Investigation on tensile modulus of lumen-bast fiber reinforced composites using multiscale simulation method
-
摘要:
本文针对现有植物麻纤维增强复合材料弹性模量预测模型中,未能充分考虑麻纤维独特的腔体微观结构特征,难以准确获取真实纤维特征参数并预测麻纤维增强复合材料弹性模量的现状,综合混合定律和Micro-CT技术,提出了基于麻纤维腔体结构特征的麻纤维等效模型及其弹性模量计算公式。在此基础上,采用多尺度模拟法构建基于腔体结构的苎麻纤维增强树脂基复合材料(RFPC)的代表性体积元(RVE)模型并求解了RFPC的拉伸模量。并通过RFPC拉伸实验测试结果验证了RVE模型的有效性。另一方面,本文采用正交试验设计和方差分析探讨了纤维含量、纤维空腔占比、纤维取向和纤维长径比4个参数对RFPC拉伸弹性模量的影响权重,从而明确了纤维含量和纤维取向是影响复合材料拉伸弹性模量的主要因素。运用多项式拟合法获得了以上述4个参数为自变量的麻纤维增强树脂基复合材料拉伸弹性模量预测公式,并系统揭示了影响RFPC拉伸模量的参数主效应和参数两两之间的协同效应规律。本文提出的基于腔体结构的植物麻纤维增强树脂基复合材料弹性模量预测方法,可望为麻纤维增强树脂基一大类复合材料的拉伸性能调控提供新方法。
Abstract:Currently, the models for predicting the tensile modulus of bast fiber reinforced composites have not considered unique lumen microstructure of bast fibers. Therefore, in the present work, an equivalent model of lumen-bast fiber and its theoretical formula for calculating the elastic modulus were proposed in this study by combining the rule of mixture and Micro-CT technology. On this basis, a representative volume element (RVE) model of ramie fiber reinforced composite (RFPC) which considered lumen microstructures was established using multiscale simulation method, and its tensile modulus was computed. The validity of the RVE model was verified by experimental results. Additionally, the influence weights of four parameters (fiber content, fiber lumen ratio, fiber orientation, and aspect ratio) on the tensile elastic modulus of RFPC were investigated using orthogonal experimental design and variance analysis. It was found that fiber content and fiber orientation are the primary factors affecting the tensile modulus of RFPC. A polynomial fitting method was employed to obtain a predictive equation for estimating the tensile modulus of RFPC using these four parameters as independent variables. The main effects and synergistic effects of parameters on the tensile modulus of RFPC were systematically analyzed. This research provides a prediction method for estimating the tensile modulus of lumen-bast fiber reinforced composites and can be served as a theoretical basis for controlling their tensile performance.
-
Keywords:
- lumen structure /
- bast fibers /
- composites /
- orthogonal design /
- prediction of tensile modulus
-
近年来,柔性压力传感器凭借其轻量、柔韧、生物相容等特点在生物医疗[1]、电子皮肤[2]、人机交互[3]、柔性机器人[4]等领域具有广泛的应用前景。根据传感原理,柔性压力传感器主要分为电阻式[5]、电容式[6]、压电式[7]、摩擦电式[8]4种。而柔性电容式压力传感器因其结构简单、信号稳定,且能与静态力测量兼容及低功耗优点,得到了研究人员的广泛关注[9]。但在电容式柔性压力传感器的性能优化研究中存在一个共性问题,即高灵敏度与宽检测范围之间的制约,如何解决两者之间的矛盾仍是亟需解决的瓶颈问题。
目前,研究人员在介电层结构方面主要通过设计介电层的表面微结构或介电层体相多孔结构,来提高柔性电容压力传感器的灵敏度和检测范围。一般,在介电层表面设计金字塔形[10]、半球形[11]、荷叶表面乳突[12]等微纳结构。但制作这些微纳结构一般需要光刻[13]、3D打印[14]和仿生模板复刻[15]等技术,存在工艺复杂、成本高、耗时长等缺陷。并且由于表面微纳结构在压力作用下的变形易快速达到饱和状态,只能提高一部分检测量程。而介电层的体相多孔结构,由于本身就存在孔隙,在压力作用下先后发生孔隙减小、孔壁接触和孔壁进一步挤压过程,延缓了形变达到饱和状态的过程,从而提高了检测量程。因此相较于表面微纳结构,多孔结构在传感器的设计中存在显著优势。而在介电层材料方面,研究人员主要提出在介电层中添加高介电常数、低介电损耗填料的方法,以形成复合介电层,提高介电层的有效介电常数,从而提高灵敏度和检测范围。通常,可以分为导电填料(炭黑(CB)[16]、碳纳米管(CNTs)[17]、石墨烯(GO)[18]等),压电填料(聚偏氟乙烯(PVDF)[19]、钛酸钡(BTO)[20]等)和磁性填料(金属镍(Ni)[21]等)。
