(二)变形梯度和相对变形梯度

2023/11/29 11:31:38

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


http://www.jnnr.cn/a/307405.html

相关文章

死磕Spring,什么是SPI机制,对SpringBoot自动装配有什么帮助

文章目录如果没时间看的话,在这里直接看总结一、Java SPI的概念和术语二、看看Java SPI是如何诞生的三、Java SPI应该如何应用四、从0开始,手撸一个SPI的应用实例五、SpringBoot自动装配六、Spring SPI机制与Spring Factories机制做对比七、这里是给我自…

不写注释就是垃圾

最近Linux6.2出来了增加了很多新的东西,有看点的是,Linux确实要可以在Apple M1上面运行了,这应该是一个很大的新闻,如果有这么稳定的硬件支持,那对于Linux来说相当于又打下了一大片的江山。其中关于Linux6.2的特性罗列…

UVM仿真环境搭建

环境 本实验使用环境为: Win10平台下的Modelsim SE-64 2019.2 代码 dut代码: module dut(clk,rst_n, rxd,rx_dv,txd,tx_en); input clk; input rst_n; input[7:0] rxd; input rx_dv; output [7:0] txd; output tx_en;reg[7:0] txd; reg tx_en;always…

阅读笔记9——DenseNet

一、DenseNet DenseNet的网络结构如图1-1所示,其核心是Dense Block模块,Dense Block中的一个黑点就代表一个卷积模块(不是一个卷积层,而是DenseNet提出的一个BottleNeck模块,后文有讲解),每条黑…

Linux下的进程地址空间

Linux下的进程地址空间程序地址空间回顾从代码结果推结论引入进程地址空间页表为什么要有进程地址空间重新理解进程地址空间程序地址空间回顾 我们在初学C/C的时候,我们会经常看见老师们画这样的内存布局图: 可是这真的是内存吗? 如果不是它…

函数指针、函数指针的数组、QT中的函数指针

一、函数指针三种定义方法 函数名本质就是函数指针&#xff0c;函数实际上就是返回的是函数指针 //函数指针#include <iostream> using namespace std;void func(int a){cout << "hello world" << endl; }int main(){//函数指针 三种定义方法//一…

OpenAPI SDK组件介绍

背景 公司成立以来&#xff0c;积累了数以万计的可复用接口。上层的SaaS业务&#xff0c;原则上要复用这些接口开发自己的业务&#xff0c;为了屏蔽调用接口的复杂性&#xff0c;基础服务开发了apisdk组件&#xff0c;定义了一套声明OpenAPI的注解、注解解析器&#xff0c;实例…

持续集成Jenkins (五)Jenkins API的使用(更新中)

前言目前&#xff0c;我们将要上线DevOps系统&#xff0c;面对未来可能需要对系统的二次开发和处于对系统的深入理解&#xff0c;我需要对Jenkins API有个比较熟悉的了解。在DevOps中&#xff0c;jenkins总是作为其中的一环集成到里面&#xff0c;它提供了几种语言的API,可以很…

JUC并发编程与源码分析笔记09-原子类操作之十八罗汉增强

基本类型原子类 AtomicInteger、AtomicBoolean、AtomicLong。 常用API&#xff1a; public final int get();// 获取当前的值 public final int getAndSet(int newValue);// 获取当前值&#xff0c;并设置新值 public final int getAndIncrement();// 获取当前的值&#xff0…

读懂分布式事务

一、概述 1.1 什么是分布式事务 事务我们都很熟悉&#xff0c;事务提供一种机制将一个活动涉及的所有操作纳入到一个不可分割的执行单元&#xff0c;组成这组操作的各个单元&#xff0c;要么全部成功&#xff0c;要么全部失败。 事务有四大特性&#xff1a; Atomic&#xf…

SPI协议介绍

SPI协议介绍 文章目录SPI协议介绍一、 SPI硬件知识1.1 硬件连线1.2 SPI控制器内部结构二、 SPI协议2.1 传输示例2.2 SPI模式致谢一、 SPI硬件知识 1.1 硬件连线 引脚含义如下&#xff1a; 引脚含义DO(MOSI)Master Output, Slave Input&#xff0c;SPI主控用来发出数据&#x…

