Analytical Fatigue Life Prediction of Shot Peened 7050-T7451 Aluminium Alloy

Le grenaillage est une technique de traitement de surface qui consiste à projeter à grande vitesse des microbilles à la surface d'un matériau métallique, afin de l'écrouir, d'y distordre les grains, et d'y introduire des contraintes résiduelles en compression. Ces changements microstructuraux ont pour but principal d'augmenter la vie en fatigue des matériaux. Néanmoins, le grenaillage induit une augmentation de la rugosité de surface, qui tend à diminuer la vie en fatigue. Lorsque les effets bénéfiques du grenaillage compensent ses effets néfastes, la vie en fatigue moyenne est plus grande que celle du matériau usiné. L'optimisation de ces effets par rapport à la vie en fatigue est un sujet important pour l'industrie aérospatiale. L'optimisation peut être réalisée expérimentalement par des essais en fatigue, ce qui peut être dispendieux, ou bien analytiquement par des modèles de prédiction de vie en fatigue. En outre, une augmentation de la dispersion de la vie en fatigue après grenaillage est souvent observée, ce qui est problématique dans le milieu aéronautique et aérospatial où la fiabilité joue un rôle primordial pour assurer la sécurité des passagers. Ce projet vise à prédire l'effet du grenaillage sur la vie en fatigue de l'alliage d'aluminium 7050-T7451. Plusieurs séries d'essais de fatigue ont été réalisées afin de valider les prédictions du modèle. De plus, ces essais ont donné lieu à une étude probabiliste, évaluant la dispersion et la fiabilité des résultats en fatigue avant et après grenaillage. Les résultats issus de l'analyse probabiliste furent reliés aux rugosités de surface, et aux amorces des fissures caractérisées expérimentalement. Une revue critique de la littérature des modèles prédisant la propagation de fissures a permis d'isoler le modèle de Navarro-Rios comme étant le mieux adapté pour prédire la vie en fatigue après grenaillage. En effet, il est le seul modèle analytique ayant unifié les propagations de fissures courtes et longues. De plus, celui-ci permet d'introduire les changements microstructuraux induit par le grenaillage. L'analyse du modèle ainsi que de ses améliorations a permis d'identifier plusieurs points méritant une étude approfondie. Tout d'abord, la barrière microstructurale responsable du comportement instable des fissures courtes n'a jamais été identifiée pour l'alliage étudié. Ensuite, des auteurs ont proposé d'améliorer le modèle, en introduisant les comportements cycliques tels que les effets de fermetures et l'évolution cyclique de la contrainte d'écoulement. Cependant, ces variables ne furent pas caractérisées expérimentalement. De plus, ce modèle amélioré n'a jamais été appliqué au grenaillage, ni comparé au modèle original en termes de capacité de prédictions.

Abstract

Shot peening is a surface treatment that consists in projecting high velocity shots onto a ductile metallic surface to introduce cold work, grain distortion, and compressive residual stresses. The main purpose is to increase the treated component's fatigue life. However, the shot impacts increase surface roughness, which tends to decrease fatigue life. When the beneficial effects counterbalance the detrimental effects, the process delivers higher average fatigue lives than the as-machined condition. Fatigue life optimization can be achieved either with laborious and expensive experimental campaigns or with fatigue life prediction models. Moreover, the fatigue life dispersion of shot peened samples is often higher than that of as-machined samples. This project aims to predict the effects of shot peening on the fatigue life of AA 7050-T7451 samples. Numerous series of fatigue tests were carried out to validate the fatigue life predictions. The number of performed fatigue tests was sufficient to probabilistically analyze the fatigue data. The dispersion and the reliability of the fatigue lives were evaluated for the as-machined and the shot peened conditions. These results were related to the surface roughness and the crack initiation mechanisms of the corresponding shot peening condition. The literature review of the models that predict fatigue life, highlighted the Navarro-Rios model as the most promising. This model is the only analytical model that unified prediction of small and long crack propagation. In addition, this model accounts for microstructural changes like those induced by shot peening. The review of this model along with its improvements highlighted interesting points to focus on. First, the microstructural barrier responsible for the small crack deceleration has never been characterized for the studied material. Moreover, some authors proposed to improve the model by introducing cyclic behaviors, such as crack closure and cyclic yield stress. However, these variables were not experimentally characterized. In addition, this cyclic version of the model has never been applied to shot peening, nor compared to the original model in terms of predictive capabilities. First, a fatigue test campaign in tension-tension was carried out on shot peened and as-machined samples to validate the Navarro-Rios model predictions in high cycle fatigue (HCF) and low cycle fatigue (LCF), at a stress ratio of 0.1. Four peening conditions were experimented to study the influence of the shot type and the Almen intensity on fatigue life. Ten samples were fatigue tested for each batch of surface and stress conditions. The fatigue data were modeled with probabilistic distributions to evaluate the fatigue life dispersion and the fatigue life reliability.