代表体积单元(Representative Volume Element,RVE)是计算材料学和多尺度力学中的核心工具。RVE模型通过提取材料的微观结构特征,建立起了与宏观性能的桥梁,能够能直观展示微观演化过程,深化对材料行为本质的理解。目前,RVE模型常应用于材料设计与优化、性能预测与机理揭示等研究。
①利用RVE模型预测复合材料纤维/基体界面对强度、韧性、疲劳性能的影响,优化纤维排布、体积分数等。
② 利用RVE模型研究多孔与泡沫材料孔隙率、孔径分布对弹性、吸能、热导率的影响。
③ 利用RVE模型分析金属合金第二相颗粒、晶界、析出相对力学行为(如屈服、蠕变、损伤)等。

可见,RVE模型的一个很重要的作用就是对复合材料等效性能的预测,让我们能够高效获取材料的宏观等效弹性模量、泊松比、热膨胀系数、导热系数、渗透率等参数。
本例为工程中常用的聚苯颗粒混凝土的当量导热系数的预测。
聚苯颗粒混凝土(也称EPS混凝土、泡沫聚苯乙烯轻质混凝土)是一种将废弃或原生聚苯乙烯泡沫塑料破碎成颗粒,替代部分或全部骨料,与水泥基胶凝材料混合而成的轻质多功能复合材料。
聚苯颗粒混凝土常用于建筑保温节能(如聚苯颗粒保温板、聚苯颗粒轻质墙板)、轻质填充(路基/边坡填筑、管沟回填)、吸能缓冲材料、隔声等领域。
聚苯颗粒混凝土墙板
本例中,聚苯颗粒混凝土复合材料的细观材料组成为:①基体:水泥砂浆,含空洞孔隙;②填充材料:聚苯乙烯颗粒。材料参数如下:
水泥砂浆:密度ρ=1800kg/m3,弹性模量为E=13.4Gpa,泊松比为μ=0.25,导热系数λ=0.93[W/(m·K)],比热容C=1.05[kJ/(kg·K)];
泡沫聚苯乙烯颗粒:密度ρ=25~35kg/m3,弹性模量为E= 1500~3000MPa,泊松比为μ=0.07~0.1,导热系数λ=0.041[W/(m·K)],比热容C=1.38[kJ/(kg·K)];
空气(孔隙):密度ρ=1.2225kg/m3,导热系数λ=0.0242[W/(m·K)],比热容C=1006[J/(kg·K)]。本例中孔隙所占的混凝土体积比取为1%。(本案例未考虑界面过渡层)。
本文采用digimat建立聚苯颗粒混凝土的细观模型。Digimat 是一款专注于多尺度非线性材料建模的商用软件,它通过在计算机中构建材料的微观结构,精准预测其宏观行为,是复合材料设计和分析的重要工具。
本例通过digimat建立模型和实际材料2D断面如下图1所示:


Digimat中生成的模型的体积分数如下,其中聚苯颗粒占比约:
0.398696+0.181732+0.130795=71%,空隙占比1%,基体水泥砂浆占比28%。

Digimat中生成的模型的网格质量情况:

本例在与ansys的联合仿真中,Digimat的主要用途是用于生成RVE模型,生成后可导出为stp等ANSYS可识别的格式。材料定义和网格划分等均可以在ansys中完成,此处网格仅为参考。
1 模型处理
打开ANSYS workbench,拖入稳态热分析模块后导入在digimat中生成并导出的模型,并在geometry的spaceclaim中打开,如下图所示。

在spaceclaim中将材料的各个组成部分分别建立单独的组件,如下图。并清理和修复模型,并将模型各个部分共节点处理(share),如果不共节点处理,ansys中默认绑定接触。如下图所示:



2 ANSYS中材料参数定义
在Ansys中定义材料的相关参数如下:
水泥砂浆(matrix)的材料参数:

EPS聚苯颗粒(phase1):

空气(phrase2)的材料参数:

3 ANSYS中赋材料和网格划分
将以上定义的材料分配给模型,并设置二维平面分析的厚度为50mm,如下图所示:


本例中各材料的边界处的接触采用默认的绑定接触。

采用默认网格划分,网格及网格质量结果如下:


4 ANSYS中边界条件设置
设置边界条件:边界条件为T左=25℃,T右=30℃,heart folw上=0W,heart folw下=0W,如下图所示:



1 计算结果:
求解完成后可以插入温度、热流等结果,各云图如下:

可以看到,稳态情况下,热流密度在水泥砂浆基体内比较大,在聚苯颗粒处由于其导热系数比水泥砂浆基体小,相对地形成了热传导障壁。这表明,如果我们提高聚苯颗粒所占的体积分数或降低基体本身的导热系数,将会进一步降低复合材料的热传导能力。

通过RVE模型可求得聚苯颗粒混凝土的当量导热系数,计算方法如下所示:

当量导热系数为:
实际上,聚苯颗粒混凝土作为外墙板时,其当量导热系数实测值在0.1~0.15(W/m•K)左右,内隔墙条板时,在0.1~0.3(W/m•K)左右。而作为保温板时,聚苯颗粒保温板的导热系数约在0.06~0.08(W/m•K)。聚苯颗粒混凝土作为不同产品的原料时,配方上各组分的比例不同,即聚苯颗粒的体积分数占比不一样,因此当量导热系数存在差异。
可以看得到,本例仿真计算结果与实测外墙板结果比较接近,但结果略微偏大。
2 关于RVE模型预测材料性能的探讨
从以上案例我们可以看到,通过RVE模型结合有限元仿真可以在一定程度上对材料的性能进行预测。
但需要强调,材料的RVE模型在实际应用中也有其缺点与面临的挑战。
首先,复合材料的RVE模型建立的合理性就存在许多面临的难题。例如,在RVE尺寸选择上,必须满足“统计学代表性”和“分离尺度”两个核心条件。尺寸太小结果不具代表性,太大则计算量剧增。此外,我们的模型也只是对微观结构简化,真实的材料微观结构极其复杂,模型通常需要对其进行理想化或简化(如假设纤维规则排列),这可能就已经引入了误差。
以本文的预测模拟为例,我们将聚苯颗粒混凝土的RVE模型简化为了一个二维平面,胞元实际上在垂直平面方向是失真的,如下图对比,实际情况是聚苯颗粒在空间胞元上是随机分布的颗粒相,而非像二维这样,垂直于平面方向类似于纵向纤维。这表明从模型层面,这种将三维结构以二维方式简化的方式本身就带有误差。


此外,在界面建模方面(本文未考虑界面建模),组分间的界面性能(如强度、韧性)往往很关键但难以准确测量和建模,尤其是对于力学、失效等分析。
需要注意,复合材料的RVE模型应用的计算成本比较高。尽管预测材料性能方面,其比全尺度微观模拟省时,但包含大量微观细节和复杂非线性行为的RVE模拟(如损伤、断裂)计算量依然非常大。高保真度的三维RVE模型对计算资源要求很高。以本文为例,如果将模型建立成三维RVE模型,计算量将增加10倍不止。
最后,复合材料的RVE模型对输入参数比较敏感。模拟结果的准确性强烈依赖于输入的微观组分属性。但这些材料参数通常来自更低尺度的模拟或纳米/微米级实验,我们按照宏观材料性能参数的模拟本身就存在不确定性。
--05--
现如今,RVE模型的发展正与机器学习、图像处理技术(如基于真实CT扫描图像建模)、高性能计算相结合,以克服前述部分缺点,实现更高效、更自动化的材料设计与分析。
总之,当我们需要从微观角度理解或预测宏观材料性能,且实验成本高或机理不清晰时,RVE是一个非常强大的工具。 但在使用时,我们需要谨慎处理RVE模型的代表性、尺寸效应和输入参数的不确定性问题。