I compositi a matrice polimeri (PMC) sono diventati indispensabili in settori che vanno dall'aerospaziale e dall'automotive all'elettronica e ai dispositivi biomedici, premiati per le loro eccezionali caratteristiche di resistenza al peso e flessibilità di progettazione. Nonostante questi vantaggi, i tradizionali PMC spesso incontrano limitazioni di prestazioni in termini di carichi termici, meccanici o elettrici.

Comprendere le rinforze di Nano-Scale

I rinforzi su scala nano si distinguono dai tradizionali riempitivi di microscala grazie al loro rapporto di superficie-volume estremamente elevato, che consente una frazione di peso relativamente piccola di nano-reinforcement per creare un'ampia interfaccia con la matrice polimerica, che influisce significativamente sul trasferimento di carico, sulla conduzione termica e sulle vie elettriche.

  • Nanotubes di carbonio (CNTs):[ Strutture cilindriche di fogli di grafine laminati, disponibili come monopareti (SWCNT) o multi-pareti (MWCNTs), possiedono una straordinaria resistenza alla trazione (fino a 63 GPa) e il modulo di Young (~1 TPa), insieme ad alta conducibilità termica ed elettrica.
  • Graphene e i suoi derivati:[ Le lastre bidimensionali di carbonio sp2-ibridato. Le nanopiastrine di Graphene (GNP) sono strati impilati che possono essere esfoliati.
  • Nano-clays:[] Silicati strati come montmorillonite, che possono essere intercalati o esfoliati all'interno del polimero, migliorano la rigidità meccanica, la ritardanza di fiamma e le proprietà di barriera a basse carichi.
  • Nanofibers:[] Materiali fibrosi con diametri inferiori a 100 nm, spesso elettrospun da polimeri o ceramiche. Essi forniscono rinforzi in una dimensione e possono essere utilizzati per creare compositi gerarchici.
  • nanoparticelle di ossido di metano:[] Particelle come silice (SiO2), allummina (Al2O3) e titania (TiO2) migliorano le proprietà meccaniche e possono impartire funzionalità aggiuntive come la resistenza UV o l'attività catalitica.

Le prestazioni dei PMC nano-reinforced dipendono non solo dalle proprietà intrinseche del filler ma anche dalla sua dispersione, orientamento, frazione di volume e la qualità dell'interfaccia di riempimento-matrix.

Approcci di modellazione chiave per i PMC Nano-Enhanced

Modellare l'effetto dei rinforzi su scala nano richiede metodi che possono catturare fenomeni attraverso scale di lunghezza e di tempo multiple, dalle interazioni a livello atomico al comportamento del continuum macroscopico.

Modelli micromeccanici

I modelli micromeccanici trattano il composito come materiale omogeneo con proprietà efficaci derivate dalle proprietà, dalle frazioni di volume e dalle geometrie delle fasi costituenti.

  • Rule of Mixtures:[] Una semplice interpolazione lineare che fornisce i limiti superiori (Voigt) e inferiori (Reuss) per la rigidità e altre proprietà.
  • Mori-Tanaka Metodo:[] Un modello più raffinato che rappresenta le interazioni di inclusione incorporando una singola inclusione in una matrice infinita con proprietà composte efficaci. Funziona bene per inclusioni ellissoidi orientate a caso o allineate e può incorporare rapporto di aspetto e distribuzione di orientamento.
  • Schemi persistenti:[ Questi metodi considerano ogni fase come inclusione incorporata in un mezzo efficace, che è iterativamente determinato, sono particolarmente applicabili quando la frazione del volume di riempimento è alta.
  • Modelli di Lag:[ Originariamente sviluppati per i compositi a fibre corte, i modelli di scavo prevedono il trasferimento di stress tra matrice e rinforzo. Per i nano-riemptori, le modifiche rappresentano la regione interfase, una zona di proprietà polimeriche alterate intorno al filler a causa di interazioni fisiche o chimiche.

I modelli micromeccanici sono efficienti dal punto di vista computazionale e possono fornire previsioni ragionevoli per le proprietà elastiche, la conducibilità termica e la conducibilità elettrica (utilizzando la teoria della percolazione), ma spesso richiedono la calibrazione con i dati sperimentali e non possono catturare l'evoluzione del comportamento non lineare o del danno.

