天天看點

膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和

作者:摘星司

膠接接頭高通量試驗用的對接剪切接頭試樣。

前言:

機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和資源,并且受到實驗條件和理論基礎的限制。可以實施ML來減少必要的試錯步驟,進而加快發現速度。

雖然ML工具可以幫助加速新粘合劑的優化、發現和設計,但通常需要大量資料集來訓練模型。為了滿足這些需求,許多研究集中于開發高通量的測試方法。

一:方法學

1.1.标本制備

使用兩種類型的雙組分結構膠來制造剪切試樣。它們是脆性環氧粘合劑和韌性丙烯酸粘合劑,前者在約24℃下固化24小時,然後在60℃下固化2小時。

橫截面約為10 mm × 2 mm的環氧粘合劑樣品用1 mm/min的十字頭速度進行測試。橫截面約為6 mm × 3 mm的丙烯酸粘合劑樣品用5 mm/min的十字頭速度進行測試。其中對于丙烯酸粘合劑測量到相當大的塑性變形。

環氧粘合劑具有6.0 GPa的彈性模量和0.38的泊松比。丙烯酸粘合劑具有0.30 GPa的彈性模量和0.37的泊松比。

1.2.使用圓柱形BSJ試樣的剪切試驗

開發了一種新型試驗機,利用圓柱形BSJ試樣測量膠接接頭的剪切強度。裝置的CAD模型和照片。測試前樣品、樣品架和樣品推進器的縱向剖面,将圓柱形BSJ樣品放置在内徑為8 mm、深度為3 mm的樣品架中。

具有8mm内圓弧的金屬樣品推進器由步進電機驅動,以推動樣品的上粘附體,直到發生破壞。樣本推進器的底面和樣本保持器的上表面之間的距離被調整為大約0.1 mm,以防止在測試期間樣本推進器和粘合劑層之間的接觸。

樣品推進器用一個銷釘和一對彈簧連接配接到一個線性滑軌上,以確定推進器和樣品之間的完全接觸。一個5kn的測壓元件用于記錄沿樣品推進器移動方向的剪切力。

将裝有高壓氣體的塑膠管和金屬棒放在樣品支架下,以除去測試後殘留在支架中的底部粘附物。樣品推進器的移動速度設定為3 mm/s,這與單圈剪切試驗的位移速率相同。對每種粘合劑進行五次測試。

1.3.有限元分析

進行有限元分析以計算在SLJ和圓柱形BSJ試樣的剪切試驗期間膠粘劑的應力分布。選擇環氧樹脂粘合劑用于模拟是因為其線性應力-應變關系,鋁粘附體的楊氏模量和泊松比分别設定為70 GPa和0.33。

二:結果和讨論

2.1.剪切試驗結果

使用SLJ和圓柱形BSJ試件的剪切試驗測得的力-位移曲線,為每個測試條件繪制了五個測量值。對于單圈剪切試驗,試驗機十字頭的位移記錄為橫軸。使用簡易的試驗機進行剪切試驗期間的位移被測量為樣品推進器的位移。

是以,在推動過程中,由于粘附物的變形和樣品與固定器之間的小間隙,樣品可能會在孔中輕微移動。是以,上粘附物的位移不能通過樣品推進器的運動來準确地表示

2.2.SLJ标本與BSJ标本結果的比較

單搭接剪切試驗是測量膠接接頭剪切強度最常用的方法。它主要用于粘合性能的比較研究,因為測試結果受許多因素的影響。

由于彎曲力矩,測得的剪切強度受到自由邊緣處的應力集中和垂直于粘合層的剝離應力的顯著影響。這些問題有望通過使用具有圓柱形BSJ樣本的提議的測試機器來解決。

2.3.模拟結果

本節将讨論粘合層應力分布的模拟結果,SLJ試件的剝離應力和剪切應力的最大值分别約為BSJ試件的3倍和2倍。SLJ試樣自由邊緣的高應力集中一定降低了剪切試驗中測得的平均剪切強度。這些模拟結果與實驗結果一緻,其中對于環氧粘合劑,圓柱形BSJ試樣的測量平均剪切強度明顯高于SLJ試樣的測量平均剪切強度。對于丙烯酸粘合劑,測得的平均剪切強度在SLJ和BSJ樣品之間相當,主要是由于顯著的塑性變形釋放了粘合劑末端的集中應力。

結論:

由所提出的裝置測量的具有環氧粘合劑的圓柱形BSJ試樣的剪切強度大約是由單搭接剪切試驗測量的兩倍。這表明所提出的裝置可以更精确地測量剪切強度,在粘合劑的末端具有更低的剝離應力和更低的應力集中。

使用建議的試驗機和單圈剪切試驗測量的韌性丙烯酸粘合劑的剪切強度相當;這可歸因于大的塑性變形,這可以釋放SLJ試樣自由邊緣的應力集中。

有限元分析證明,使用提議的剪切試驗機可以實作高水準的純剪切條件,其中粘合劑層中的剪切應力接近于假設純剪切計算的平均剪切應力。

實驗研究和數值研究表明,與通常使用的單搭接剪切試驗相比,所提出的試驗機提供了對膠接接頭剪切強度的精确測量,并且由于試樣易于從試驗機上固定和移除,是以具有較高的生産能力。

所有這些改進促進了機器學習在新型粘合材料的優化和開發中的應用。未來的工作将集中在試樣的快速制造上,以加速資料采集,縮短新型膠粘劑的研發周期。

膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和
膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和
膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和
膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和
膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和
膠接接頭高通量試驗用的對接剪切接頭試樣。前言:機器學習廣泛應用于材料研究和開發,傳統的實驗和計算模組化往往耗費大量的時間和

繼續閱讀