Determinação dos parâmetros de uma relação constitutiva de material usando um modelo substituto junto com um ensaio de indentação dinâmica

Por que bater em metal com um martelo pequenino importa

De carros e aviões a equipamentos de proteção, produtos modernos dependem de metais que resistam a impactos súbitos, explosões ou colisões. Engenheiros precisam saber exatamente como esses materiais se comportam quando são atingidos rapidamente e aquecidos, mas os métodos laboratoriais usuais para medir isso são caros, lentos e tecnicamente exigentes. Este estudo mostra como um teste simples de impacto pontual — semelhante no espírito a um ensaio de dureza — combinado com modelagem computacional inteligente pode substituir equipamentos muito mais complexos e ainda assim revelar como um metal responde em condições extremas.

Uma forma mais simples de sondar condições severas

Quando um metal é atingido muito rapidamente, sua resistência à deformação depende não só do quanto é comprimido, mas também da velocidade desse processo e do aquecimento resultante. Físicos capturam esse comportamento em fórmulas matemáticas chamadas modelos de material, que contêm várias constantes numéricas que precisam ser medidas. Tradicionalmente, essas constantes vêm de ensaios especializados de alta velocidade usando um dispositivo chamado Barra de Pressão de Hopkinson Dividida, que gera ondas de tensão através de amostras metálicas e exige alinhamento cuidadoso, calibração e equipamento caro. Os autores propuseram contornar essa complexidade usando indentação dinâmica: disparando um pequeno impactador que conduz um entalhador pontiagudo na superfície de uma amostra de aço e registrando como a força varia enquanto o entalhador penetra.

Do vestígio do impacto às regras materiais ocultas

No seu dispositivo de ensaio personalizado, um lançador movido a gás dispara um impactador de aço, que transfere sua energia através de um projétil a um entalhador cônico em contato com a amostra. Sensores sob a peça medem a força do impacto ao longo do tempo, enquanto um sensor de deslocamento acompanha a profundidade de penetração do entalhador. A combinação desses sinais produz uma curva carga‑profundidade que caracteriza como a superfície reage durante o breve impacto. A equipe realizou esses ensaios em uma liga de aço a quatro velocidades de impacto diferentes e quatro temperaturas, cobrindo condições desde a temperatura ambiente até 200 °C e de taxas de deformação moderadas a muito altas. Essas curvas servem como impressões digitais experimentais que o modelo de material deve reproduzir.

Deixando simulações e modelos substitutos fazerem o trabalho pesado

Para vincular essas impressões digitais às regras materiais subjacentes, os pesquisadores construíram uma simulação computacional detalhada do processo de indentação usando um código de engenharia padrão. Na simulação, eles assumiram que o metal segue o modelo de Zerilli–Armstrong, uma fórmula amplamente usada para metais sob impacto que inclui os efeitos de deformação, taxa de deformação e temperatura. O problema é que esse modelo contém várias constantes desconhecidas. Em vez de testar cada combinação possível diretamente — o que exigiria um número enorme de simulações — eles recorreram à modelagem substituta. Primeiro, amostraram 36 diferentes conjuntos de constantes possíveis e executaram simulações para cada um, medindo o quanto a curva carga‑profundidade simulada se desviava da real. Em seguida, usaram esses resultados para treinar um substituto: um representante matemático barato que aproxima como o erro depende das constantes do modelo. Um algoritmo de otimização por enxame de partículas então explorou esse espaço substituto para encontrar o conjunto de constantes que melhor coincide com os experimentos.

Verificação com ensaios tradicionais e outras ferramentas inteligentes

Para verificar que essa abordagem simplificada realmente funciona, os autores compararam suas conclusões com dados independentes de ensaios convencionais com barra de Hopkinson no mesmo aço, nas mesmas taxas de impacto e temperaturas. Usando as constantes de Zerilli–Armstrong otimizadas, eles previram curvas completas de tensão‑deformação e constataram que essas se ajustavam de perto às medições de Hopkinson. Também repetiram o exercício usando duas outras estratégias: uma otimização mais convencional baseada em uma fórmula quadrática combinada com um algoritmo genético, e uma rede neural artificial treinada para prever as constantes. O modelo substituto e o método baseado em algoritmo genético produziram constantes de material quase idênticas e erros muito semelhantes, enquanto a rede neural também teve bom desempenho, mas apresentou discrepâncias ligeiramente maiores e mais dispersas.

O que isso significa para ensaios no mundo real

Em termos simples, o estudo demonstra que um ensaio de indentação por impacto relativamente simples, acoplado a simulação numérica e a um otimizador baseado em substituto, pode recuperar de forma confiável como um metal dúctil responde a carregamentos rápidos e ao calor — informação que antes exigia equipamento especializado baseado em ondas. O método precisa apenas de amostras pequenas, pode em princípio ser aplicado diretamente em componentes reais e abrange uma ampla faixa de taxas de carregamento e temperaturas. Para engenheiros, isso oferece uma rota mais rápida e barata para construir modelos digitais precisos de metais usados em veículos, estruturas e sistemas de proteção, abrindo caminho para projetos mais seguros sem o ônus de montagens elaboradas de testes em alta velocidade.

Citação: 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

Palavras-chave: indentação dinâmica, modelagem substituta, metais em altas taxas de deformação, caracterização de materiais, comportamento tensão–deformação