CFRP层合板的二次低速冲击及剩余压缩强度试验研究

以碳纤维增强复合材料(Carbon fiber reinforced polymer,CFRP)层合板为研究对象,在结构的相同位置进行二次低速冲击,考察二次冲击时结构的动力响应和冲击后的剩余压缩强度,并与单次冲击的结果进行对比。在总冲击能量相同的前提下,采用落锤法对CFRP层合板进行冲击试验,得到结构单次和二次冲击的动力响应、能量吸收规律。采用超声波C扫描技术观测CFRP层合板内部的冲击损伤后,对CFRP层合板进行剩余压缩强度试验。系统研究和对比了单次和二次冲击对CFRP层合板在结构动力响应、能量吸收、损伤情况和剩余强度的影响。结果表明:总冲击能量分别为20 J、30 J、40 J时,二次冲击层合板试件吸收的总能量分别是单次冲击的52.50%、67.56%、81.41%,损伤总面积分别是单次冲击的60.58%、64.59%、80.60%;单次冲击后结构的剩余压缩强度分别是二次冲击的76.76%、78.65%、92.40%。此外,CAI-冲击能量、CAI-吸收能量和CAI-损伤面积曲线均在20 J的冲击能量下存在拐点。     

基于频率变化预测玻璃纤维增强树脂复合材料层合板的剩余疲劳寿命

复合材料结构在疲劳过程中的累积损伤将导致结构刚度下降,并进一步引起结构的动态参数如频率发生衰减。因此,可以将结构疲劳状态与结构频率联系起来,基于频率预测结构的剩余疲劳寿命。本文首先基于复合材料在纵向、横向和面内剪切三个方向的疲劳特性,结合ABAQUS与Umat子程序开发了三维有限元模型模拟复合材料层合板中的疲劳损伤演变,并构建了不同疲劳状态下对应的模态分析模型,由此获得了疲劳过程中的频率衰减曲线。之后,基于疲劳过程的频率变化量训练了人工神经网络,用于预测玻璃纤维增强复合材料层合板的剩余疲劳寿命。特别地,在当前的数值模型中为每个单元分配了符合高斯正态分布的材料属性,以模拟实际情况下复合材料性能的离散性。结果表明,疲劳模型数值模拟结果与已有文献的疲劳实验数据吻合,基于频率变化量训练的人工神经网络可以成功预测玻璃纤维增强复合材料试件的剩余疲劳寿命。      

基于支持向量机的碳纤维增强复合材料梁的分层损伤识别

针对目前支持向量机(SVM)运用于复合材料的分层损伤识别的有关研究尚少,采用归一化后的模态频率,基于SVM回归理论对碳纤维增强复合材料(CFRP)悬臂梁的分层损伤位置、大小及分层界面进行了损伤识别。首先建立了CFRP梁的有限元模型,得到"损伤变量-模态频率"的数据库和数值测试案例,对比不同参数优化方法下的SVM回归预测效果。然后使用德国Polytec激光扫描测振仪进行模态试验获取CFRP梁试件的模态频率值,将实测频率值用于SVM回归预测,进一步证实了SVM在CFRP梁结构的分层损伤识别领域的应用前景。     

纤维增强复合材料梁的分层损伤识别

通过损伤发生前后结构频率的变化来检测和评估纤维增强复合材料(FRP)层合梁中的分层损伤。利用FRP层合梁在分层发生前后的一系列频率变化值,通过构建直观图像法和人工神经网络两种逆向算法反推出梁中分层损伤的三个参数,即分层所在的界面、位置和尺寸。为检验两种算法的有效性和识别精度,分别进行了理论和实验双重验证。理论验证结果表明,两种逆向检测算法都可以有效预测出分层损伤的三个参数,其中直观图像法相比人工神经网络预测精度更高。而实验验证采用文献中报道的实测频率,结果表明:直观图像法对于测量数据误差有更高的包容性,可以较为准确地预测出分层在FRP梁试件中的位置和大小;而人工神经网络对于实验误差相对敏感,对FRP梁试件中的分层损伤预测不够准确。综上认为,相较于人工神经网络,直观图像法具有更好的鲁棒性,应被优先选择应用于FRP梁的分层损伤识别。     

