Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
CÁLCULO DEL LÍMITE DE FATIGA MEDIANTE EL MÉTODO DE MÁXIMA VEROSIMILITUD A. Martín-Meizoso1, J.M. Martínez-Esnaola1, J. Gil Sevillano1 1 CEIT y TECNUN (Universidad de Navarra) Manuel de Lardizábal, 15, 20018 San Sebastián, España. E-mail: ameizoso@ceit.es RESUMEN Se revisan los procedimientos al uso para la determinación del límite de fatiga. En particular, se detalla el procedimiento de la escalera en la que los ensayos bajan o suben de tensión, según rompan antes de alcanzar la vida prevista como límite de fatiga o no. Se propone un método de análisis y cálculo del límite de fatiga basado en el procedimiento estadístico de máxima verosimilitud y la hipótesis de normalidad en la distribución del límite de fatiga (aunque pueden hacerse otras hipótesis sobre la distribución). A diferencia del método de la escalera, este procedimiento resulta mucho más riguroso desde el punto de vista estadístico, es mucho más versátil (pudiéndose hacer ensayos a niveles intermedios de tensiones) y aprovecha toda la información disponible (incluso de niveles de tensión lejanos al límite de fatiga). ABSTRACT Standard procedures to determine the fatigue limit are reviewed. In particular the stair-case procedure is detailed; in this procedure the applied stress is increased or decreased in a given stress step, for the following experiment, depending on the previous experiment: if it survives or fails to a given number of cycles. An analytical procedure is proposed to compute the fatigue limit using the statistical method of maximum likelihood and assuming a normal distribution for the fatigue limit (other assumptions can be made about its distribution). This procedure is preferred from a statistical point of view, it is much more flexible (other stress levels can be introduced) and all experiments contain useful information (including those tests carried out at stress levels far from the fatigue limit). PALABRAS CLAVE: Límite de fatiga, métodos estadísticos, máxima verosimilitud. 1. INTRODUCCIÓN Un componente se ve sometido a fatiga cuando soporta cargas alternadas: la rueda de un ferrocarril, la biela de un motor de explosión… Pese a diseñarse estas piezas por debajo de su límite elástico (por tanto sin deformaciones permanentes apreciables), con un número suficiente de ciclos, las piezas se rompen. El 90% de las piezas que se rompen en servicio fallan debido a esta insidiosa patología. Esto lo descubre August Wöhler, hacia el año 1860 [1], y propone unos límites a las tensiones de diseño en función del número de ciclos que se requieran para una pieza. Se conocen como curvas de Wöhler o curvas S-N (tensión: S, frente a número de ciclos: N). Aparece una microgrieta, que crece a medida que se realizan ciclos de carga hasta alcanzar un tamaño tal que la sección remanente es incapaz de soportar la carga máxima en el ciclo y finalmente el ligamento restante rompe catastróficamente de forma frágil o dúctil. Para cada material existe una tensión umbral por debajo de la cual la vida de la pieza es infinita (caso más frecuente en los aceros) o no hay un umbral de vida infinita (caso más frecuente en las aleaciones de aluminio), pero al menos dura la especificación de ciclos necesaria en esa aplicación. En la práctica de la ingeniería, deberemos reemplazar el uso del límite elástico (con su correspondiente coeficiente de seguridad) por el límite de fatiga en aquellas aplicaciones que vayan a estar sometidas a cargas alternadas. Su relación con la resistencia a tracción del material suele estar comprendida en rangos que van desde el 35% al 60% de ésta, para los aceros aleados y al carbono; y entre el 35% y el 