本文针对高灵敏度、宽检测范围和制作成本不能兼顾的问题,利用模板组装法制备出了一种多孔结构的电容式柔性压力传感器。首先,在基底材料上选择了具有价格低廉、质量轻、弹性好、孔隙率高、比表面积大等特点的聚氨酯(PU)海绵。其次,在填料的选择上,分别选择了导电填料炭黑(Carbon black,CB)和压电填料钛酸钡(BaTiO3,BTO),由于CB不仅具有良好的附着能力,还可以改善压力下介电常数的变化,从而提高传感器的性能[22]。而选择BTO,则是因其具有高介电常数和低介电损耗特性。两者都可以利用范德华力和静电引力附着在PU骨架上。最后,利用PU海绵现有的多孔结构作为模板,采用超声浸渍涂覆的方法将CB和BTO附着在海绵骨架上,从而制备出高的有效介电常数及低介电损耗的CB-BTO/PU海绵体。并以此为介电层组装成电容式柔性压力传感器。同时,还对该压力传感器进行了性能测试和应用范围的研究,解决了在大量程范围压力信号检测中测量量程与灵敏度之间的矛盾。
1. 实验材料及方法
1.1 CB-BTO/PU海绵柔性电容式压力传感器的制备
前处理:将聚氨酯海绵(PU,大城好五金店,优质高密度)剪切成10 mm×10 mm×3 mm的立方体,用无水乙醇(Ethanol absolute,太仓新太酒精)与去离子水(浙江南岱实业)交替清洗2次,每次10 min,以除去PU海绵表面的杂质,并在恒温培养箱中干燥1 h,以待后用。
CB-BTO/PU海绵柔性电容式压力传感器的制备过程:将炭黑(CB,美国CABOT,粉末,~15 nm)与钛酸钡(BTO,麦克林,99.9%metals basis,粉末,~100 nm)按照质量比为2.5∶100、5∶100、7.5∶100、10∶100分别加入一定量无水乙醇中,用磁力搅拌器(ZNCL-BS,山东元创仪器)进行搅拌,30 min后搅拌停止,分别往各悬浮液中加入前处理后的PU海绵,随后在超声波细胞破碎仪(LC-JY98-IIIDN,上海力辰邦西仪器科技)中进行超声分散,超声过程中产生的局部高温和超声波,其一可大幅度地减弱CB和BTO纳米颗粒之间的作用力,防止纳米颗粒团聚;其二是让悬浮液中的纳米颗粒不断地无规则运动,均匀地分散在PU海绵内部。超声1 h后,将附着有CB与BTO的PU海绵放入80℃的恒温培养箱(XMTA-600,余姚市科洋仪表)中干燥1 h,随后将干燥完成的PU海绵进行机械压缩20 min,以达到海绵的老化处理和将附着不牢的纳米颗粒去除,当压缩过程中海绵不再脱落纳米颗粒和用纸擦拭海绵表面不再出现灰色污渍时,证明得到结构稳定的CB-BTO/PU海绵三维复合材料。最后在CB-BTO/PU海绵三维复合材料的两端贴附铜箔电极,并用聚对苯二甲酸乙二醇酯(Polyethlene terephthalate,PET)薄膜封装得到CB-BTO/PU海绵柔性电容式压力传感器。具体制备流程如图1所示。
1.2 表征方法
采用扫描电子显微镜(SEM,日立SU8020)对CB-BTO/PU复合材料的形貌进行表征。用能谱分析仪(EDS,美国edax)探究CB-BTO/PU复合材料中的碳(C)、钛(Ti)和钡(Ba)元素的分布。将CB-BTO/PU海绵固定在样品台上,然后放入真空镀膜仪内喷金,喷金结束后将样品置于SEM扫描电镜下,观察海绵断面形貌。电子加速电压为5.0 kV,工作距离为13.6 mm,上下探头同时成像;然后用扫描电镜上配置的EDS对海绵上的元素成分和含量进行观察分析。
压力传感器的传感性能测试主要通过万能试验机(ZQ-950B,东莞市智取精密仪器)、LCR测试仪(TH2830,上海双旭电子)等完成。将传感器放置到万能试验机的下端压头平台上,通过控制上端压头的位移,以10 mm/min的恒定速度将0~300 kPa压力施加于传感器表面上;将传感器电极板引出的导线连接LCR测试仪(工作电压1 V),使用远端接口模式连接到PC,实时测量传感器的电容信号。
2. 结果与讨论
2.1 CB-BTO/PU海绵传感器的表征与分析
图2(a)为PU海绵浸渍前后实物图,浸渍前PU海绵骨架清晰,孔隙分布均匀;浸渍后PU海绵由淡黄色转为黑灰色,这是CB与BTO有效沉积的结果。将制备的CB-BTO/PU海绵完全压缩,当撤去外力之后,仍能恢复到初始状态,展现了该材料具有很好的柔韧性和弹性,如图2(b)、图2(c)所示。图2(d)~图2(f)为CB-BTO/PU海绵骨架的断面SEM图像。可以看出,PU海绵骨架结构明显,孔隙清晰,且随着图像的放大,能看到CB与BTO(呈颗粒状,少量团聚)均匀地附着在PU海绵骨架上。从EDS能谱分析表明,Ba (图2(g))、Ti (图2(h))、C (图2(i))3种元素在PU海绵均匀分布,再一次验证了CB与BTO在PU海绵骨架上分布均匀。
图 2 CB-BTO/PU海绵的形貌与结构表征:(a)浸渍前后PU海绵实物图;((b), (c)) PU海绵压缩的初始状态和压缩状态图;((d)~(f)) PU海绵断面SEM图像;((g)~(i)) Ba元素、Ti元素、C元素的EDS分布图Figure 2. Morphology and structure characterization of CB-BTO/PU sponge: (a) Physical diagram of PU sponge before and after impregnation; ((b), (c)) Initial compression state and compression state diagrams of PU sponge respectively; ((d)-(f)) SEM images of PU sponge sections; ((g)-(i)) EDS distribution diagrams of Ba element, Ti element and C element respectively2.2 CB-BTO/PU海绵传感器的传感机制与性能分析
CB-BTO/PU 海绵压力传感器可视为平行板电容器[23],在外界压力作用下,平行板电容器的两极板之间的相对距离和介电层的相对介电常数都发生了改变,从而引起了电容的变化。传感器的电容的计算公式为
C=ε0εrAd (1) 其中:C是电容器的电容;ε0是真空介电常数;εr是介电层的相对介电常数;A是上下电极板的有效重叠表面积;d是上下两电极之间的距离。
CB-BTO/PU 海绵压力传感器的传感机制为:在没有外界压力作用的初始状态下,PU海绵骨架表面附着CB和BTO,空气充满了骨架空隙,介电层具有较低的相对介电常数εr。而当受到外界压力作用以后,介电层被压缩,上下两电极之间的距离d减小,并且PU海绵微孔开始闭合,介电层中的空气被排出,εr增加,导致电容C随着压力的增加而不断增大。
对于CB-BTO/PU 海绵介电层来说,可以根据一般的Lichtenecker 混合规则[24],求出有效的相对介电常数。有效相对介电常数的计算公式为
