首页 > 其他分享 >应力平衡方程的推导

应力平衡方程的推导

时间:2024-07-14 14:56:06浏览次数:14  
标签:tau 方程 frac 应力 推导 xz xy partial sigma

应力平衡方程的推导

在这里插入图片描述

对于一点,已知其应力状态有:

σ x , τ x y , τ x z \sigma_x,\tau_{xy},\tau_{xz} σx​,τxy​,τxz​

则其附近点的应力状态为:
σ x + ∂ σ x ∂ x d x , τ x y + ∂ τ x y ∂ x d x , τ x z + ∂ τ x z ∂ x d x \sigma_x+\frac{\partial \sigma_{x}}{\partial x}dx,\tau_{xy}+\frac{\partial \tau_{xy}}{\partial x}dx,\tau_{xz}+\frac{\partial \tau_{xz}}{\partial x}dx σx​+∂x∂σx​​dx,τxy​+∂x∂τxy​​dx,τxz​+∂x∂τxz​​dx

之所以如此的原因:
在这里插入图片描述
对于附近的一点:
Δ y + d y d x Δ x \Delta y+\frac{dy}{dx} \Delta x Δy+dxdy​Δx
也可由泰勒公式的二阶导知道:

f ( x ) = f ( x 0 ) + f ′ ( x 0 ) 1 ! ( x − x 0 ) + o n ( x − x 0 ) f(x)=f(x_0)+\frac{f'(x_0)}{1!}(x-x_0)+o^n(x-x_0) f(x)=f(x0​)+1!f′(x0​)​(x−x0​)+on(x−x0​)

于是乎,x方向上的面积为 d y d z dydz dydz

根据外力平衡得:

σ x d y d z + τ x y d x d z + τ x z d x d y = ( σ x + ∂ σ x ∂ x d x ) d y d z + ( τ x y + ∂ τ x y ∂ x d x ) d x d z + ( τ x z + ∂ τ x z ∂ x d x ) d x d y \sigma_xdydz+\tau_{xy}dxdz+\tau_{xz}dxdy=(\sigma_x+\frac{\partial \sigma_{x}}{\partial x}dx)dydz+(\tau_{xy}+\frac{\partial \tau_{xy}}{\partial x}dx)dxdz+(\tau_{xz}+\frac{\partial \tau_{xz}}{\partial x}dx)dxdy σx​dydz+τxy​dxdz+τxz​dxdy=(σx​+∂x∂σx​​dx)dydz+(τxy​+∂x∂τxy​​dx)dxdz+(τxz​+∂x∂τxz​​dx)dxdy

化简得:
∂ σ x ∂ x d x d y d z + ∂ τ x y ∂ y d y d x d z + ∂ τ x z ∂ z d z d x d y = 0 \frac{\partial \sigma_{x}}{\partial x}dxdydz+\frac{\partial \tau_{xy}}{\partial y}dydxdz+\frac{\partial \tau_{xz}}{\partial z}dzdxdy=0 ∂x∂σx​​dxdydz+∂y∂τxy​​dydxdz+∂z∂τxz​​dzdxdy=0

∂ σ y ∂ y d x d y d z + ∂ τ y x ∂ x d y d x d z + ∂ τ y z ∂ z d z d x d y = 0 \frac{\partial \sigma_{y}}{\partial y}dxdydz+\frac{\partial \tau_{yx}}{\partial x}dydxdz+\frac{\partial \tau_{yz}}{\partial z}dzdxdy=0 ∂y∂σy​​dxdydz+∂x∂τyx​​dydxdz+∂z∂τyz​​dzdxdy=0

∂ σ z ∂ z d x d y d z + ∂ τ x z ∂ x d y d x d z + ∂ τ y z ∂ x d z d x d y = 0 \frac{\partial \sigma_{z}}{\partial z}dxdydz+\frac{\partial \tau_{xz}}{\partial x}dydxdz+\frac{\partial \tau_{yz}}{\partial x}dzdxdy=0 ∂z∂σz​​dxdydz+∂x∂τxz​​dydxdz+∂x∂τyz​​dzdxdy=0

其中: d x d y d z dxdydz dxdydz可以约掉。

当有外力作用 F F F时,(这个外力是作用于微元体上的外力),其分量在三个方向上满足:
∂ σ x ∂ x + ∂ τ x y ∂ y + ∂ τ x z ∂ z + F x = 0 \frac{\partial \sigma_{x}}{\partial x}+\frac{\partial \tau_{xy}}{\partial y}+\frac{\partial \tau_{xz}}{\partial z}+F_x=0 ∂x∂σx​​+∂y∂τxy​​+∂z∂τxz​​+Fx​=0

∂ σ y ∂ y + ∂ τ y x ∂ x + ∂ τ y z ∂ z + F y = 0 \frac{\partial \sigma_{y}}{\partial y}+\frac{\partial \tau_{yx}}{\partial x}+\frac{\partial \tau_{yz}}{\partial z}+F_y=0 ∂y∂σy​​+∂x∂τyx​​+∂z∂τyz​​+Fy​=0

∂ σ z ∂ z + ∂ τ x z ∂ x + ∂ τ y z ∂ x + F z = 0 \frac{\partial \sigma_{z}}{\partial z}+\frac{\partial \tau_{xz}}{\partial x}+\frac{\partial \tau_{yz}}{\partial x}+F_z=0 ∂z∂σz​​+∂x∂τxz​​+∂x∂τyz​​+Fz​=0

当考虑时间变化时,在 x , y , z x,y,z x,y,z三个方向上的位移 u , v , w u,v,w u,v,w时:

∂ σ x ∂ x + ∂ τ x y ∂ y + ∂ τ x z ∂ z = ρ ∂ 2 u ∂ t 2 \frac{\partial \sigma_{x}}{\partial x}+\frac{\partial \tau_{xy}}{\partial y}+\frac{\partial \tau_{xz}}{\partial z}=\rho \frac{\partial^2 u}{\partial t^2} ∂x∂σx​​+∂y∂τxy​​+∂z∂τxz​​=ρ∂t2∂2u​

∂ σ y ∂ y + ∂ τ y x ∂ x + ∂ τ y z ∂ z = ρ ∂ 2 v ∂ t 2 \frac{\partial \sigma_{y}}{\partial y}+\frac{\partial \tau_{yx}}{\partial x}+\frac{\partial \tau_{yz}}{\partial z}=\rho \frac{\partial^2 v}{\partial t^2} ∂y∂σy​​+∂x∂τyx​​+∂z∂τyz​​=ρ∂t2∂2v​

∂ σ z ∂ z + ∂ τ x z ∂ x + ∂ τ y z ∂ x = ρ ∂ 2 w ∂ t 2 \frac{\partial \sigma_{z}}{\partial z}+\frac{\partial \tau_{xz}}{\partial x}+\frac{\partial \tau_{yz}}{\partial x}=\rho \frac{\partial^2 w}{\partial t^2} ∂z∂σz​​+∂x∂τxz​​+∂x∂τyz​​=ρ∂t2∂2w​

标签:tau,方程,frac,应力,推导,xz,xy,partial,sigma
From: https://blog.csdn.net/qq_36980284/article/details/140362508

相关文章

  • [NOIP2014] 解方程
    思路首先我们可以观察到\(n\)和\(m\)与\(a_i\)相比小的很多,所以我们可以考虑直接暴力求解但是\(a_i\)太大了,所以如果需要直接计算的话需要全程使用高精度算法。因为高精度算法代码量有大速度又慢我们可依考虑将\(a_i\)转化为一个极大的指数取模的结果,因为只有是模数的......
  • Vue3中组件使用ref时获取组件类型推导
    本文由ChatMoney团队出品我们在使用Vue3+ts开发时,常常会用到一些第三方组件库,比如Element-PlusUI、NavieUI等,这些UI框架中有些组件常常会暴露一些方法给我们便捷的去实现各种复杂的交互,我们经常会像下面这样去给组件定义一个ref去获取组件的实例:<template><div><el-d......
  • Vue3中组件使用ref时获取组件类型推导
    本文由ChatMoney团队出品我们在使用Vue3+ts开发时,常常会用到一些第三方组件库,比如Element-PlusUI、NavieUI等,这些UI框架中有些组件常常会暴露一些方法给我们便捷的去实现各种复杂的交互,我们经常会像下面这样去给组件定义一个ref去获取组件的实例:<template><div><el-d......
  • Lingo学习(一)——基本界面、解方程、变量
    一、Lingo基本界面【步骤】1.双击打开Lingo2.弹出一个对话框,点击Cancel左边的NeverRegister即可,其余内容用不到。3:界面自动弹出名为“LingoModel–Lingo1”的窗口,用于书写代码。4:以解方程的题目:x+1=2为例,写完代码后,点击“红色的靶心”运行程序。5:首......
  • SDF矩形(附圆角)公式推导
    SDF矩形(附圆角)公式推导矩形一般情况下,我们会使用(top_left,top_bottom),(width,height)来定义一个矩形,但是对于SDF而言,使用(centerX,centerY),(HalfSizeX,HalfSizeY)会更方便一些。假设一个矩形,我们先定义原点在(0,0),那图像如下:记住要计算的内容:点与形状最近边缘之间......
  • 微分方程模型
    matlab求解微分方程%dsolve('equations','initialconditions')%使用symsy(x);%定义y是关于x的函数eq=y-diff(y,x)==2*x%将方程付给eqdsolve(eq)%求通解dsolve(eq,y(0)==3)%求特解对多元微分方程\[\left.\{\begin{array}{l}\frac{dx......
  • 数学推导
    基本公式(a+b)%mod=(a%mod+b%mod)%mod设一个任意整数\(A=a*10^n+b*10^{n-1}+...+c\).由此可以证明\(A\quadmod\quadm=(((a\quadmod\quadm)*10+b\quadmod\quadm)*10...)+c)\quadmod\quadm\)该证明可以应用在数位DP点击查看代码#include<bits/stdc++.h>usi......
  • Python实战训练(方程与拟合曲线)
    1.方程求e^x-派(3.14)的解用二分法来求解,先简单算出解所在的区间,然后用迭代法求逼近解,一般不能得到精准的解,所以设置一个能满足自己进度的标准来判断解是否满足这里打印出解x0是因为在递归过程中没有变量去接收返回值,所以返回x0,再打印x0得到的是None,再用numpy自带的log(pi)就查......
  • 扩展欧几里得详解——同余方程
    对于同余方程的话就是一个经典扩展欧几里得求逆元的题目。这个可以转换成,我们需要求的只是x和k从而得到一组解。通常我们会得到a和b两个元素,假设a是7,b为40,通过扩展欧几里得进行运算。这时也就是,我们第一步先开始从a,b两个数字里找到最大的那个在这里的话是40,然后利用大的......
  • 算法金 | 推导式、生成器、向量化、map、filter、reduce、itertools,再见 for 循环
    大侠幸会,在下全网同名「算法金」0基础转AI上岸,多个算法赛Top「日更万日,让更多人享受智能乐趣」不要轻易使用For循环For循环,老铁们在编程中经常用到的一个基本结构,特别是在处理列表、字典这类数据结构时。但是,这东西真的是个双刃剑。虽然看起来挺直白,一用就上手,但是......