50% para la aleaciones de cobre [2]. También se puede estudiar un componente concreto con un complejo estado de tensiones y directamente explorar su vida bajo diferentes valores del rango de variación de la carga alternada aplicada y determinar el Anales de Mecánica de la Fractura 26, Vol. 2 (2009) 406 máximo valor que se puede aplicar para que el componente supere una cierta vida (número de ciclos en el ambiente de operación: medio ambiente y temperatura). Resulta entonces capital determinar de forma sencilla cuál sea el nivel de tensión (si hablamos del material) o la carga alternada máxima (para un componente) que proporcionan una vida especificada (normalmente entre 2 y 100 millones de ciclos de vida [3]). Normalmente no se requiere toda la curva S-N (curva de Wöhler), pues de poco servirá saber que la vida será mucho más corta con un nivel de tensiones más alto. Sólo necesitaremos conocer la carga o tensión que deberemos no superar para que la pieza dure lo requerido. Entonces los ensayos se limitan a explorar esa zona del rango de vida y cargas. El método más utilizado consiste en el método de la escalera, básicamente una simplificación del método propuesto por Probit [3]. 2. MÉTODO DE LA ESCALERA El método de la escalera se utiliza comúnmente para determinar el promedio (mediana) del límite de fatiga de un componente o de material a un número de ciclos especificados. Consiste en la realización de ensayos de fatiga secuenciados con diferentes niveles de carga, con un incremento de la tensión (o de la carga, o de la deformación) predeterminado. Si el componente o la probeta falla antes de alcanzar la vida prevista, el siguiente ensayo se realiza a una carga un escalón inferior. Si ésta sobrevive a ese número de ciclos (run- out) en el siguiente ensayo se aumenta en un escalón. Una vez concluida la batería de ensayos (típicamente entre 15 y 30), se prepara una tabla, como la que se muestra en el ejemplo de la tabla 1, que resume los resultados experimentales que se muestran en la figura 1. Como resulta evidente, la elección del tamaño del escalón de tensión (o carga) resultará decisiva para el éxito y la resolución requerida en los resultados. Supongamos los datos experimentales que se recogen en la tabla 1 (propuesta por Rice [3]) en unidades de tensión americanas: ksi. Que las unidades sean ksi o MPa no modifica en nada los resultados, con lo que mantendremos las cifras, tal como las propone Rice, y las etiquetaremos como MPa. La ecuación propuesta por Rice para determinar el límite de fatiga es: ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − ⋅ Δ+= ∑ 2 1 0 f i n fi SSμ , nf < nr (1a) S0 es la tensión al mínimo nivel de tensión considerado, que contenga al menos un fallo (nivel i = 0), y ΔS el incremento de tensión entre los escalones. La ecuación para μ es un tanto retorcida. La anterior ecuación corresponde al caso en el que el número de piezas rotas (nf = 13) sea menor que el número de 60,0 62,5 65,0 67,5 70,0 72,5 75,0 77,5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Test number S tr es s [M P a o r ks i] No failures Failures Figura 1. Secuencia de ensayos para determinar el límite de fatiga, de acuerdo con el procedimiento de la escalera (tal como lo propone Rice [3]). supervivientes (“run-outs”, nr = 17). En caso contrario, nr < nf, Rice propone: ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ + ⋅ Δ+= ∑ 2 1 0 r i n ri SSμ , nf > nr (1b) Para el ejemplo, que se muestra en la figura. 