(二)变形梯度和相对变形梯度

news2024/9/30 13:31:01

本文主要内容如下:

  • 1. 变形梯度
  • 2. 变形梯度的逆
  • 3. 相对变形梯度
  • 4. 两点张量

1. 变形梯度

a. 运动变形前,参考构型中某代表性物质点 A 邻域内的线元:
d X ⃗ = d X A G ⃗ A = d x i c ⃗ i d\vec{X}=dX^A\vec{G}_A=dx^i\vec{c}_i dX =dXAG A=dxic i
b. 运动变形后,线元 d X ⃗ d\vec{X} dX 映射为当前构型中的线元 d x ⃗ d\vec{x} dx
d x ⃗ = d x i g ⃗ i = d X A C ⃗ A d\vec{x}=dx^i\vec{g}_i=dX^A\vec{C}_A dx =dxig i=dXAC A
如下图所示:

根据映射关系:
x ⃗ = x ⃗ ( X 1 , X 2 , X 3 , t ) \vec{x}=\vec{x}(X^1,X^2,X^3,t) x =x (X1,X2,X3,t)
有:
d x ⃗ = ∂ x ⃗ ∂ X A d X A = ( ∂ x ⃗ ∂ X A ⊗ G ⃗ A ) ⋅ d X ⃗ ≜ F ⋅ d X ⃗ d\vec{x}=\dfrac{\partial \vec{x}}{\partial X^A}dX^A=\left(\dfrac{\partial \vec{x}}{\partial X^A}\otimes\vec{G}^A\right)\cdot d\vec{X}\triangleq \bold F\cdot d\vec{X} dx =XAx dXA=(XAx G A)dX FdX
F \bold F F 称作 变形梯度 。可见,变形梯度(仿射量)实现了A点邻域内变形前线元到变形后线元的线性映射。

根据变形梯度的定义与不同坐标系间基的关系,有
F ≜ ∂ x ⃗ ∂ X A ⊗ G ⃗ A ≜ x ⃗ ▽ 0     = C ⃗ A ⊗ G ⃗ A     = F ∙ A B G ⃗ B ⊗ G ⃗ A     = x , A i g ⃗ i ⊗ G ⃗ A = g ⃗ i ⊗ c ⃗   i     = F ∙ i j c ⃗ j ⊗ c ⃗   i \begin{aligned} &\bold{F}\triangleq\dfrac{\partial \vec{x}}{\partial X^A}\otimes\vec{G}^A\triangleq\vec{x}\triangledown_0\\\\ &\ \ \ =\vec{C}_A\otimes\vec{G}^A\\\\ &\ \ \ =F^B_{\bullet A}\vec{G}_B\otimes\vec{G}^A\\\\ &\ \ \ =x^i_{,A}\vec{g}_i\otimes\vec{G}^A=\vec{g}_i\otimes\vec{c}\ ^i\\\\ &\ \ \ =F^j_{\bullet i}\vec{c}_j\otimes\vec{c}\ ^i \end{aligned} FXAx G Ax 0   =C AG A   =FABG BG A   =x,Aig iG A=g ic  i   =Fijc jc  i
由上面的关系可知:

  • 变形梯度可写作随体坐标系与固定坐标系基矢的张量积;
  • 变形梯度在物质坐标系下的混合分量 F ∙ A B F^B_{\bullet A} FAB 也即为物质坐标系与随体坐标系 { X A , t } \{X^A,t\} {XA,t} 间的坐标转换系数 F ∙ A B F^B_{\bullet A} FAB
  • 变形梯度在空间坐标系下的混合分量 F ∙ i j F^j_{\bullet i} Fij 也即为空间坐标系与随体坐标系 { x i , t 0 } \{x^i,t_0\} {xi,t0} 间的坐标转换系数 F ∙ i j F^j_{\bullet i} Fij

