Determinación de los parámetros de una relación constitutiva de material usando un modelo sustituto junto con una prueba de indentación dinámica

Por qué golpear un metal con un martillito importa

Desde automóviles y aviones hasta equipos de protección, los productos modernos dependen de metales que resistan impactos repentinos, explosiones o choques. Los ingenieros necesitan conocer con precisión cómo se comportan estos materiales cuando son golpeados rápidamente y se calientan, pero los métodos de laboratorio habituales para medir esto son costosos, lentos y técnicamente exigentes. Este estudio muestra cómo una prueba de impacto simple, puntual—similar en espíritu a una prueba de dureza—combinada con modelado computacional inteligente puede sustituir a equipos mucho más complejos y, aun así, revelar cómo responde un metal en condiciones extremas.

Una forma más sencilla de sondear condiciones severas

Cuando un metal es golpeado muy rápido, su resistencia a la deformación depende no solo de cuánto se comprime, sino también de la velocidad a la que ocurre y de cuánto se calienta. Los físicos capturan este comportamiento en fórmulas matemáticas llamadas modelos de material, que contienen varias constantes numéricas que deben medirse. Tradicionalmente, esas constantes provienen de ensayos especializados de alta velocidad usando un dispositivo llamado barra de presión de Split Hopkinson, que genera ondas de tensión a través de muestras de metal y requiere alineación cuidadosa, calibración y hardware costoso. Los autores buscaron evitar esta complejidad mediante la indentación dinámica: lanzar un pequeño percutor que impulsa un indenter puntiagudo contra la superficie de una muestra de acero y registrar cómo cambia la fuerza a medida que el indenter se hunde.

Del impronta del impacto a las reglas ocultas del material

En su montaje experimental personalizado, un lanzador alimentado por gas dispara un percutor de acero, que transfiere su energía a través de un proyectil hacia un indenter cónico en contacto con la muestra. Sensores bajo el espécimen miden la fuerza de impacto en el tiempo, mientras que un sensor de desplazamiento registra la profundidad de penetración del indenter. La combinación de estas señales produce una curva carga‑profundidad que caracteriza cómo la superficie se opone durante el breve impacto. El equipo realizó tales ensayos en una aleación de acero a cuatro velocidades de impacto y cuatro temperaturas diferentes, abarcando condiciones desde temperatura ambiente hasta 200 °C y desde tasas de deformación moderadas hasta muy altas. Estas curvas sirven como las huellas experimentales que el modelo de material debe reproducir.

Dejar que las simulaciones y los modelos sustitutos hagan el trabajo pesado

Para vincular estas huellas con las reglas subyacentes del material, los investigadores construyeron una simulación por ordenador detallada del proceso de indentación usando un código de ingeniería estándar. En la simulación, supusieron que el metal sigue el modelo de Zerilli–Armstrong, una fórmula ampliamente usada para metales bajo impacto que incluye los efectos de la deformación, la velocidad de deformación y la temperatura. El inconveniente es que este modelo contiene varias constantes desconocidas. En lugar de probar directamente todas las combinaciones posibles—lo que requeriría un número enorme de simulaciones—recurrieron al modelado sustituto. Primero, muestrearon 36 conjuntos diferentes de constantes posibles y ejecutaron simulaciones para cada uno, midiendo cuánto se desviaba la curva carga‑profundidad simulada de la real. Luego usaron esos resultados para entrenar un sustituto: un representante matemático barato que aproxima cómo depende el error de las constantes del modelo. Un algoritmo de optimización por enjambre de partículas exploró entonces este paisaje del sustituto para encontrar el conjunto de constantes que mejor coincide con los experimentos.

Comprobación frente a pruebas tradicionales y otras herramientas inteligentes

Para verificar que este enfoque simplificado funciona realmente, los autores compararon sus hallazgos con datos independientes procedentes de experimentos convencionales con barra de Hopkinson en el mismo acero, a las mismas tasas de impacto y temperaturas. Usando las constantes optimizadas del modelo de Zerilli–Armstrong, predijeron curvas completas esfuerzo‑deformación y hallaron que estas coincidían estrechamente con las mediciones de Hopkinson. También repitieron el ejercicio usando dos estrategias adicionales: una optimización más convencional basada en una fórmula cuadrática combinada con un algoritmo genético, y una red neuronal artificial entrenada para predecir las constantes. El modelo sustituto y el método del algoritmo genético produjeron constantes de material casi idénticas y errores muy similares, mientras que la red neuronal también funcionó bien pero mostró discrepancias ligeramente mayores y más dispersas.

Qué significa esto para las pruebas en el mundo real

En términos sencillos, el estudio demuestra que una prueba de indentación por impacto relativamente simple, acoplada a simulación numérica y un optimizador basado en un sustituto, puede recuperar de forma fiable cómo responde un metal dúctil a cargas rápidas y calor—información que antes exigía equipos especializados basados en ondas. El método solo necesita muestras pequeñas, puede en principio aplicarse directamente sobre componentes reales y cubre una amplia gama de tasas de carga y temperaturas. Para los ingenieros, esto ofrece una vía más rápida y económica para construir modelos digitales precisos de metales usados en vehículos, estructuras y sistemas de protección, allanando el camino hacia diseños más seguros sin la carga de equipos de ensayo de alta velocidad complejos.

Cita: Majzoobi, G.H., Pourolajal, S. Determination of the parameters of a material constitutive relation using the surrogate model along with dynamic indentation test. Sci Rep 16, 9269 (2026). https://doi.org/10.1038/s41598-025-06192-6

Palabras clave: indentación dinámica, modelado sustituto, metales a altas tasas de deformación, caracterización de materiales, comportamiento esfuerzo‑deformación