纤维增强复合材料磨削制孔加工技术研究进展

纤维增强复合材料具有优良的物理、化学和力学性能,在航空航天、汽车、新能源等高新技术领域应用广泛。相比传统钻铣刀具,磨料工具在纤维增强复合材料制孔时,加工后的分层、毛刺、撕裂及热损伤等缺陷更小,且磨料工具可以稳定加工硬度更高的纤维增强陶瓷基复合材料。首先,综述了纤维增强复合材料在磨削制孔过程中的切屑形成、磨削轴向力、磨削温度等磨削加工机制;其次,探讨了近年来国内外在纤维增强复合材料磨削制孔技术中的制孔加工缺陷及其评价方法;然后,分析了纤维增强复合材料磨削制孔质量及其影响因素;此外,综述了纤维增强复合材料磨削制孔刀具及其磨损机制等方面的研究现状;最后,对纤维增强复合材料磨削制孔加工技术研究进行了总结和展望。      

碳纤维复合材料激光制孔技术研究进展

碳纤维增强树脂基复合材料(CFRP)具有抗疲劳性好、比强度高、耐热性好等优良的热物性能,已在航空、航天等领域得到广泛应用.作为主要的承力构件,CFRP板之间的机械连接所需加工的装配孔数量众多.然而,CFRP作为高硬度且各向异性的难加工材料,传统机械钻孔存在刀具磨损严重、制孔工序多等缺点;相比于机械钻孔,激光"不怕硬",...     

曲面结构石英纤维增强树脂复合材料分层损伤缺陷太赫兹智能检测

为探索先进预警机雷达罩石英纤维增强树脂复合材料中典型分层缺陷的智能化检测手段,将协作机器人与反射式太赫兹时域光谱系统相结合,搭建了一种基于光纤耦合的反射式太赫兹时域光谱扫查系统,测试所得信噪比的动态范围约60 dB。利用搭建系统对预埋模拟分层缺陷的曲面结构石英纤维增强树脂复合材料样件进行太赫兹无损检测,不同扫描区域获得的反射式太赫兹成像图中均能通过目视辨认出内部预埋缺陷。利用改进的YOLOv4算法在缺陷自动识别中获得90.18%的准确率和91.26%召回率,分别较原YOLOv4算法提高3.37%和4.01%,对小目标缺陷的检测效果良好。实验丰富了预警机雷达罩样件的设计和检测研究内容,探索了曲面结构石英纤维增强树脂复合材料缺陷太赫兹成像,为预警机雷达罩的无损检测提供了新的智能检测工艺,具备工程应用价值。      

复合材料层压板分层缺陷超声相控阵检测与评估

针对碳纤维增强树脂基复合材料分层缺陷的无损检测与评估问题,通过制备预埋分层缺陷的标准试样,利用超声相控阵技术对缺陷进行无损检测与定量评估,并对测量误差进行分析。首先,在层压板铺层中间埋入聚酰亚胺薄膜制备分层缺陷试样;然后,对试样进行超声相控阵检测,通过超声S扫和C扫图像对缺陷进行定性分析与定量测量,并结合声场仿真对检测误差进行分析。结果表明:所制备试样内分层缺陷形状规则、埋深及大小与预设一致;超声相控阵步进方向检测尺寸比较准确,而扫查方向尺寸误差较大;超声相控阵技术能够准确识别分层缺陷的形状、尺寸及位置,具有很高的检测精度,对较小缺陷具有很好的检测效果。     

SiCp/Al复合材料制孔崩边缺陷及其评价方法

对中高体积分数碳化硅颗粒增强铝基（SiCp/Al）复合材料制孔崩边缺陷进行了三维试验观测和统计分析,建立了制孔崩边缺陷模型,提出了一种基于崩边体积的SiCp/Al复合材料崩边缺陷程度评价方法。研究结果表明：崩边缺陷是SiCp/Al复合材料制孔的主要缺陷,且崩边缺陷主要产生在制孔出口处。采用该方法能够对不同参数下的制孔崩边缺陷程度进行客观真实的评价,对优化制孔工艺参数具有一定的指导意义。     