1, y tabla 1, el valor medio para la resistencia a fatiga resulta1 ksi) (o MPa 63.71 2 1 13 155.20.70 =⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −+=μ (2) No hay un motivo para emplear la expresión (1) que no sea que promedia los valores de la tensión para las frecuencias absolutas de las roturas (o de los “run-outs”, según cual sea el menor de los dos). No promedia las probabilidades de fallo ni estima el valor correspondiente a una probabilidad de fallo de 0.5 (como luego veremos en la estrategia de los dos puntos). Pero viene empleándose desde el año 1985, sin que nadie cuestione su fundamento. Se encuentra descrita dentro de un capítulo sobre el tratamiento estadístico de losensayos de fatiga y cualquier lector desapercibido podría pensar que tiene un sólido fundamento estadístico. Por desgracia no es el caso. En el mejor de los casos, si los incrementos entre escalones son pequeños, el resultado será una buena estimación. También resulta un procedimiento de ensayo excesivamente rígido: sólo podemos ensayar un escalón más alto o bajo. El experimentador puede sentirse tentado a probar con medio escalón o un tercio (probablemente para evitar estar rebotando entre dos niveles y obtener alguna información de lo que ocurre 1 En la ref. [3] el resultado es de 71.25 ksi, pero hay un pequeño error en su tabla 5 (2 × 4 = 8 y no 6). También en su ecuación (21) i está escrito como un subíndice y no debería serlo. Anales de Mecánica de la Fractura 26, Vol. 2 (2009) 407 Tabla 1. Ejemplo de resultados de una campaña de ensayos de fatiga (adaptado de [3]) Nivel de tensión, i Tensión, S [MPa (o ksi)] Número de fallos, f Número de Run-outs, r -3 62.5 0 1 -2 65.0 0 1 -1 67.5 0 3 0 70.0 2 8 1 72.5 7 4 2 75.0 4 0 nstresses = 6 - Total de fallos, nf = 13 Total de run-outs, nr = 17 con niveles intermedios) o los resultados experimentales obtenidos hasta el momento aconsejarían redefinir el incremento entre los escalones, pero esto no resulta admisible. 3. LA ESTRATEGIA DE LOS DOS PUNTOS Otro procedimiento de estimar el límite de fatiga consiste en concentrar todos los experimentos en únicamente dos niveles de carga en los que se observen tanto fallos como “run-outs” [4,5]. En consecuencia se obtiene la probabilidad de fallo para dos niveles de carga (su complemento sería la probabilidad de supervivencia). Ahora se necesita introducir una hipótesis sobre la forma de la función de distribución, la más frecuente es suponer la distribución de resistencias normalmente distribuida (aunque se pueden realizar otras hipótesis). Entonces se calculan los valores de μ y de σ que encajen con los datos (las dos frecuencias estimadas). Como ventaja adicional del método, también permite estimar la dispersión del límite de fatiga. Para el ejemplo de la tabla 1, μ = 71.77 y σ = 0.30 (ambos en MPa o ksi). Sin embargo sólo dos niveles pueden evaluarse. Si existen 3 niveles de carga con mezclas de fallos y “run- outs” habrá que ignorar algún nivel. Obsérvese que primeramente hay que encontrar los dos niveles en los que aparezcan mezclados fallos y run-outs, con lo que probablemente ya tengamos datos de más de dos niveles de carga. O bien podría realizarse un ajuste a esos datos experimentales por un método de mínimos cuadrados a los 3 ó 4 niveles que presenten mezcla de fallos y “run- outs”. Pero ¿qué sentido real tiene minimizar distancias al cuadrado en un mundo de frecuencias? 