lnεr=Vairlnεair+VCBlnεCB+VBTOlnεBTO+VPUlnεPU (2) 其中:Vair、VCB、VBTO与VPU分别为复合材料中空气、炭黑、钛酸钡与聚氨酯海绵所占的体积比;εair、εCB、εBTO与εPU分别为空气、炭黑、钛酸钡与聚氨酯海绵的介电常数。
由上式可知,当介电层受力被压缩时,空气被逐渐排出,其他三相所占的体积比逐渐增大,介电层的相对介电常数也逐渐增大,因此电容传感器的电容才能逐渐增大。
通过制备CB与BTO不同质量比的CB-BTO/PU 海绵传感器,进行传感性能测试分析,从而对传感器进行工艺参数优化。
不同配比的传感器性能也不尽相同,而质量比为mCB:mBTO=5:100的CB-BTO/PU海绵传感性能是最好的,如图3所示。从图上可知,随着CB的含量增大,传感器的灵敏度逐渐增大然后逐渐减小并趋于一致。笔者认为,一方面,CB表面具有大量的羟基、羰基、酸基和吸附水分子等官能团[25],而PU海绵中除了氨基甲酸酯官能团外,还可含有醚、酯、脲、缩二脲、脲基甲酸酯等基团[26]。这些官能团可以使CB和BTO附着在PU海绵上,并且随着CB的含量增加,附着在PU海绵上的CB与BTO也越来越多,而CB作为导电填料既可以强化BTO在PU海绵上的附着能力,还能在PU海绵上形成零星微电容,提高复合材料的介电常数,进而提高器件性能。但当CB含量超过某阈值后,虽然能让更多的BTO附着在PU海绵上,但CB附着在PU海绵上的含量也会逐渐增大,随着外界压力的作用下,CB之间相互接近逐渐形成渗流和遂穿,从而形成部分导电通路降低电容,这与田玉玉等[22]分析的导电填料在介电层中的作用结果一致。另一方面,PU海绵的空隙是有限的,而随着填料的增加,附着在PU海绵上的填料逐渐变缓,并趋于一致。上述原因解释了为什么会出现随着CB含量的增加,传感器的灵敏度会先增加后减小并趋于一致的结果。
灵敏度是评价压力传感器对压力变化敏感程度的重要性能指标,电容式压力传感器的灵敏度公式为
S=(C−C0)/C0ΔP=ΔC/C0ΔP (3) 其中: ΔC是施加压力后的电容变化量;C0是不施加压力时的初始电容值;ΔP是压力变化量;ΔC/C0为电容信号的相对变化量;C是压缩过程中传感器的实时电容。
通过上述不同配比的介电层组装的传感器的压力-电容响应曲线,可以看出,CB与BTO质量比为5∶100的海绵介电层的传感器灵敏度是最高。从图4 可以看出,CB-BTO/PU 海绵压力传感器在较小的压力范围内(0~10 kPa)的灵敏度平均为
0.6311 kPa−1,而随着压力的不断增加,在10~140 kPa范围内传感器的平均灵敏度有所增加,达到了0.7911 kPa−1。在这两个压力范围内灵敏度快速增加的原因是,越来越大的压力,使介电层不断压缩,两电极板的相对距离逐渐变小,而海绵介电层中的空气也逐渐排出,使介电层的相对介电常数迅速变大,这两方面都能增大电容的变化量,因此灵敏度在这两个压力范围内快速提升。在较大的压力范围内(140~300 kPa)的平均灵敏度为0.1395 kPa−1,相较于前两个压力范围的灵敏度,较大的压力范围内(140~300 kPa)的灵敏度有所降低,但也达到了0.1395 kPa−1,这是由于随着压力的增大,介电层的变化趋于饱和,灵敏度也随之下降。线性度值越小,表明拟合的曲线与实测的曲线之间的偏差越小[27]。如图4所示,对压力传感器进行了线性度分析,结果表明,在0~10 kPa、10~140 kPa、140~300 kPa这3个压力范围内的线性度分别为5.3%、1.4%、0.8%。该结果也从侧面证明了传感器在3个压力范围的灵敏度拟合更加可靠和准确。
综上所述,从灵敏度与线性度可以得出,CB-BTO/PU 海绵压力传感器在宽的压力范围内能保持高的灵敏度,具备良好的传感性能。
此外,与近年来相关领域文献中报道的柔性电容式压力传感器性能比较如表1所示[26, 28-30]。
表 1 CB-BTO/PU传感器与文献报道性能比较Table 1. Performance comparison between CB-BTO/PU sensor and literature reportMaterials Sensitivity Detection range/kPa Ref. TiO2@PU 0.93 kPa−1 (0-0.37 kPa)
0.079 kPa−1 (0.37-2.83 kPa)
0.02 kPa−1 (2.83-10 kPa)0-10 [26] CCTO@PU 0.73 kPa−1 (0-1.6 kPa)
0.135 kPa−1 (1.6-22.8 kPa)
0.026 kPa−1 (22.8-100 kPa)0-100 [28]
GO/CNTs@TPU0.05777 kPa−1 (0-5 kPa)
0.33213 kPa−1 (5-60 kPa)0-60 [29]
GNPs/MWCNTs/SR/PS0.062 kPa−1 (0-0.3 kPa)
0.033 kPa−1 (0.3-4.5 kPa)0-4.5 [30] CB-BTO/PU 0.6311 kPa−1 (0-10 kPa)0.7911 kPa−1 (10-140 kPa)0.1395 kPa−1 (140-300 kPa)0-300 This work Notes: CCTO—Calcium copper titanate; GO—Graphene oxide; CNTs—Carbon nanotube; TPU—Thermoplastic polyurethane; GNPs—Graphene nanosheets; MWCNTs—Carboxyl-functionalized multiwalled carbon nanotubes; SR—Silicone rubber; PS—Commercial polyurethane sponge. 对于传感器性能而言,传感器的响应时间/恢复时间、最小压力检测极限、稳定性和耐久性等性能指标也是评估传感器的重要参数。如图5(a)所示,通过在传感器加/卸载100 g砝码测量传感器的响应与恢复时间。结果表明,响应时间与恢复时间分别为0.375 s、0.125 s,响应时间略长是由于PU海绵被快速压缩形变后在短时间内仍然会持续形变才能到达最终的稳定状态,而当卸载砝码时海绵却能快速恢复原状,因此恢复时间较短。但响应时间和恢复时间都接近于人体对压力的响应时间400 ms[31],因此该传感器在人体运动监测具备一定的可行性。如图5(b)所示,为了检测传感器的最小压力测量极限,将一颗质量为0.25 g (~24.5 Pa)的小磁子放置在传感器表面,通过观察加载和卸载前后的电容变化,检测出传感器的最低压力极限。根据Zang等[32]对压力范围的分类方法,该传感器的最低检测限处于微压范围内(1 Pa~1 kPa),表明了传感器在微小压力检测方面具有潜在的应用价值。稳定性是评估压力传感器维持稳定工作的重要参数。如图5(c)所示,为了评估该传感器的输出可靠性、稳定性和重复性,分别在不同的压力下对传感器进行了响应特性测试,电容变化随着压力的增加而增加,且能在压力撤销以后恢复到初始值,这说明了该传感器具有良好的分辨率及测压的应用潜力。此外,还对传感器进行了在200 kPa压力下的
