Determinazione dei parametri di una relazione costitutiva del materiale mediante modello surrogato insieme a un test di indentazione dinamica

Perché colpire il metallo con un piccolo martello è importante

Dalle automobili agli aeroplani fino ai dispositivi di protezione, i prodotti moderni si affidano a metalli in grado di sopportare urti improvvisi, esplosioni o collisioni. Gli ingegneri devono conoscere con precisione come questi materiali si comportano quando vengono colpiti rapidamente e riscaldati, ma i metodi di laboratorio tradizionali per misurarlo sono costosi, lenti e tecnicamente complessi. Questo studio mostra come un semplice test d’impatto puntiforme — simile nello spirito a un test di durezza — combinato con una modellazione computazionale intelligente possa sostituire apparecchiature molto più complesse pur rivelando come un metallo risponde in condizioni estreme.

Un modo più semplice per sondare condizioni estreme

Quando un metallo viene colpito molto velocemente, la sua resistenza alla deformazione dipende non solo da quanto viene compresso, ma anche da quanto rapidamente e quanto si riscalda. I fisici descrivono questo comportamento con formule matematiche chiamate modelli del materiale, che contengono diversi costanti numeriche da misurare. Tradizionalmente, tali costanti si ottengono da test ad alta velocità specializzati usando un dispositivo chiamato Split Hopkinson Pressure Bar, che genera onde di sforzo attraverso i campioni metallici e richiede allineamento, calibrazione e hardware costoso. Gli autori hanno voluto bypassare questa complessità usando invece l’indentazione dinamica: lanciare un piccolo percussore che spinge un penetratore appuntito nella superficie di un campione d’acciaio e registrare come varia la forza mentre il penetratore penetra.

Dall’impronta d’impatto alle regole nascoste del materiale

Nella loro apparecchiatura personalizzata, un lanciatore a gas spara un percussore in acciaio, che trasferisce la sua energia attraverso un proiettile a un penetratore conico a contatto con il provino. Sensori sotto il campione misurano la forza d’impatto nel tempo, mentre un sensore di spostamento traccia la profondità di penetrazione. Combinando questi segnali si ottiene una curva carico‑profondità che caratterizza come la superficie reagisce durante il breve impatto. Il team ha eseguito tali test su una lega d’acciaio a quattro diverse velocità d’impatto e quattro temperature, coprendo condizioni dalla temperatura ambiente fino a 200 °C e da tassi di deformazione moderati a molto elevati. Queste curve fungono da impronte sperimentali che il modello del materiale deve riprodurre.

Lasciare che simulazioni e modelli surrogati facciano il lavoro pesante

Per collegare queste impronte alle regole materiali sottostanti, i ricercatori hanno costruito una simulazione numerica dettagliata del processo di indentazione usando un codice ingegneristico standard. Nella simulazione hanno assunto che il metallo segua il modello di Zerilli–Armstrong, una formula largamente utilizzata per i metalli sottoposti a impatto che include gli effetti di deformazione, velocità di deformazione e temperatura. Il problema è che questo modello contiene diverse costanti sconosciute. Invece di testare direttamente ogni possibile combinazione — operazione che richiederebbe un numero enorme di simulazioni — si sono affidati alla modellazione surrogata. Prima hanno campionato 36 diverse combinazioni possibili di costanti ed eseguito simulazioni per ciascuna, misurando quanto la curva carico‑profondità simulata deviasse da quella reale. Poi hanno usato questi risultati per addestrare un surrogato: un sostituto matematico poco costoso che approssima come l’errore dipenda dalle costanti del modello. Un algoritmo di ottimizzazione basato sul particle‑swarm ha quindi esplorato questo paesaggio surrogato per trovare l’insieme di costanti che meglio corrisponde agli esperimenti.

Confronto con test tradizionali e altri strumenti intelligenti

Per verificare che questo approccio snellito funzioni davvero, gli autori hanno confrontato i loro risultati con dati indipendenti provenienti da esperimenti convenzionali con barre di Hopkinson sullo stesso acciaio, alle stesse velocità d’impatto e temperature. Utilizzando le costanti Zerilli–Armstrong ottimizzate, hanno predetto curve sforzo‑deformazione complete e hanno trovato che queste corrispondevano strettamente alle misure Hopkinson. Hanno inoltre ripetuto l’esercizio usando due altre strategie: un’ottimizzazione più convenzionale basata su una formula quadratica combinata con un algoritmo genetico, e una rete neurale artificiale addestrata a prevedere le costanti. Il modello surrogato e il metodo basato sull’algoritmo genetico hanno prodotto costanti materiali quasi identiche e errori molto simili, mentre la rete neurale ha funzionato bene ma ha mostrato discrepanze leggermente più grandi e più disperse.

Cosa significa per i test nel mondo reale

In termini pratici, lo studio dimostra che un test di indentazione d’impatto relativamente semplice, accoppiato a simulazione numerica e a un ottimizzatore basato su surrogato, può ricavare in modo affidabile come un metallo duttile risponde a carichi rapidi e al calore — informazioni che un tempo richiedevano apparecchiature specializzate basate su onde. Il metodo richiede solo piccoli campioni, può in linea di principio essere applicato direttamente su componenti reali e copre un’ampia gamma di tassi di carico e temperature. Per gli ingegneri, questo offre una via più veloce ed economica per costruire modelli digitali accurati dei metalli impiegati in veicoli, strutture e sistemi protettivi, aprendo la strada a progetti più sicuri senza l’onere di complessi allestimenti per test ad alta velocità.

Citazione: 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

Parole chiave: indentazione dinamica, modellazione surrogata, metalli ad alto tasso di deformazione, caratterizzazione dei materiali, comportamento sforzo–deformazione