另外,变形梯度张量也可由位移在物质坐标系下的右梯度进行表示,由于:
X ⃗ + u ⃗ = x ⃗ + b ⃗ \vec{X}+\vec{u}=\vec{x}+\vec{b} X +u =x +b
式中, b ⃗ \vec{b} b 为参考坐标系与空间坐标系原点的位矢差,是常矢。则
F = ∂ x ⃗ ∂ X A ⊗ G ⃗ A = ∂ ∂ X A ( X ⃗ + u ⃗ ) ⊗ G ⃗ A = I + ∂ u ⃗ ∂ X A ⊗ G ⃗ A = I + u ⃗ ▽ 0 \bold F =\dfrac{\partial \vec{x}}{\partial X^A}\otimes\vec{G}^A =\dfrac{\partial }{\partial X^A}(\vec{X}+\vec{u})\otimes\vec{G}^A =\bold I+\dfrac{\partial \vec{u}}{\partial X^A}\otimes\vec{G}^A=\bold I +\vec{u}\triangledown_0 F=XAx G A=XA(X +u )G A=I+XAu G A=I+u 0

变形梯度的行列式:
J ≜ d e t ( F ) = d e t ( [ F ∙ A B ] ) = d e t ( [ g i B ] [ x , A i ] ) = d e t ( [ x , A i ] ) ∣ G ⃗ 1 ⋅ g ⃗ 1 G ⃗ 1 ⋅ g ⃗ 2 G ⃗ 1 ⋅ g ⃗ 3 G ⃗ 2 ⋅ g ⃗ 1 G ⃗ 2 ⋅ g ⃗ 2 G ⃗ 2 ⋅ g ⃗ 3 G ⃗ 3 ⋅ g ⃗ 1 G ⃗ 3 ⋅ g ⃗ 2 G ⃗ 3 ⋅ g ⃗ 3 ∣   = d e t ( [ x , A i ] ) [ G ⃗ 1 ⋅ ( G ⃗ 2 × G ⃗ 3 ) ] [ g ⃗ 1 ⋅ ( g ⃗ 2 × g ⃗ 3 ) ] = d e t ( [ x , A i ] ) g G ≠ 0 \mathscr{J}\triangleq det(\bold F)=det([F^B_{\bullet A}])=det([g^B_{i}][x^i_{,A}])=det([x^i_{,A}]) \begin{vmatrix} \vec{G}^1\cdot\vec{g}_1 & \vec{G}^1\cdot\vec{g}_2 & \vec{G}^1\cdot\vec{g}_3\\\\ \vec{G}^2\cdot\vec{g}_1 & \vec{G}^2\cdot\vec{g}_2 & \vec{G}^2\cdot\vec{g}_3\\\\ \vec{G}^3\cdot\vec{g}_1 & \vec{G}^3\cdot\vec{g}_2 & \vec{G}^3\cdot\vec{g}_3 \end{vmatrix}\\\ \\ =det([x^i_{,A}])[\vec{G}^1\cdot(\vec{G}^2\times\vec{G}^3)][\vec{g}_1\cdot(\vec{g}_2\times\vec{g}_3)]=det([x^i_{,A}])\sqrt{\dfrac{g}{G}}\ne0 Jdet(F)=det([FAB])=det([giB][x,Ai])=det([x,Ai]) G 1g 1G 2g 1G 3g 1G 1g 2G 2g 2G 3g 2G 1g 3G 2g 3G 3g 3  =det([x,Ai])[G 1(G 2×G 3)][g 1(g 2×g 3)]=det([x,Ai])Gg =0
其中,
G = G ⃗ 1 ⋅ ( G ⃗ 2 × G ⃗ 3 ) ; g = g ⃗ 1 ⋅ ( g ⃗ 2 × g ⃗ 3 ) G=\vec{G}^1\cdot(\vec{G}^2\times\vec{G}^3);g=\vec{g}_1\cdot(\vec{g}_2\times\vec{g}_3) G=G 1(G 2×G 3)g=g 1(g 2×g 3)
或者
C = d e t ( [ C A B ] ) = d e t ( [ F ∙ A M ] T [ G M N ] [ F ∙ B N ] ) = d e t 2 ( F ) G C=det([{C}_{AB}])=det([F^M_{\bullet A}]^T[G_{MN}][F^N_{\bullet B}])=det^2(\bold F)G C=det([CAB])=det([FAM]T[GMN][FBN])=det2(F)G

d e t 2 ( F ) = C G ≠ 0 det^2(\bold F)=\dfrac{C}{G}\ne0 det2(F)=GC=0
变形梯度的行列式不为零,说明变形梯度是正则仿射量