2500 次循环响应恢复测试。如图5(d)所示,在上千次的测试中,传感器的电容变化率幅值无明显变化,电容变化率曲线波形保持了良好的一致,证明了该传感器具有良好的重复性和稳定性。还与近年来相关领域文献中报道的柔性传感器耐久性进行了比较,如表2所示[33-35]。2.3 CB-BTO/PU 海绵压力传感器的应用研究
通过上述对传感器的一系列力学传感性能检测,验证了基于CB-BTO/PU海绵柔性电容式传感器具有高灵敏度、宽检测范围等较优异的传感性能。在此基础上,对传感器的应用方面进行了拓展。首先,是对传感器在小压力范围内的应用,将传感器安装在鼠标上如图6(a)所示,通过对鼠标的单击快慢和双击时的力度变化,输出不同的电容信号。结果显示,对鼠标的单击力度的不相同,所输出的信号峰值也不相同,并且随着对鼠标的单击速度加快,所得到的电容信号也会越来越密集;而双击鼠标时,则会得到连续输出的信号。
图 6 CB-BTO/PU海绵压力传感器在各种变形信号监测中的应用:(a)手指点击鼠标上传感器的响应(0~5 kPa);(b)指关节弯曲的传感器响应(0~7 kPa);(c)抓取不同质量玻璃杯的传感器响应(0~40 kPa);(d)足底压力和步态监测的传感器响应(0~110 kPa)Figure 6. Application of CB-BTO/PU sponge pressure sensor in monitoring various deformation signals: (a) Response of sensor when finger clicks the mouse (0-5 kPa); (b) Sensor response of knuckle bending (0-7 kPa); (c) Sensor responses for grabbing glasses with different qualities (0-40 kPa); (d) Sensor response of plantar pressure and gait monitoring (0-110 kPa)该传感器还可以监测人体的小规模活动,如图6(b)所示,将传感器安装在手指的关节处,监测手指关节在不同弯曲角度时的电容相对变化值。当手指关节的弯曲角度变大时,对传感器的压缩形变也越来越大,而传感器所输出的电容信号值也不断变大,因此通过传感器的电容相对变化,可以精确地区分手指的弯曲程度。
除了传感器在上述小压力范围内的应用以外,该传感器还能应用于较大的压力场景,如图6(c)所示,通过拿起和放下侧面安装有传感器的玻璃杯(重600 g),传感器的电容幅值也会产生相应的变化,而随着玻璃杯中水的质量不断增加(50 g、100 g、150 g、200 g、250 g、300 g),其电容的相对变化也不断变大,并且当玻璃杯被拿起和放下时,传感器都能产生稳定的信号。在图6(d)中,将传感器连接到鞋底,用于检测足底压力和步态监测。当落脚时,传感器被压缩,电容值立即增大;而当抬脚时,传感器被释放恢复原状,电容值立即恢复初始值,表明了该传感器具有良好的稳定性及快速响应的特性。
以上的4种不同压力范围的应用检测无不都验证了该传感器在人机交互、电子皮肤、运动监测等领域应用的巨大潜力。
3. 结 论
本工作利用模板组装的方法制备了炭黑(CB)-钛酸钡(BTO)/聚氨酯(PU)海绵型电容式柔性压力传感器。得出以下结论:
(1)通过对制备的CB-BTO/PU海绵骨架进行SEM、EDS表征,结果表明CB与BTO均匀地浸渍涂覆在PU海绵骨架上。从而使该传感器的介电层融合了PU海绵的低弹性模量和CB-BTO的高介电常数等特性,显著地增强了电容变化,使传感器拥有了良好的传感性能;
(2)通过控制CB和BTO的质量比可改善海绵介电层的传感性能,最佳的配比为mCB:mBTO=5:100。该配比所制备的电容传感器,兼具了高灵敏度与宽的检测范围,在0~10 kPa、10~140 kPa与140~300 kPa的灵敏度分别为
0.6311 kPa−1、0.7911 kPa−1与0.1395 kPa−1。同时,传感器还展示出较快的响应与恢复时间(<0.375 s)及低的检测限(~0.25 g),并且还具有良好的分辨率和长久的使用寿命(>2500 次);(3)本工作被成功地验证可用于在人机交互、电子皮肤、运动监测等领域的巨大潜力,并为低成本、大规模商业化制备柔性压力传感器提供了可能。
-
图 10 纤维参数协同作用对苎麻/聚丙烯复合材料拉伸模量的影响:(a)空腔占比和纤维含量;(b)纤维取向和纤维含量;(c)纤维长径比和纤维含量;(d)纤维取向和空腔占比;(e)空腔占比和纤维长径比;(f)纤维长径比和纤维取向
Figure 10. Synergistic effects of fiber parameters on tensile modulus of ramie fiber reinforced composites: (a) Lumen volume fraction and fiber content; (b) Fiber orientation and fiber content; (c) Fiber aspect ratio and fiber content; (d) Fiber orientation and lumen volume fraction; (e) Lumen volume fraction and fiber aspect ratio; (f) Fiber aspect ratio and fiber orientation
表 1 CT扫描获取苎麻增强复合材料中苎麻纤维取向张量分量值、长度和直径分布参数
Table 1 Distribution parameters of orientation tensor components, length and diameters of ramie fibers in the ramie fiber reinforced composite from CT scanning
Parameter λ1 λ2 λ3 L/μm d/μm Max 1.00 1.00 0.92 505 86 Min 0.00 0.00 0.00 65 3 Mean 0.83 0.14 0.03 122 20 Notes:λ1, λ2, λ3—Fiber orientation tensor components; L—Fiber length; d—Fiber diameter. 表 2 苎麻纤维与聚丙烯(PP)力学性能参数
Table 2 Mechanical properties of ramie fiber and polypropylene (PP) in materials
Component Elastic modulus/
MPaDensity/
(g·cm−3)Poisson's
