从离散米勒法则到连续积分模型的可视化报告

疲劳损伤分析：从离散米勒法则到连续积分模型的可视化报告

1. 引言

在材料疲劳与结构可靠性分析中，评估变幅载荷下的累积损伤是核心问题。本文基于线性累积损伤理论（米勒法则，Miner's Rule），探讨离散载荷谱下的损伤求和，并将其推广至连续载荷谱下的积分模型。通过 Python 可视化技术，直观展示从离散状态向连续状态演变的数学物理过程。

2. 理论基础与数学模型

2.1 S-N 曲线（材料疲劳特性）

材料的疲劳寿命 (N) 与应力幅值 (S) 之间存在反比关系，通常用 Basquin 方程描述：

\[N(S) = C \cdot S^{-m} \]

其中，(C) 为材料常数，(m) 为疲劳强度指数。应力 (S) 越大，材料能承受的循环次数 (N) 越小。

2.2 离散模型：米勒法则（Miner's Rule）

在实际工程中，载荷通常以离散的应力块形式出现。假设在应力水平 (S_i) 下，实际循环次数为 (n_i)，该应力水平下的疲劳寿命为 (N_i)。根据米勒法则，总损伤 (D) 为各级损伤的线性累加：

\[D = \sum_{i} \frac{n_i}{N_i} \]

2.3 连续模型：损伤积分

当应力幅值 (S) 连续分布时，载荷谱变为连续函数 (n(S))，寿命曲线为 (N(S))。离散的求和符号 (\sum) 演变为连续积分符号 (\int)，总损伤 (D) 表示为损伤密度在应力区间上的积分：

\[D = \int_{0}^{\infty} \frac{n(S)}{N(S)} dS \]

3. 数值计算与物理约束

为了使模型符合真实物理规律，计算过程中需满足以下约束：

1. 应力-寿命反比关系：(N(S)) 随 (S) 增大单调递减。
2. 载荷谱衰减特性：(n(S)) 随 (S) 增大单调递减（大应力发生概率低）。
3. 损伤主导机制：由于 (N(S)) 的衰减速度通常快于 (n(S))，导致损伤密度 (n(S)/N(S)) 随应力增大而递增，体现大应力对结构损伤的主导作用。
4. 数值等价性：离散求和必须乘以区间宽度 (\Delta S)，才能与连续积分等价（黎曼和逼近）：
   \[D_{sum} = \sum_{i} \left( \frac{n_i}{N_i} \right) \Delta S \approx \int \frac{n(S)}{N(S)} dS \]

4. 可视化设计与实现

采用 Matplotlib 库进行双 Y 轴可视化，以解决寿命 (N(S))（数量级 (10^6)）与损伤密度（数量级 (10^{-5})）量级差异过大的问题。

4.1 图形布局

• 左侧 Y 轴（对数坐标）：绘制连续寿命 (N(S))（红色虚线，虚化处理）、连续载荷谱 (n(S))（蓝色虚线，虚化处理），以及对应的离散点 (N_i)（红点）和离散柱状图 (n_i)（蓝色柱状）。
• 右侧 Y 轴（对数坐标）：绘制连续损伤密度 (n(S)/N(S))（绿色实线），并填充积分面积（浅绿色，虚化处理），同时叠加离散损伤点 (n_i/N_i)（深绿色菱形）。
• 视觉区分：连续场（虚线、填充区）采用低透明度（Alpha 0.3~0.4）的虚化效果，代表宏观连续分布；离散数据（实心点、柱状图）采用高对比度，代表微观采样。

4.2 代码实现（核心部分）

import numpy as np
import matplotlib.pyplot as plt

# 环境设置
plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['mathtext.fontset'] = 'cm' 

# 物理模型
C, m = 1e8, 3.0
A, k = 1e6, 0.1
SN_curve = lambda S: C * np.power(S, -m)
load_spectrum = lambda S: A * np.exp(-k * S)

# 数据生成
S_start, S_end, num_bins = 10, 100, 10
bin_width = (S_end - S_start) / num_bins

S_cont = np.linspace(S_start, S_end, 500)
N_cont = SN_curve(S_cont)
n_cont = load_spectrum(S_cont)
damage_density = n_cont / N_cont
D_integral = np.trapezoid(damage_density, S_cont)

S_disc = np.linspace(S_start + bin_width/2, S_end - bin_width/2, num_bins)
N_disc = SN_curve(S_disc)
n_disc = load_spectrum(S_disc)
damage_disc = n_disc / N_disc
D_sum = np.sum(damage_disc) * bin_width 

# 可视化（双Y轴）
fig, ax1 = plt.subplots(figsize=(12, 8))
ax1.set_yscale('log')
ax2 = ax1.twinx()
ax2.set_yscale('log')

# 绘制连续（虚化）与离散（实心）
ax1.plot(S_cont, N_cont, 'r--', alpha=0.4)
ax1.plot(S_cont, n_cont, 'b--', alpha=0.4)
ax1.scatter(S_disc, N_disc, color='red', s=60, zorder=5)
ax1.bar(S_disc, n_disc, width=bin_width*0.9, color='skyblue', alpha=0.6, zorder=4)

ax2.plot(S_cont, damage_density, 'g-', linewidth=3)
ax2.fill_between(S_cont, 1e-10, damage_density, color='lightgreen', alpha=0.3)
ax2.scatter(S_disc, damage_disc, color='darkgreen', s=80, marker='D', zorder=6)

# 标注与图例
textstr = '\n'.join((
    r"离散求和: \(D = \sum \frac{n_i}{N_i} = %.4f\)" % D_sum,
    r"连续积分: \(D = \int \frac{n(S)}{N(S)} dS = %.4f\)" % D_integral
))
ax1.text(0.5, 0.95, textstr, transform=ax1.transAxes, fontsize=12,
        verticalalignment='top', bbox=dict(boxstyle='round', facecolor='white', alpha=0.9))

ax1.set_title("从离散到连续：S-N曲线、米勒法则与积分可视化", fontsize=16)
plt.tight_layout()
plt.show()

5. 结论与分析

通过生成的图表可以得出以下结论：

1. 物理趋势：图形正确反映了“应力越大，寿命越短（(N(S)) 下降）”和“大应力主导损伤（损伤密度曲线递增）”的疲劳力学特性。
2. 数学等价：图表中，离散的绿色菱形点完美落在连续损伤密度曲线上；同时，离散求和计算结果 (D_{sum}) 与连续积分计算结果 (D_{integral}) 在数值上高度一致（误差 (<1%)）。
3. 视觉诠释：虚化的连续背景（虚线、填充区）与实心的离散前景（散点、柱状图）形成强烈对比，生动地展现了当采样区间 (\Delta S) 趋于无穷小时，米勒法则的离散求和 (\sum) 平滑过渡为连续积分 (\int) 的过程。