2. 变形梯度的逆

根据映射关系:
X ⃗ = X ⃗ ( x 1 , x 2 , x 3 , t ) \vec{X}=\vec{X}(x^1,x^2,x^3,t) X =X (x1,x2,x3,t)
得:
d X ⃗ = ∂ X ⃗ ∂ x i d x i = ( ∂ X ⃗ ∂ x i ⊗ g ⃗   i ) ⋅ d x ⃗ ≜ F − 1 ⋅ d x ⃗ d\vec{X}=\dfrac{\partial \vec{X}}{\partial x^i}d{x}^i=\left(\dfrac{\partial \vec{X}}{\partial x^i}\otimes\vec{g}\ ^i\right)\cdot d\vec{x}\triangleq \overset{-1}{\bold F}\cdot d\vec{x} dX =xiX dxi=(xiX g  i)dx F1dx
根据定义:
F − 1 ≜ ∂ X ⃗ ∂ x i ⊗ g ⃗   i ≜ X ⃗ ▽     = c ⃗ i ⊗ g ⃗ i     = F − 1   , i j g ⃗ j ⊗ g ⃗ i     = X , i A G ⃗ A ⊗ g ⃗ i = G ⃗ A ⊗ C ⃗ A     = F − 1   , A B C ⃗ B ⊗ C ⃗ A     = ∂ ∂ x i ( x ⃗ − u ⃗ ) ⊗ g ⃗ i     = I − ∂ u ⃗ ∂ x i ⊗ g ⃗ i = I − u ⃗ ▽ \begin{aligned} &\overset{-1}{\bold F}\triangleq \dfrac{\partial \vec{X}}{\partial x^i}\otimes\vec{g}\ ^i\triangleq\vec{X}\triangledown\\\\ &\ \ \ =\vec c_i\otimes\vec{g}^i\\\\ &\ \ \ =\overset{-1}{F}\ ^{j}_{,i}\vec{g}_j\otimes\vec{g}^i\\\\ &\ \ \ =X^A_{,i}\vec{G}_A\otimes\vec{g}^i=\vec{G}_A\otimes\vec{C}^A\\\\ &\ \ \ =\overset{-1}{F}\ ^{B}_{,A}\vec{C}_B\otimes\vec{C}^A \\\\ &\ \ \ =\dfrac{\partial }{\partial x^i}(\vec{x}-\vec{u})\otimes\vec{g}^i \\\\ &\ \ \ =\bold I-\dfrac{\partial \vec{u}}{\partial x^i}\otimes\vec{g}^i =\bold I-\vec{u}\triangledown \end{aligned} F1xiX g  iX    =c ig i   =F1 ,ijg jg i   =X,iAG Ag i=G AC A   =F1 ,ABC BC A   =xi(x u )g i   =Ixiu g i=Iu
又因为:
F − 1 ⋅ F = ( c ⃗ i ⊗ g ⃗ i ) ⋅ ( g ⃗ j ⊗ c ⃗   j ) = δ j i c ⃗ i ⊗ c ⃗   j = I \overset{-1}{\bold F}\cdot\bold{F}=(\vec c_i\otimes\vec{g}^i)\cdot(\vec{g}_j\otimes\vec{c}\ ^j)=\delta^i_j\vec c_i\otimes\vec{c}\ ^j=\bold I F1F=(c ig i)(g jc  j)=δjic ic  j=I
因此, F − 1 \overset{-1}{\bold F} F1 为变形梯度仿射量的逆

3. 相对变形梯度

4. 两点张量

定义:若某张量的分量或张量基涉及两个不互相独立的坐标系,便称之为 两点张量

比如,变形梯度或其逆为两点张量的实例:
F = F ∙ A B G ⃗ B ⊗ G ⃗ A \bold F=F^B_{\bullet A}\vec{G}_B\otimes\vec{G}^A F=FABG BG A
上述形式上似乎只与物质坐标系相关,但注意到:
F ∙ A B = X , i A g B i = ∂ X A ( x ⃗ , t ) ∂ x i ∂ x i ( X ⃗ , t ) ∂ X B F^B_{\bullet A} =X^A_{,i}g^i_B =\dfrac{\partial X^A(\vec{x},t)}{\partial x^i}\dfrac{\partial x^i(\vec{X},t)}{\partial X^B} FAB=X,iAgBi=xiXA(x ,t)XBxi(X ,t)
说明其分量涉及物质坐标系与空间坐标系。