ratioRamie fiber 61400 1.550 0.30 Polypropylene (PP) 790 0.904 0.42 表 3 仿真实验水平和因素
Table 3 Simulation experiment levels and factors
Level Factor A/wt% B/vol% C D 1 5 16 0.4 2 2 10 18 0.6 6 3 15 20 0.8 10 4 20 22 1.0 14 Notes:A—Fiber content; B—Lumen volume fraction; C—Fiber orientation tensor component λ1; D—Fiber aspect ratio. 表 4 苎麻/聚丙烯复合材料拉伸模量正交试验结果
Table 4 Orthogonal experimental results for tensile modulus of ramie fiber reinforced composites
No. Factor Evaluation metrics A/wt% B/vol% C D Tensile modulus/MPa 1 1 1 1 1 836.1 2 1 2 2 2 955.6 3 1 3 3 3 1084.0 4 1 4 4 4 1234.7 5 2 1 2 3 1185.5 6 2 2 1 4 1131.7 7 2 3 4 1 991.1 8 2 4 3 2 1195.1 9 3 1 3 4 2149.3 10 3 2 4 3 2255.0 11 3 3 1 2 1187.3 12 3 4 2 1 1070.1 13 4 1 4 2 2051.8 14 4 2 3 1 1191.0 15 4 3 2 4 2202.0 16 4 4 1 3 1426.8 表 5 苎麻/聚丙烯复合材料拉伸模量方差分析
Table 5 Analysis of variance for tensile modulus of ramie fiber reinforced composites
Factor Df Sum Sq Mean Sq F value P value A 3 1537406 512469 4.127 0.137 B 3 211984 70661 0.569 0.673 C 3 481388 160463 1.292 0.419 D 3 921524 307175 2.474 0.238 Notes:Df—Degree of freedom; Sum Sq—Sum of squares; Mean Sq—Mean of squares. 表 6 苎麻/聚丙烯复合材料拉伸模量正交实验结果与拟合结果误差
Table 6 Errors between orthogonal experimental results and fitting results for tensile modulus of ramie fiber reinforced composites
No. Factor Tensile modulus/MPa x1/wt% x2/vol% x3 x4 Fitting value Simulation value Error/% 1 5 16 0.4 2 841.1 836.1 0.59 2 5 18 0.6 6 955.0 955.6 −0.06 3 5 20 0.8 10 1084.6 1084.0 0.05 4 5 22 1.0 14 1229.7 1234.7 −0.40 5 10 16 0.6 10 1167.7 1185.5 −1.50 6 10 18 0.4 14 1135.3 1131.7 0.32 7 10 20 1.0 2 987.5 991.1 −0.36 8 10 22 0.8 6 1212.9 1195.1 1.49 9 15 16 0.8 14 2167.1 2149.3 0.83 10 15 18 1.0 10 2258.6 2255.0 0.16 11 15 20 0.4 6 1183.7 1187.3 −0.30 12 15 22 0.6 2 1052.3 1070.1 −1.67 13 20 16 1.0 6 2039.3 2051.8 −0.61 14 20 18 0.8 2 1207.1 1191.0 1.35 15 20 20 0.6 14 2185.9 2202.0 −0.73 16 20 22 0.4 10 1439.3 1426.8 0.88 Notes:x1—Fiber content; x2—Lumen volume fraction; x3—Fiber orientation tensor component λ1;x4—Fiber aspect ratio. -
[1] KUMAR R, UL HAQ M I, RAINA A, et al. Industrial applications of natural fibre-reinforced polymer composites – Challenges and opportunities[J]. International Journal of Sustainable Engineering, 2019, 12(3): 212-220. DOI: 10.1080/19397038.2018.1538267
[2] CHANDGUDE S, SALUNKHE S. In state of art: Mechanical behavior of natural fiber-based hybrid polymeric composites for application of automobile components[J]. Polymer Composites, 2021, 42(6): 2678-2703. DOI: 10.1002/pc.26045
[3] 何莉萍, 刘龙镇, 苏胜培, 等. 纤维含量对黄麻纤维增强树脂基复合材料力学与热性能的影响[J]. 复合材料学报, 2023, 40(4): 2038-2048. HE Liping, LIU Longzhen, SU Shengpei, et al. Effects of fiber addition on the mechanical and thermal properties of jute fiber reinforced resin composites[J]. Acta Materiae Compositae Sinica, 2023, 40(4): 2038-2048 (in Chinese).
[4] THYAVIHALLI GIRIJAPPA Y G, MAVINKERE RANGAPPA S, PARAMESWARANPILLAI J, et al. Natural fibers as sustainable and renewable resource for development of eco-friendly composites: A comprehensive review[J]. Frontiers in Materials, 2019, 6: 226. DOI: 10.3389/fmats.2019.00226