基于频率识别纤维增强复合材料弧形板分层损伤

利用损伤发生前后的频率变化识别纤维增强复合材料(FRP)弧形层合板中的分层损伤。首先建立含分层损伤的FRP弧形板有限元模型,在不同分层损伤情况下计算弧形板的频率,与无损伤弧形板比较后得到频率改变量。分别使用遗传算法、有代理模型的遗传算法和人工神经网络等三种逆向检测算法对分层的界面、位置和大小进行识别,发现遗传算法比人工神经网络的预测精度要高很多,而有代理模型的遗传算法由于采用近似模型替代遗传算法中的有限元模型,大大提高了算法的运算效率,在保证精度的前提下,损伤识别的时间是直接遗传算法的1/163。     

基于频率识别纤维增强树脂复合材料加筋板的分层损伤

以纤维增强树脂（FRP）复合材料加筋板为研究对象,通过对比分层损伤发生前后FRP复合材料加筋板的振动频率变化,来识别FRP复合材料加筋板中的分层损伤。构建了人工神经网络（ANN）和基于有代理模型的优化算法（SAO）两种逆向检测算法,利用FRP复合材料加筋板在损伤前后发生的一系列频率变化值来逆推出FRP复合材料加筋板中的分层位置和大小。分别采用数值验证和实验验证来双重检验ANN和SAO两种算法的识别精度和效率。数值验证结果表明:ANN和SAO两种逆向检测算法对分层损伤位置和大小的识别最大误差分别是5.04%（ANN）和5.24%（SAO）,证明方法在理论上可行。实验验证结果表明:ANN在使用实测频率数据进行识别时预测精度很差,无法得到有效的分层损伤信息;而采用SAO可以较好地预测试件中的分层损伤,且对分层大小的预测比对分层位置的预测精度更高,其中,对贯穿损伤和底板损伤的大小预测误差分别不超过2.05%和9%,而四个试件中有两个试件预测的分层与实际的损伤部位存在重合（重合率分别为34%和32.65%）。因此,当前提出的ANN和SAO在理论上可行,但实际应用时都会受到不同程度实测数据误差的影响,相比ANN而言,SAO算法有更好的鲁棒性,在采用实测频率时也可以较为准确地预测出试件中的分层损伤。      

表面防划伤无卤阻燃PPO/HIPS合金的制备、性能及应用研究

以聚苯醚(PPO)为主要原料,加入高抗冲聚苯乙烯(HIPS)来改善其加工性能;利用无机填料BaSO4和阻燃剂磷酸酯来改善合金的表面硬度和阻燃性能;采用(苯乙烯/丙烯腈)共聚物(SAN)、(乙烯/丙烯酸)共聚物(EAA)、苯乙烯接枝马来酸酐共聚物(SMAH)三种不同的增容剂来改善PPO/HIPS合金的相容性。结果表明,SAN能够有效地改善合金的相容性;添加15份BaSO4可以使合金的表面硬度达到3H级;加入8份磷酸酯可使合金的阻燃性能达到V-0级(0.8 mm);添加了各种助剂之后的PPO/HIPS合金能保持较好的耐热性能和力学性能,可用作平板显示器外壳。     

涤纶仿真丝绸的工艺探讨

真丝织物光泽柔和,手感丰满柔软,穿着舒适,具有良好悬垂性,是天然纤维中的皇后。真丝绸的独特风格很大程度取决于纤维的杨氏模数。涤纶纤维是具有良好性能的合成纤维,大量用于衣着方面。但它透气性差,手感粗硬,有蜡状感,光泽似金属。唯其杨氏模数和比重与真丝比较接近(如表1)。所以它是仿真丝绸的较好素材。