Implementación de un modelo de predicción de vida a fatiga en código libre

Abstract

La fatiga juega un papel relevante en muchos sectores industriales; especialmente en el aeronáutico, en el que ha sido causante de graves problemas cuando los diseños no han sido adecuados. Se produce en componentes sometidos a cargas fluctuantes en el tiempo, generándose grietas que pueden propagarse y llegar a producir el fallo de la pieza. Se puede ver perjudicada por la presencia de ciertos condicionantes que pueden facilitar su aparición y propagación, como pueden ser la entallas, que actúan como concentradores de tensiones. La fatiga presenta una alta dependencia, sobre todo en la fase inicial de la grieta, de la microestructura del material. Esto conlleva que el fallo en dos piezas producidas de la misma forma y con el mismo material, sometidas a los mismo esfuerzos se produzca en momentos diferentes. Por lo tanto, resulta imposible predecir con exactitud cuando fallará una pieza ya que la propia física del problema lo impide. Pese a esta dispersión de los resultados, es de vital importancia desarrollar modelos que tengan la capacidad de predecir cuando se va a producir el fallo; lo que permite el diseño de componentes mejores. En este trabajo se ha implementado un modelo de fatiga en Python que permite estimar la vida del componente, la duración de las distintas fases de vida de la grieta, cuando se produce la transición entre las fases y cual es la evolución de la longitud de la grieta en función de los ciclos de carga. Se ha organizado de la siguiente manera; en el Capítulo 2 se presenta el modelo de vida a fatiga en el que se ha basado este trabajo, mostrándose las distintas ecuaciones que serán necesarias para realizar los cálculos. En el Capítulo 3 se presentan los datos experimentales utilizados para realizar las simulaciones y validar el código, así como las propiedades del material empleado. En el Capítulo 4, en primer lugar, se detalla el funcionamiento general del código implementado; para posteriormente introducirse en las funciones de cada script para explicar su utilidad. Por último, en el Capítulo 5, se muestran los resultados obtenidos para la vida estimada y la evolución de la longitud de la grieta y se comparan con los resultados mostrados en el Capítulo 3.

Fatigue plays an important role in several industrial sectors; specially in aeronautics, where it is the reason behind many design related issues. It is produced in components with fluctuating loads and it generates cracks that can propagate and end in a component failure. The effects of fatigue become larger in presence of some factors that may accelerate its apparition and propagation; such as notches, which produce stresses concentration. Fatigue is highly dependent in the material microstructure, mainly during the initial phase of the crack. The failure in two components made using the same tools, with the same material and working under the same loads, will happen at different times. Therefore, it is impossible to exactly predict when the component is going to experiment a failure due to the physics behind the problem. Despite the scattering in the results, it is a main concern to develop models that can predict when a failure is going to happen allowing the design of better components. In this work, a fatigue model has been implemented in Python; which can estimate the fatigue life of the component, the duration of each crack phase, when the transition of each phase is going to happen and how the crack grows as a function of the number of load cycles. The work is organized as follows; in Chapter 2, the fatigue life model is presented, showing all the required equations needed to make the different calculations. In Chapter 3, experimental data used to make the simulations and validate the code is presented; together with the properties from the material used. In Chapter 4, at first, the general working of the code is introduced; later, each function of the scripts are described. Finally, in Chapter 5, the results obtained with the code are shown and compared with the experimental data in Chapter 3.