[5] SHAHRIAR KABIR M, HOSSAIN M S, MIA M, et al. Mechanical properties of gamma-irradiated natural fiber reinforced composites[J]. Nano Hybrids and Composites, 2018, 23(4): 24-38.
[6] AKASH, VENKATESHA GUPTA N S, SREENIVAS RAO K V. An experimental study on sisal/hemp fiber reinforced hybrid composites[J]. Materials Today: Proceedings, 2018, 5(2): 7383-7387. DOI: 10.1016/j.matpr.2017.11.408
[7] JOSEPH J, MUNDA P R, KUMAR M, et al. Sustainable conducting polymer composites: Study of mechanical and tribological properties of natural fiber reinforced PVA composites with carbon nanofillers[J]. Polymer-Plastics Technology and Materials, 2020, 59(10): 1088-1099. DOI: 10.1080/25740881.2020.1719144
[8] KERN W T, KIM W, ARGENTO A, et al. Finite element analysis and microscopy of natural fiber composites containing microcellular voids[J]. Materials & Design, 2016, 106: 285-294.
[9] SHARMA V, GRUJOVIC N, ZIVIC F, et al. Effective thermal and mechanical properties of randomly oriented short and long fiber composites[J]. Mechanics of Materials, 2017, 107: 56-70. DOI: 10.1016/j.mechmat.2017.02.002
[10] SLISERIS J, YAN L, KASAL B. Numerical modelling of flax short fibre reinforced and flax fibre fabric reinforced polymer composites[J]. Composites Part B: Engineering, 2016, 89: 143-154. DOI: 10.1016/j.compositesb.2015.11.038
[11] SINHA A K, BHATTACHARYA S, NARANG H K. Abaca fibre reinforced polymer composites: A review[J]. Journal of Materials Science, 2021, 56(7): 4569-4587. DOI: 10.1007/s10853-020-05572-9
[12] YANG C, ZHU D, YANG F, et al. Quantitative analysis based on atomic force microscopy characterization of interfacial properties between carbon fibers and epoxy resin subjected to hygrothermal and thermal treatments[J]. Composites Science and Technology, 2020, 198: 108278. DOI: 10.1016/j.compscitech.2020.108278
[13] HAMAD S F, STEHLING N, HOLLAND C, et al. Low-voltage SEM of natural plant fibers: Microstructure properties (surface and cross-section) and their link to the tensile properties[J]. Procedia Engineering, 2017, 200: 295-302. DOI: 10.1016/j.proeng.2017.07.042
[14] HAMAD S F, STEHLING N, HAYES S A, et al. Exploiting plasma exposed, natural surface nanostructures in ramie fibers for polymer composite applications[J]. Materials, 2019, 12(10): 1631. DOI: 10.3390/ma12101631
[15] BOGARD F, BACH T, ABBES B, et al. A comparative review of Nettle and Ramie fiber and their use in biocomposites, particularly with a PLA matrix[J]. Journal of Natural Fibers, 2022, 19(14): 8205-8229. DOI: 10.1080/15440478.2021.1961341
[16] 栾丛丛, 林志伟, 姚鑫骅, 等. 3D打印碳纤维复合材料力学性能计算与实验[J]. 材料科学与工程学报, 2023, 41(4): 540-544. LUAN Congcong, LIN Zhiwei, YAO Xinhua, et al. Calculation and experiment of mechanical properties of 3D printed carbon fiber reinforced composite[J]. Journal of Materials Science and Engineering, 2023, 41(4): 540-544(in Chinese).
