در این پایان نامه، برای محاسبه خرابی، به جای تنش موثر از تنش حقیقی در معادله تسلیم استفاده شده است. در نتیجه، مشکلات نرم شوندگی کرنشی از بین رفته و معادلات خرابی و خمیری کوپل می شوند. اگر چه استفاده از این روش مزایایی مانند حذف اثر شبکه دارد، اما پیچیدگی های مختلفی را در حل عددی معادلات ساختاری به وجود می آورد. در این پایان نامه، معادلات اساسی برای کوپل کردن مدل خرابی به مدل خمیری چرخه ای غیر خطی ارائه شده و بر اساس دیدگاه مکانیک محیط های پیوسته، رابطه های ضریب خمیری شدن و مدول مماسی پیوسته به دست آمده است. روابط صریح تصحیح کننده ای برای تنش، تنش بازگشتی، کرنش خمیری و خرابی ارائه شده است. اگر چه به منظور تعمیم مدل پیشنهادی،یک تابع کلی برای تغییر خرابی در نظر گرفته شده اما برای وارد کردن مدل ماده پیشنهادی در نرم افزار اجزای محدود مارک از مدل خرابی نرم بنرا استفاده شده است. به منظور ارزیابی حل عددی مدل پیشنهادی، برای مقادیر مختلف ضریب سه بعدی شدن تنش و نمای تغییر خرابی، نتایج شبیه سازی با حل تحلیلی مقایسه شده است. همچنین، دو مدل مختلف برای شبیه سازی های اجزای محدود در نظر گرفته شده و مقایسه ای بین مدل کوپل شده و کوپل نشده صورت پذیرفته است. اغلب مدل های چرخه ای تنها نیم چرخه کششی نمودار پسماند پایدار را برای تعیین ثابت ها در نظر می گیرند و ثابت های به دست آمده را ثابت فرض می کنند، به طوری که ثابت های مدل ماده با افزایش کرنش خمیری تجمعی و یا بازه کرنش نمودار پسماند، تغییر نمی کنند. در این پایان نامه، به منظور شبیه سازی دقیق منحنی تنش-کرنش چرخه ای از یک رهیافت جدید برای تعیین ثابت های سخت شوندگی حرکتی چابوچه با چهار تنش بازگشتی و سخت شوندگی همسانگرد استفاده شده است. با انجام تلاشهایی، بازه کرنش در مدل ماده وارد شده است. در این رهیافت جدید، هر دو نیم چرخه کششی و فشاری در حلقه پسماند برای تعیین ثابت ها مورد استفاده قرار گرفته اند. همچنین، نشان داده می شود که ثابت های ماده با تغییر بازه کرنش مورد استفاده در آزمایش ها تغییر می کنند. به علت این که مس خالص بازپخت شده سخت شوندگی زیادی را از خود نشان می دهد، از این ماده به منظور ارزیابی مدل پیشنهادی استفاده شده است. همچنین، منحنی پسماند آزمایشی مس خالص بازپخت شده ارائه شده و رابطه تغییر ثابت ها با بازه کرنش مورد استفاده به دست آمده است. برای تعیین ثابت ها از یک برنامه خودکار استفاده شده است. در برنامه خودکار، برای بهینه سازی، الگوی ژنتیک در نظر گرفته شده است. همچنین، به منظور شبیه سازی نمودار تنش-کرنش چرخه ای از شبکه عصبی مصنوعی برای میان یابی و برون یابی داده های آزمایشی استفاده شده است. در این پایان نامه نشان داده می شود که اگر شبکه عصبی مصنوعی درست طراحی شود و به صورت صحیح آموزش داده شود، می توان از آن برای میان یابی و برون یابی داده های آزمایشی استفاده نمود. مقایسه نتایج نشان می دهد که تطابق قابل توجهی بین پیش بینی مدل پیشنهادی و شبکه عصبی مصنوعی در میان و ورای بازه کرنش مورد آزمایش قابل مشاهده است.

چکیده ندارد.