2017年乔治·斯蒂芬森金牌

他们的论文:“应用于双轴实验弹塑性识别的集成数字图像相关”，发表在《应变分析杂志》2016年第51卷(2)118-131。

本文处理了材料样品的应力和应变之间的关系，以便为组件、结构和系统构建数值(有限元素)模型。对于处于弹性状态的材料，这是相对简单的。然而，材料可以在其弹性范围之外使用;极端事件(如成型、冲击或爆炸)需要建模，一些材料(如钢)可能并不总是被视为线弹性。

其出发点是在具有代表性的加载条件下对材料样品进行测量，但通常可能只有少量可用的材料，并且应力状态可能不仅仅是单轴的。

本文展示了如何加载一个小型化的试件来研究塑性硬化。采用数字图像相关(Digital Image Correlation)方法测量试件在载荷作用下的位移，通过实验数据与有限元模拟无缝耦合，建立试验的有限元模型，优化材料参数。作者已经证明，这种方法导致改进的材料参数的确定。

因此，这篇论文在使用DIC识别材料性能和性能方面迈出了重要的一步。它将在学术界和工业界非常有用，特别是在具有挑战性或极端条件下需要精确模型来测量材料性能的情况下。

斯蒂芬森金奖是对整个团队工作的恰当认可，也是对他们在实验力学领域做出的贡献。

François Hild，该论文的合著者之一，对获奖感到兴奋:“这是对我们Eikology(图像科学)小组工作的重要认可，该小组旨在弥合实验力学和计算力学之间的差距。获奖论文阐述了这种综合程序。”

了解更多关于乔治·斯蒂芬森金奖．