[17] BARBERO E J. Finite element analysis of composite materials using abaqus[M]. 2th ed. Boca Raton: CRC Press, 2023: 216-218.
[18] HE L, LU G, CHEN D, et al. Smoothed particle hydrodynamics simulation for injection molding flow of short fiber-reinforced polymer composites[J]. Journal of Composite Materials, 2018, 52(11): 1531-1539. DOI: 10.1177/0021998317726365
[19] HE L, LU G, CHEN D, et al. Three-dimensional smoothed particle hydrodynamics simulation for injection molding flow of short fiber-reinforced polymer composites[J]. Modelling and Simulation in Materials Science and Engineering, 2017, 25(5): 055007. DOI: 10.1088/1361-651X/aa6dc9
[20] 丁智平, 黄达勇, 荣继刚, 等. 注塑成型短玻纤增强复合材料各向异性弹性常数预测方法[J]. 机械工程学报, 2017, 53(24): 126-134. DING Zhiping, HUANG Dayong, RONG Jigang, et al. Predicting method of anisotropic elastic constants for injection molded short glass fiber reinforced composites[J]. Journal of Mechanical Engineering, 2017, 53(24): 126-134(in Chinese).
[21] LI Z, LU J, QIU R, et al. Multiscale modeling based failure criterion of injection molded SFRP composites considering skin-core-skin layered microstructure and variable parameters[J]. Composite Structures, 2022, 286: 115277. DOI: 10.1016/j.compstruct.2022.115277
[22] LI Z, LIU Z, XUE Y, et al. A novel algorithm for significantly increasing the fiber volume fraction in the reconstruction model with large fiber aspect ratio[J]. Journal of Industrial Textiles, 2022, 51(1_suppl): 506S-530S. DOI: 10.1177/15280837211032078
[23] BABU K P, MOHITE P M, UPADHYAY C S. Development of an RVE and its stiffness predictions based on mathematical homogenization theory for short fibre composites[J]. International Journal of Solids and Structures, 2018, 130-131: 80-104. DOI: 10.1016/j.ijsolstr.2017.10.011
[24] HE L, XIA F, WANG Y, et al. Mechanical and dynamic mechanical properties of the amino silicone oil emulsion modified ramie fiber reinforced composites[J]. Polymers, 2021, 13(23): 4083. DOI: 10.3390/polym13234083
[25] 中国国家标准化管理委员会. 纤维增强塑料拉伸性能试验方法: GB/T 1447—2005[S]. 北京: 中国标准出版社, 2005. Standardization Administration of the People's Republic of China. Fiber-reinforced plastics composites-Determination of tensile properties: GB/T 1447—2005[S]. Beijing: Standards Press of China, 2005(in Chinese).
[26] 乔力伟, 桑琮辉, 王列妮, 等. 双通道供风条件下施工隧道最优风速参数研究[J]. 中国安全科学学报, 2023, 33(7): 105-112. QIAO Liwei, SANG Zonghui, WANG Lieni, et al. Study on optimal wind speed parameters of construction tunnel under condition of double-channel air supply[J]. China Safety Science Journal, 2023, 33(7): 105-112(in Chinese).