Analisi degli elementi finiti (FEA)

L'analisi degli elementi finiti consente una simulazione dettagliata delle distribuzioni di stress, di sforzo e di temperatura all'interno di un elemento di volume rappresentativo composito (RVE). Per i PMC rinforzati con nano, FEA è particolarmente utile per studiare gli effetti locali come le concentrazioni di stress vicino alle estremità del filler, i gradienti interfasi e l'influenza della geometria del filler sulla rigidità e la resistenza compositi.

La costruzione di un modello FEA di un nanocomposito comporta diversi passaggi:

  1. Generando un RVE realistico:[] L'RVE deve contenere una distribuzione statisticamente rappresentativa dei filler, spesso creato utilizzando algoritmi che imitano la dispersione casuale o gli stati allineati.
  2. Misurare la geometria:[ Le caratteristiche di Nano-scale richiedono mesh molto fini per catturare gradienti vicino all'interfaccia di riempimento-matrix.
  3. Proprietà materiali assegnanti:[ La matrice, il riempitivo e l'interfase (se modellato esplicitamente) sono ciascuna assegnate leggi costitutive appropriate.Per i modelli polimerici, viscoelastici o elastici-plastici possono essere necessari, mentre i riempitivi sono spesso trattati come elastici lineari.
  4. Applicare le condizioni di confine:[] Le condizioni di confine periodiche sono comunemente utilizzate per simulare una microstruttura periodica e per estrarre le proprietà omogenee.

FEA è stata applicata con successo per prevedere l'efficace modulo elastico dei compositi rinforzati con CNT, la conducibilità termica dei polimeri riempiti di grafine e il comportamento elettrico percolazione dei nanocompositi.

Simulazioni di dinamica molecolare (MD)

MD è univocamente adatto per sondare i meccanismi di scala atomica che governano l'effetto di rinforzo: l'assorbimento della catena di polimeri sulle superfici di riempimento, la formazione di strati interfasi, il trasferimento di carico attraverso legami covalenti o non covalenti, e l'influenza della funzionalizzazione.

Le applicazioni chiave di MD in PMC nano-rinforzati includono:

  • Studying the interphase region:[ MD rivela come la densità dei polimeri, la mobilità e il modulus cambiano vicino a una superficie di nano-riempimento. Queste proprietà locali possono essere aumentate a modelli continuum.
  • Predicare la resistenza della cinghia interfacciale:[] simulando le prove di estrazione di un foglio di CNT o di grafine da una matrice di polimeri, MD può stimare la capacità di trasferimento dello stress interfacciale.
  • Valutare l'effetto della funzionalizzazione:[[] L'attaccamento covalente dei gruppi funzionali (ad esempio, -OH, -COOH) ai nano-riemptori può essere simulato per capire come i legami chimici migliorano l'incollaggio interfacciale.
  • Determinazione del trasporto termico:[] MD può calcolare la conducibilità termica del limite (resistenza di Kapitza) all'interfaccia di riempimento-matrix, un parametro critico per la modellazione della conducibilità termica in compositi.

Le simulazioni MD sono limitate per dimensioni del sistema (tipicamente decine di nanometri) e scala temporale (nanosecondi a microsecondi), non possono prevedere direttamente le proprietà macroscopiche, ma forniscono parametri di input essenziali per modelli su scala più alta.

Tecniche di modellazione multiscala

Data l'ampia gamma di scale di lunghezza coinvolte, un singolo metodo di modellazione è insufficiente per catturare il pieno comportamento dei PMC rinforzati con nano. La modellazione multiscale integra le informazioni dalle scale atomiche, micro e continuum in modo coerente.