4. MÉTODO DE MÁXIMA VEROSIMILITUD Supongamos que, para un número de ciclos de vida dados, la tensión de ensayo de las probetas (o componentes) supervivientes se distribuye de forma normal [6]. O al menos que así ocurre para el nivel particular del número de ciclos de vida que se quiere estimar. Para una función de distribución normal dada (de media μ y desviación típica σ), la probabilidad de observar lo que experimentalmente se ha observado viene dada por ( )[ ] ( )[ ]∏ = −= nstresses i f i r i ii SFSFV 1 ,,,,1 σμσμ (3) en donde ri representa el número de “run-outs” al nivel de carga i-ésimo, y fi el número de fallos observados al mismo nivel de carga. F es la probabilidad acumulada de fallo, correspondiente a una función normalmente distribuida de media μ y desviación típica σ : ( ) dxxSF S ∫ ∞− ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −−= 2 2 1exp 2 1,, σ μ πσ σμ (4) Si se sospecha otro tipo más apropiado de distribución (Weibull, logarítmico-normal…) puede modificarse la expresión (4) introduciendo la acumulación de la función de distribución que se considere más apropiada. Figura 2. Verosimilitud (“Likelihood”) en función de μ y σ (en MPa o ksi), para los datos contenidos en la tabla 1. Anales de Mecánica de la Fractura 26, Vol. 2 (2009) 408 La figura 2 muestra en ordenadas la verosimilitud en función de μ y σ, para los datos contenidos en la tabla 1. Para hacer máxima la verosimilitud, deberemos calcular los valores de μ y de σ que hacen máxima la probabilidad definida en la ecuación (3), es decir, la posición del máximo en la superficie representada en la figura 2. La estrategia más habitual consiste en hacer máximo su logaritmo neperiano, en lugar de su valor absoluto (el logaritmo es una función monótona creciente en el valor de la variable) y resulta mucho más sencillo, rápido y preciso de calcular ( )[ ]∑ = +−= nstresses i iiii FfFrV 1 ln1lnln (5) en donde, por simplicidad, Fi representa F(Si, μ, σ). Ahora deberíamos obtener las derivadas parciales de la expresión (5) con respecto a las incógnitas μ y σ e igualarlas a cero. Entonces obtendremos un sistema de dos ecuaciones no lineales con dos incógnitas. Su codificación en Matlab® 7.0.0 se muestra en el Apéndice. Es extraordinariamente breve y emplea la función ‘fminsearch’ para calcular el mínimo (cambiando el signo a la ecuación (3)) usando un método “simplex” de Nelder-Mead (algoritmo de búsqueda directa [7]). También es sumamente rápido. No hay ningún inconveniente en que utilice el código que se adjunta como mejor prefiera. Como alternativa también puede barrer los valores de μ y σ, como se muestra en la figura. 2, para localizar dónde se obtiene la máxima verosimilitud, empleando las ecuaciones (3) ó (5). Nuestra mejor estimación es: μ = 71.69 y σ = 1.80 (ambas en MPa o ksi). En este ejemplo concreto, tanto Rice como el método de los dos puntos proporcionan buenas estimaciones de μ, no así para σ. El método de los dos puntos proporciona una estimación de σ = 2.10, bastante por arriba del valor más probable de 1.80 (como se observa en la figura 2). Otros métodos propuestos [8,9], suponiendo una distribución normal y aproximando la distribución binomial por otra normal; para el límite de fatiga, estiman σ como ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − Δ⋅= ∑∑ == 029.062.1 2 2 11 2 f nstresses i i nstresses i if n iffin Sσ (6a) cuando el primer término del corchete sea mayor o igual a 0.3 y SΔ⋅= 53.0σ (6b) si es menor de 0.3. En el ejemplo, esta expresión predice: 93.1029.0 13 1523135.262.1 2 2 =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ + −× ×=σ (7) Curiosamente, el resultado sería casi perfecto si se eliminara el término 0.029 en la expresión (6a). 