-
期刊类型引用(1)
1. 曾鹏程,肖书平,杨柳,谈灵操,徐百平. 较宽压强响应范围和较高灵敏度的聚丙烯基电容式压力传感器的研制. 机电工程技术. 2025(03): 58-63 . 百度学术
其他类型引用(3)
-
其他相关附件
-
目的
麻纤维具有与玻璃纤维相当的比强度和比刚度,同时成本低、来源广泛、绿色天然无污染,因此其增强复合材料有望在汽车、高铁、飞机等运载工具上广泛应用。该类复合材料的力学性能是影响其应用的重要性能,如何快速有效地设计和开发麻纤维增强复合材料以达到所需性能成为该领域的研究的热点。然而,相比于玻璃纤维和碳纤维等人造纤维,植物麻纤维具有更复杂的微观腔体结构。为更准确的预测和调控麻纤维增强树脂基复合材料这一大类复合材料的拉伸性能,本文以苎麻/聚丙烯复合材料为研究对象,开展了基于多尺度模拟法的腔体结构麻纤维增强树脂基复合材料拉伸模量研究。
方法本文综合混合定律和Micro-CT技术,提出了基于麻纤维腔体结构特征的麻纤维等效弹性模量计算理论公式;运用多尺度模拟法,构建了基于腔体结构的苎麻纤维增强树脂基复合材料(RFPC)的代表性体积元(RVE)模型,并从微/细观多尺度出发,研究求解了复合材料的弹性模量,并通过RFPC拉伸实验结果验证了RVE多尺度建模的有效性与可靠性;采用正交试验法和多项式拟合法探讨并获得了纤维含量、纤维空腔占比、纤维取向和纤维长径比为自变量的麻纤维增强树脂基复合材料弹性模量预测公式,并系统揭示了影响RFPC拉伸模量的纤维参数主效应和参数两两之间的协同效应规律。
结果采用正交试验法探讨了麻纤维参数(纤维含量、纤维空腔占比、纤维取向张量分量、纤维长径比)对麻纤维增强复合材拉伸模量的影响,并应用极差分析和方差分析明确了影响麻纤维复合材料拉伸模量的麻纤维参数的权重顺序为:纤维含量>纤维长径比>纤维取向张量分量>纤维空腔体积比。获得了拉伸模量最大时的麻纤维参数组合为A4B1C4D4,即纤维含量为20wt%,纤维空腔占比为16vol%,纤维取向张量因子λ1为1.0,纤维长径比为14。采用多项式拟合方法获得了定量预测求解麻纤维增强树脂基复合材料拉伸模量的理论计算公式,通过降维明确了影响复合材料拉伸模量的显著因素,纤维含量和纤维长径比,对复合材料拉伸模量的主效应作用:纤维质量比在时,复合材料拉伸弹性模量随着纤维含量(5-20wt%)和纤维长径比(2-14)的增加而增大;同时进一步通过曲面图直观的理解了纤维参数之间两两协同作用对复合材料拉伸模量的影响规律,其中,纤维含量越高,复合材料弹性模量越大,这是由于纤维的刚度高于基体的刚度。纤维长径比与复合材料的界面多少有关,纤维长径比越大,纤维和基体之间的界面越多,界面可以实现复合材料力的转移和传递,因此纤维长径比越大,复合材料的弹性模量也相应的增加。纤维空腔越大,纤维的刚度相应的减小,使得复合材料的拉伸模量小幅减小。纤维取向张量分量值越接近1,说明纤维长度方向与受力方向越一致,纤维可以承受的力就越大,因此其相应方向的弹性模量值也越大。
结论本文针对麻纤维腔体结构的微观结构特征,开展了含腔体麻纤维的均匀化等效模型理论研究,以苎麻纤维增强聚丙烯复合材料为研究对象,构建了基于腔体特征的麻纤维增强树脂基复合材料RVE多尺度模型,并开展了不同纤维参数下的复合材料弹性模量预测研究。提出的基于腔体结构的植物麻纤维增强树脂基复合材料弹性模量预测方法,可望为更为准确地预测和调控麻纤维增强树脂基复合材料这一大类复合材料的性能提供新理论和新方法。
-
麻纤维具有与玻璃纤维相当的比强度和比刚度,同时成本低、来源广泛、绿色天然无污染,因此其增强复合材料有望在汽车、高铁、飞机等运载工具上广泛应用。该类复合材料的力学性能是影响其应用的重要性能,如何快速有效地设计和开发麻纤维增强复合材料以达到所需性能成为该领域的研究的热点。然而,相比于玻璃纤维和碳纤维等人造纤维,植物麻纤维具有更复杂的微观结构,有空腔结构的纤维管胞,每个管胞为厚壁中空结构,由初级细胞壁、次级细胞壁、中空空腔组成。而现有麻纤维复合材料拉伸性能RVE模型在建模过程中却未充分考虑麻纤维的腔体结构特征对麻纤维增强树脂基复合材弹性模量的影响,迫切需要进一步开展基于腔体结构的麻纤维增强复合材料弹性模量预测方法研究,为此,本研究以苎麻纤维增强聚丙烯(PP)复合材料为研究对象,开展基于多尺度模拟法的腔体结构麻纤维增强树脂基复合材料拉伸模量研究。由于各类麻纤维都具有与苎麻纤维类似的腔体结构,本研究可望为更为准确地预测和调控麻纤维增强树脂基复合材料这一大类复合材料的性能提供新理论和新方法。
本研究主要的创新点如下:
(1)综合混合定律和Micro-CT技术,提出了基于麻纤维腔体结构特征的麻纤维等效弹性模量计算理论公式;
(2)运用多尺度模拟法,构建了基于腔体结构的苎麻纤维增强树脂基复合材料(RFPC)的代表性体积元(RVE)模型,并从微/细观多尺度出发,研究求解了复合材料的弹性模量,并通过RFPC拉伸实验结果验证了RVE多尺度建模的有效性与可靠性;
(3)采用正交试验法和多项式拟合法探讨并获得了纤维含量、纤维空腔占比、纤维取向和纤维长径比为自变量的麻纤维增强树脂基复合材料弹性模量预测公式,并系统揭示了影响RFPC拉伸模量的纤维参数主效应和参数两两之间的协同效应规律。本研究提出的基于腔体结构的植物麻纤维增强树脂基复合材料弹性模量预测方法可以推及拓展至麻类纤维增强树脂基一大类复合材料,为预测和调控麻纤维增强树脂基一大类复合材料的拉伸模量提供了新方法。
含腔体结构麻纤维等效模型
纤维参数协同作用对苎麻/聚丙烯复合材料拉伸模量的影响