【Java】CAS锁

一、什么是CAS机制&#xff08;compare and swap&#xff09; 1.概述 CAS的全称为Compare-And-Swap&#xff0c;直译就是对比交换。是一条CPU的原子指令&#xff0c;其作用是让CPU先进行比较两个值是否相等&#xff0c;然后原子地更新某个位置的值。经过调查发现&#xff0c;…

【工具】JSR-303后端参数校验框架的使用方法及说明

【工具】JSR-303后端参数校验框架的使用方法及说明 文章目录【工具】JSR-303后端参数校验框架的使用方法及说明1. 统一校验需求2. 使用说明2.1 引入依赖2.2 规则说明2.3 使用说明2.4 分组校验2.5 定制校验规则注解1. 统一校验需求 有一句话是这样说的——“前端防君子&#xf…

TypeScript快速上手语法+结合vue3用法

TypeScript快速上手语法结合vue3用法 前言&#xff1a; 本篇内容不涉及TypeScript安装以及配置&#xff0c;具体安装及配置篇可以看下面目录&#xff0c;本篇只涉及TypeScript语法相关内容&#xff0c;及结合vue3的用法。不讲废话&#xff0c;简单直接直接开撸。 目录 Type…

《零成本实现Web自动化测试--基于Selenium》 Selenium-RC

一. 简介 Selenium-RC可以适应更复杂的自动化测试需求&#xff0c;而不仅仅是简单的浏览器操作和线性执行。Selenium-RC能够充分利用编程语言来构建更复杂的自动化测试案例&#xff0c;例如读写文件、查询数据库和E-mail邮寄测试报告。 当测试案例遇到selenium-IDE不支持的逻辑…

Golang学习Day3

&#x1f60b; 大家好&#xff0c;我是YAy_17&#xff0c;是一枚爱好网安的小白。 本人水平有限&#xff0c;欢迎各位师傅指点&#xff0c;欢迎关注 &#x1f601;&#xff0c;一起学习 &#x1f497; &#xff0c;一起进步 ⭐ 。 ⭐ 此后如竟没有炬火&#xff0c;我便是唯一的…

ubuntu安装gitlab

gitlab是什么?他有什么作用呢&#xff1f; gitlab是一个开源的git仓库管理软件&#xff0c;并提供web界面&#xff0c;方便管理git仓库。和github很相似&#xff0c;不过github暂时没有开源版本&#xff0c;项目必须托管到github官方网站&#xff0c;不能本地部署。很多公司考…

使用Jmeter进行性能测试的这套步骤,入职京东后,涨薪2次,升职一次

项目背景&#xff1a; 我们的平台为全国某行业监控平台&#xff0c;经过3轮功能测试、接口测试后&#xff0c;98%的问题已经关闭&#xff0c;决定对省平台向全国平台上传数据的接口进行性能测试。 01 测试步骤 1、编写性能测试方案 由于我是刚进入此项目组不久&#xff0c;…

Web Spider Ast-Hook 浏览器内存漫游 - 数据检索

文章目录一、资源下载二、通过npm安装anyproxy模块三、anyproxy的介绍以及基本使用1. anyproxy的功能介绍2. anyproxy的基本使用四、给浏览器挂代理五、实操极验demo案例总结提示&#xff1a;以下是本篇文章正文内容&#xff0c;下面案例可供参考 一、资源下载 Github&#x…

一个阿里P6的说不会接口自动化测试,他不会是自己评的吧...

序 近期和一个阿里的测试工程师交流了一波&#xff0c;他竟然说我不会接口自动化测试&#xff0c;我当场就不服了我说你P6自己评级的吧&#xff0c;今天就带大家好好盘一盘接口自动化&#xff0c;本着以和大家交流如何实现高效的接口测试为出发点&#xff0c;本文包含了我在接…
最新文章