5. CONCLUSIÓN Se describe un método para analizar los resultados de los ensayos dirigidos al cálculo del límite de fatiga. El método de máxima verosimilitud tiene un fundamento estadístico mucho más sólido que otros métodos descritos en la bibliografía [8,9]. Tampoco se realizan aproximaciones como sustituir la distribución binomial por una normal. Este procedimiento es mucho más flexible con los experimentos, permitiendo ensayar a niveles intermedios de carga o al antojo del experimentador. El método aprovecha toda la información experimental disponible, de cualquier nivel de carga; falle la probeta o no, aún proporciona información. La resolución no es explícita, pero un mínimo programa de ordenador, que se proporciona en el Apéndice, permite resolverlo con facilidad. No hay excusa para no hacer un correcto análisis de los resultados, desde el punto de vista estadístico, sobre todo considerando el tiempo y dinero que habitualmente conlleva hacer este tipo de experimentos. AGRADECIMIENTOS Los autores desean agradecer la financiación recibida, por parte de la Unión Europea, dentro del proyecto MicroFat (Contrato número: RFSR-CT-2005-00034, en colaboración con CSM e Iveco (Italia), Ascometal (Francia)y Sidenor (España)); al Ministerio de Ciencia e Innovación por la financiación recibida dentro del proyecto (MAT2008-03735/MAT) y al Gobierno Vasco por la financiación recibida dentro del proyecto PI09- 09. REFERENCIAS [1] Wöhler, A., “Versuche über die Festigkeit der Eisenbahn Wagenachsen Zeitschrift für Bauwesen“, (1860). [2] Forrest, P.J., “Fatigue of Metals“, Addison-Wesley, Reading, Massachusetts, EEUU (1962). [3] Rice, R.C., “Fatigue Data Analysis”, en Metals Handbook, 9th edt., Vol. 8, Mechanical Testing. Anales de Mecánica de la Fractura 26, Vol. 2 (2009) 409 American Society for Metals. Metals Park, Ohio, EEUU (1985). [4] Conway, J.B., Sjodahl, L.H., “Analysis and Representation of Fatigue Data”, ASM International, Materials Park, Ohio, EEUU (1991). [5] Little, R.E., Jebe, E.H., “Statistical Design of Fatigue Experiments”, Applied Science Publishers Ltd., Londres, Reino Unido (1975). [6] Davoli, P., Bernasconi, A., Filippini, M., Foletti, S., Papadopoulos, I.V. ”Independence of the torsional fatigue limit upon a mean shear stress”, Int. J of Fatigue 25 (2003) 471-480. [7] Lagarias, J.C., Reeds, J.A., Wright, M.H., Wright, P.E. "Convergence Properties of the Nelder-Mead Simplex Method in Low Dimensions," SIAM Journal of Optimization 9, 1 (1998) 112-147. [8] Collins, J.A., Failure of Materials in Mechanical Design: Analysis, prediction, prevention”, John Wiley & Sons. Nueva York, EEUU (1993). [9] T. Dahlberg, A. Ekberg, “Failure Fracture Fatigue An Introduction”, Tore Dahlberg, Sweden (2002), p. 215-216. Ejemplo de entrada de daos: Rice.xls Stress [ksi] Number of Failures Number of Run-outs 62,5 0 1 65 0 1 67,5 0 3 70 2 8 72,5 7 4 75 4 0 Ejemplo de resultados: Name of Excel file with: Stress, Failures and Run-outs (3 columns): rice optmusig = 71.6873 1.7981 APÉNDICE Código de Matlab 7.0.0 function FatigueLimit %FATIGUE LIMIT (Matlab 7.0.0 code: fatiguelimit.m) %It reads an Excel table with three columns: %Stress, Number of Failures, Number of Run-outs. %A normal distribution for the stress limit is assumed. %MAXIMUM LIKELIHOOD is used. %Function at likelihood.m is required clear all namefile=input('Name of Excel file with: Stress, Failures and Run-outs (3 columns):'... ,'s'); data=xlsread(namefile); S=data(:,1); %The stresses (or loads, or strains) in the first column f=data(:,2); %Number of failures r=data(:,3); %Number of run-outs mu=S(fix(length(S)/2)); %Initial value for the mean sigma=S(2)-S(1); %Initial value for the standard deviation mu0_sig0=[mu sigma]; %Initial values for mu and sigma [optmusig]=fminsearch(@likelihood,mu0_sig0,[],S,f,r) function like = likelihood(vmus,S,f,r) %Computes likelihood mu =vmus(1); %Mean value for the normal distribution sigma=vmus(2); %Standard deviation like=-1; %Likelihood. Negative because 'fminsearch' searches minimums for i=1:length(S); like=like*(1-normcdf(S(i),mu,sigma)).^r(i).*normcdf(S(i),mu,sigma).^f(i); end Anales de Mecánica de la Fractura 26, Vol. 2 (2009) 410
Compartir