高性能纤维增强树脂基复合材料的研究进展

高性能纤维增强树脂基复合材料在航空、航天等领域应用广泛,本文论述了高性能纤维如碳纤维(CF)、超高分子量聚乙烯纤维(UHMWPE)、芳纶纤维、PBO纤维的表面改性方法、改性效果的表征手段及改性纤维增强树脂基复合材料的研究进展和方向。     

纤维增强CBT树脂基复合材料研究进展

介绍了环形对苯二甲酸丁二醇酯（CBT）的性能特点及其应用,综述了纤维增强CBT树脂基复合材料的国内外研究现状,包括制备工艺、力学性能以及应用等,并对其在复合材料领域的发展进行了总结与展望。     

熔融沉积纤维增强复合材料的研究进展

熔融沉积增材制造属于热塑性聚合物材料3D打印成型技术之一,具有原料广泛、制造成本低、个性化可定制等特点.随着制备工艺和技术的优化,近年来成型质量不断提高.同时,这种基于分层打印、逐层堆积的材料成型方式导致其力学强度偏低.发展适用于熔融沉积技术的纤维增强热塑性聚合物复合材料,利用纤维具有高比强度、高比模量的特性,可显著提高熔融沉积热塑性聚合物成型件的抗拉强度和拉伸模量等力学性能.然而,在熔融沉积纤维增强复合材料成型过程中,伴随着材料的流动与纤维取向、丝/层间结合、热量传导和残余应力等一系列复杂现象,明晰上述现象及其内在的关联性,是促进该技术应用和发展的关键.因此,近年来国内外研究者们主要从选择合适的纤维和优化制备工艺等方面不断尝试,并取得了丰硕的成果.用于熔融沉积纤维增强复合材料的纤维主要以短纤维和连续纤维两大类材料为主.短纤维复合材料发展较早、制备工艺相对简单;连续纤维复合材料成型件的力学性能相对较高.近年来,国内外研究者基于纤维增强复合材料的制备工艺、材料性能、成型机理等关键要素,聚焦于纤维含量、沉积角度、打印速度、喷嘴温度、层厚和化学助剂添加等工艺参数变化对成型件力学性能影响的相关研究,拟充分发挥纤维增强材料的技术优势,为制备较高力学性能和较好质量打印成型件提供可能.本文主要介绍了近年来国内外研究者在熔融沉积纤维增强复合材料方面的研究进展.从熔融沉积增材制造成型原理、纤维增强复合材料技术研究现状出发,介绍了短纤维和连续纤维增强复合材料的力学性能,以及工艺参数对增强复合材料力学性能的影响.最后,归纳了该技术仍存在的亟待解决的基础科学问题和关键技术问题,以及未来可能的研究方向.     

纤维增强复合材料压缩破坏研究进展

综述了纤维增强复合材料压缩破坏机理及影响因素,同时对目前公开发表的几种预测复合材料压缩破坏强度方法进行了介绍与分析。最后,对今后研究动向进行了展望。     

复合材料使用的增强纤维的现状与发展趋向

重点介绍了碳纤维、粘胶纤维基碳纤维、聚丙烯腈纤维基高强度高模量碳纤维、沥青碳纤维、陶瓷氧化物纤维、碳化硅纤维、高强度高模量有机纤维的开发、生产、应用现状与发展动向。     

Analysis of delamination in drilling glass fiber reinforced polyester composites

Glass fiber reinforced plastic (GFRP) composite materials are finding increased application in aeronautical, automobile and structural applications. Drilling is a complex process, owing to their tendency to delaminate is used to join composite structures. In the present work, an attempt has been made to develop empirical relationships between the drilling parameters such as fiber orientation angle, tool feed rate, rotational speed and tool diameter with respect to delamination in drilling of GFR–polyester composites. The empirical relationship has been developed by using response surface methodology. The developed model can be effectively used to predict the delamination in drilling of GFRP composites within the factors and their limits are studied. The result indicated that the increase in feed rate and drill diameter increases the delamination size whereas there is no clear effect is observed for fiber orientation angle. The spindle speed shows only little effect on delamination in drilling of GFR–Polyester composites.     