最后尤其指出:两点张量关于坐标的导数应当是全导数。具体来说,若张量 Ψ \bold \Psi Ψ 是建立在坐标系 { X ⃗ } \{\vec{X}\} {X } { x ⃗ } \{\vec{x}\} {x } 上的两点张量,则
d Ψ d X A = ∂ Ψ ∂ X A + ∂ Ψ ∂ x i ∂ x i ∂ X A \dfrac{d\bold\Psi}{d X^A} =\dfrac{\partial\bold\Psi}{\partial X^A}+\dfrac{\partial\bold\Psi}{\partial x^i}\dfrac{\partial x^i}{\partial X^A} dXAdΨ=XAΨ+xiΨXAxi

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/370492.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

Laravel框架01:composer和Laravel简介

Laravel框架01:composer和Laravel简介一、Composer介绍二、创建Laravel项目三、Laravel目录结构四、Laravel启动方式一、Composer介绍 composer 是PHP中用来管理依赖关系的工具。类似于Javascript的NPM。composer官网:https://getcomposer.org/安装结束…

【bug】Transformer输出张量的值全部相同?!

【bug】Transformer输出张量的值全部相同?!现象原因解决现象 输入经过TransformerEncoderLayer之后,基本所有输出都相同了。 核心代码如下, from torch.nn import TransformerEncoderLayer self.trans TransformerEncoderLayer…

SPARC体系下硬浮点编译故障分析

问题说明 之前extension版的app工程都是用的软浮点编译的,在增加姿控算法库后,统一改用硬浮点运行,发现之前一个浮点数解析不对了,排查发现和工程编译选项有关,为软浮点时正常,硬浮点时异常。该问题脱离业…

【华为OD机试模拟题】用 C++ 实现 - VLAN 资源池(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…

Stream操作流 练习

基础数据&#xff1a;Data AllArgsConstructor NoArgsConstructor public class User {private String name;private int age;private String sex;private String city;private Integer money; static List<User> users new ArrayList<>();public static void m…

【计算机三级网络技术】 第一篇 网络系统结构与系统设计的基本原则

网络系统结构与系统设计的基本原则 文章目录网络系统结构与系统设计的基本原则一、计算机网络的基本结构二、计算机网络分类及其互联方式1.局域网2.城域网3.广域网4.计算机网络的互联方式三、局域网技术四、城域网技术1.城域网的概念2.宽带城域网建设产生的影响3.推动城域网快速…

HTML - 扫盲

文章目录1. 前言2. HTML2.1 下载 vscode3 HTML 常见标签3.1 注释标签3.2 标题标签3.3 段落标签3.4 换行标签3.5 格式化标签1. 加粗2. 倾斜3. 下划线3.6 图片标签3.7 超链接标签3.8 表格标签3.9 列表标签4. 表单标签4.1 from 标签4.2 input 标签4.3 select 标签4.4 textarea标签…

webgl渲染优化——深度缓冲区、多边形缓冲机制

文章目录前言深度缓冲区多边形缓冲机制总结前言 webgl在渲染三维场景时&#xff0c;按照Z坐标的值决定前后关系&#xff0c;但是在默认状态下它并未开启深度检测&#xff0c;而是将后绘制的物体放在前面&#xff1b;当两个物体Z坐标相差无几时&#xff0c;会产生深度冲突&…

【Redis】线程模型:Redis是单线程还是多线程?

【Redis】线程模型&#xff1a;Redis是单线程还是多线程&#xff1f; 文章目录【Redis】线程模型&#xff1a;Redis是单线程还是多线程&#xff1f;Redis 是单线程吗&#xff1f;Redis 单线程模式是怎样的&#xff1f;Redis 采用单线程为什么还这么快&#xff1f;Redis 6.0 之前…

高端装备的AC主轴头结构

加工机器人的AC主轴头和位置相关动力学特性1. 位置依赖动态特性及其复杂性2. AC主轴头2.1 常见主轴头摆角结构2.2 摆动机构3. 加装AC主轴头的作用和局限性4. 切削机器人的减速器类型5. 其他并联结构形式参考文献资料1. 位置依赖动态特性及其复杂性 However, FRF measurements …

