引用的特性引用的使用场景传值和引用性能比较引用和指针的区别内联函数内联函数的概念内联函数的特性前言 本文主要学习的是引用 及 内联含函数,其中的引用在实际使用中会异常舒适。 引用的概念 概念&…