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。      

A review of modeling and control during drilling of fiber reinforced plastic composites

Drilling induced damage in polymer–matrix composites (PMCs) is a research area of immense engineering importance. Various approaches have been tried worldwide to minimize drilling induced damage. In this study, a review of automated drilling operation has been done. Various mathematical modeling methods used for dynamic phenomenon of drilling in PMCs and conventional materials have been discussed. Drilling of fiber reinforced plastic composites can be modeled using empirical techniques, neural network/fuzzy-logic and transfer function modeling methods. This paper brings state-of-the-art in the control of drilling process. The drilling of fiber reinforced plastic composites can be controlled using neural network, fuzzy logic, supervisory, PI, PID, pole placement and adaptive controllers. Results indicate that thrust force and torque have not been controlled simultaneously for delamination free drilling in PMCs. Critical thrust force has also not been precisely tracked. There is a need to create a combined mathematical model consisting of thrust force, torque and feed rate coupled with a suitable control law for simultaneous control of thrust force as well as torque for delamination free drilling of composites.     

Study of delamination in drilling carbon fiber reinforced plastics (CFRP) using design experiments

In this paper is presented a new comprehensive approach to select cutting parameters for damage-free drilling in carbon fiber reinforced epoxy composite material. The approach is based on a combination of Taguchi’s techniques and on the analysis of variance (ANOVA). A plan of experiments, based on the techniques of Taguchi, was performed drilling with cutting parameters prefixed in an autoclave carbon fiber reinforced plastic (CFRP) laminate. The ANOVA is employed to investigate the cutting characteristics of CFRP’s using high speed steel (HSS) and Cemented Carbide (K10) drills. The objective was to establish a correlation between cutting velocity and feed rate with the delamination in a CFRP laminate. The correlation was obtained by multiple linear regression. Finally, confirmation tests were performed to make a comparison between the results foreseen from the mentioned correlation.     

碳纤维增强热塑性复合材料的制备与性能研究进展

碳纤维增强热塑性复合材料(CRTP)因其具有众多优点而在航空航天、轨道交通、国防军工和风力发电等领域受到广泛的关注。本文总结了近年来国内外关于CRTP制备技术的研究进展,主要从预浸料制备工艺、碳纤维(CF)表面改性技术及CRTP成型工艺3个方面进行阐述,并详细介绍了不同预浸料制备工艺、CF表面改性技术和CRTP成型工艺的优缺点及对所制备CRTP性能的影响;最后对预浸料制备工艺、CF表面改性技术和CRTP成型工艺的发展方向进行了展望。     

碳纤维增强树脂基复合材料制孔技术研究现状与展望

碳纤维增强树脂基复合材料(CFRP)具有优越的物理和力学性能,已在航空制造工业中得到大量应用。在主承力结构中,CFRP与金属材料的连接通常为机械连接。然而,CFRP的各向异性严重影响了其制孔质量。由于CFRP和金属具有截然不同的材料属性,CFRP/金属叠层结构制孔技术成为飞机装配过程中的一大难题。本文首先阐述了CFRP及其叠层结构在切削过程中的切屑形成机制、钻削力和钻削热的研究现状;其次,剖析了钻削过程中典型加工损伤,如毛刺与撕裂、分层缺陷及孔壁表面损伤的产生原因和影响因素;然后,介绍了CFRP制孔刀具材料和几何结构的优化设计研究进展,并综述了螺旋铣孔、变工艺参数钻削、"以磨代钻"和振动辅助制孔等多种CFRP及其叠层结构加工新技术及钻削过程的仿真研究。最后,借鉴钎焊工具和超声振动技术的独特优势,提出了磨粒有序排布钎焊金刚石工具的超声振动加工构想,以达到CFRP及其叠层结构的精密高效制孔加工这一目的。     

Neural network approach for estimating the residual tensile strength after drilling in uni-directional glass fiber reinforced plastic laminates

The drilling of fiber reinforced plastics (FRP) often results in damage around the drilled hole. The drilling induced damage often serves to impair the long-term performance of the composite products with drilled holes. The present research investigation focuses on developing a predictive model for the residual tensile strength of uni-directional glass fiber reinforced plastic (UD-GFRP) laminates with drilled hole which has not been developed worldwide till now. Artificial neural network (ANN) predictive approach has been used. The drill point geometry, the feed rate and the spindle speed have been used as the input variables and the residual tensile strength as the output. The results of the predictive model are in close agreement with the training and the testing data.