JS学习第3天——Web APIs之DOM(什么是DOM,相关API)

目录一、Web APIs介绍1、API2、Web API二、DOM1、DOM树2、获取元素3、事件基础4、操作元素属性5、节点&#xff08;node&#xff09;操作三、以上内容总结四、小案例一、Web APIs介绍 JS的组成&#xff1a;ECMAScript&#xff08;基础语法&#xff09;、DOM&#xff08;页面文…

CTFer成长之路之反序列化漏洞

反序列化漏洞CTF 1.访问url&#xff1a; http://91a5ef16-ff14-4e0d-a687-32bdb4f61ecf.node3.buuoj.cn/ 点击下载源码 本地搭建环境并访问url&#xff1a; http://127.0.0.1/www/public/ 构造payload&#xff1a; ?sindex/index/hello&ethanwhoamiPOST的参数&#…

【渗透测试学习】—记录一次自测试渗透实战

写在前面 本文是作者入门web安全后的第一次完整的授权渗透测试实战&#xff0c;因为最近在总结自己学习与挖掘到的漏&#xff0c;无意中翻到了这篇渗透测试报告&#xff0c;想当初我的这篇渗透测试报告是被评为优秀渗透测试报告的&#xff0c;故在此重新整了一下&#xff0c;分…

创客匠人直播:构建公域到私域的用户增长模型

进入知识付费直播带货时代&#xff0c;很多拥有知识技能经验的老师和培训机构吃到了流量红利。通过知识付费直播&#xff0c;老师们可以轻松实现引流、变现&#xff0c;还可以突破时间、地域的限制&#xff0c;为全国各地的学员带来优质的教学服务&#xff0c;因此越来越受到教…

【Linux】-- 多线程安全

目录 进程互斥 计算 -> 时序问题 加锁保护 pthread_mutex_lock pthread_mutex_unlock 使用init与destory pthread_mutex_init phtread_mutex_destory 锁的实现原理 图 可重入VS线程安全 死锁 Linux线程同步 条件变量 系统调用 进程互斥 进程线程间的互斥相关…

【C语言经典例题】打印菱形

目录 一、题目要求 二、解题思路 上半部分三角形 打印空格 打印星号* 下半部分三角形 打印空格 打印星号* 三、完整代码 代码 运行截图&#xff1a; 一、题目要求 输入一个整数n&#xff08;n为奇数&#xff09;&#xff0c;n为菱形的高&#xff0c;打印出该菱形 例&a…

【模拟集成电路】鉴频鉴相器设计(Phase Frequency Detector,PFD)

鉴频鉴相器设计&#xff08;Phase Frequency Detector&#xff0c;PFD&#xff09;前言一、 PFD的工作原理二、 PFD电路设计&#xff08;1&#xff09;PFD电路图&#xff08;2&#xff09;D触发器电路图&#xff08;3&#xff09;与非门&#xff08;NAND&#xff09;电路图&…

【死磕数据库专栏】MySQL对数据库增删改查的基本操作

前言 本文是专栏【死磕数据库专栏】的第二篇文章&#xff0c;主要讲解MySQL语句最常用的增删改查操作。我一直觉得这个世界就是个程序&#xff0c;每天都在执行增删改查。 MySQL 中我们最常用的增删改查&#xff0c;对应SQL语句就是 insert 、delete、update、select&#xf…

亚马逊侵权了怎么办?不要恐慌,这套申诉方法教你解决

侵权&#xff0c;在亚马逊可是大忌&#xff01;在亚马逊平台上&#xff0c;卖家侵权行为被认为是极为严重的违规行为。亚马逊采取的对待侵权的措施通常相当严厉&#xff0c;从轻者的产品下架到重者直接被禁售。所以如果你的产品涉嫌侵犯知识产权&#xff0c;那么想要在亚马逊上…

软件质量保证与测试(测试部分)

第九章、软件测试过程 9.1 计算机软件的可靠性要素 9.2 软件测试的目的和原则 9.3 软件测试过程 9.4 软件测试与软件开发的关系 9.7 测试工具选择 9.7.1 白盒测试工具 9.7.2 黑盒测试工具 第十章、黑盒测试 10.1 黑盒测试的基本概念 10.2 等价类划分 10.2.2 划分等价类的方法…