  • Modellazione multiscala sequenziale:[] Le simulazioni MD o grezzo-grained forniscono proprietà (ad esempio, modulo interfase, forza interfacciale) che vengono trasmesse a modelli micromeccanici o FEA. Questo è l'approccio più ampiamente utilizzato.
  • Modalizzazione multiscale contemporanea:[] Varie regioni del dominio di simulazione sono modellate contemporaneamente a diverse scale. Ad esempio, un modello di elemento finito continuum potrebbe essere accoppiato con una regione atomica vicino a una punta di crack.
  • Modelli su scala multiscala assistita dalla macchina:[ I modelli di surrogati formati su dati provenienti da simulazioni MD o microscale possono sostituire calcoli costosi e consentire l'esplorazione rapida degli spazi di progettazione.

Gli approcci multiscala sono essenziali per colmare il divario tra le interazioni fondamentali su scala nano e le prestazioni su scala ingegneristica, rendendoli una pietra angolare del design composito moderno.

Effetti di Nano-Reinforcements su Proprietà composite

Le forze di Nano possono alterare profondamente le proprietà meccaniche, termiche, elettriche e di barriera dei compositi polimerici, e le seguenti sottosezioni sono in grado di illustrare gli effetti primari e gli sforzi di modellazione utilizzati per comprenderli.

Proprietà meccaniche

L'integrazione di nano-riempitori come CNT o grafine può aumentare il modulo di Young, la resistenza alla trazione, la resistenza alla frattura e la resistenza alla fatica.

  • Trasferimento di carico:[[] Il trasferimento di stress efficiente dipende dalla forza della cinghia interfacciale.
  • Crack bridging:[ I nano-riempitori possono colmare microcrack, impedendo la loro propagazione e migliorando la durezza.
  • Nucleazione delle bande di taglio:[ Nelle matrici duttili, i nano-riemptori possono promuovere la resa delle cesoie, assorbendo l'energia.

La modellazione del miglioramento meccanico richiede una rappresentazione accurata della dispersione del filler, dell'orientamento e del comportamento interfacciale. I modelli micromeccanici (es. Mori-Tanaka) possono prevedere i guadagni del modulo, mentre i modelli di zona FEA e coesa catturano meccanismi di danno come la debonding e l'estrazione.

Proprietà termiche

Nano-reinforcement con elevata conducibilità termica intrinseca (ad esempio, CNT: ~3000 W/mK, grafine: ~5000 W/mK) può migliorare la conducibilità termica del composito, anche se il miglioramento è spesso molto inferiore rispetto alle previsioni di norma-di-mixture a causa della resistenza termica interfacciale (resistenza di Kapitza).

  • Provazioni medie effettive:[] Estensioni dei modelli Maxwell-Garnett o Bruggeman che incorporano la geometria del filler, l'orientamento e un termine di resistenza termica interfacciale.
  • FEA con conducibilità termica del contatto:[ Assegnare una conducibilità termica al limite dell'interfaccia di riempimento-matrix.
  • simulazioni di MD:[] Calcola direttamente la resistenza di Kapitza per diverse combinazioni di filler-matrix.

Oltre alla conducibilità, i nano-riempitori possono migliorare la stabilità termica (insieme del degrado) e ridurre il coefficiente di espansione termica (CTE), che è importante per l'imballaggio elettronico e altre applicazioni ad alta precisione.

Proprietà elettriche

L'aggiunta di nano-riempitrici conduttive elettricamente (CNT, grafine, nanofili metallici) può rendere conduttivo una matrice polimerica isolante. Questo fenomeno di percolazione si verifica quando una rete di riempitivi collegati si forma in tutto il composito.

  • soglia di percolazione: La frazione di volume critica in cui la conducibilità salta da diversi ordini di grandezza. I riempitivi di rapporto di alto aspetto raggiungono la percolazione a carichi molto bassi (spesso < 1 wt).
  • Resistenza al contatto:[ La resistenza elettrica ai contatti di riempimento influenza notevolmente la conducibilità generale. Gli effetti di tunnel giocano anche un ruolo quando i riempitivi sono separati da strati di polimeri sottili.

La modellazione della conducibilità elettrica utilizza spesso simulazioni di Monte Carlo per generare reti di riempimento casuali e calcolare i percorsi di percolazione. La FEA può essere applicata a geometrie più idealizzate. I modelli semi-empirici incorporano la teoria della percolazione e la resistenza al tunneling per adattarsi ai dati sperimentali. L'apprendimento automatico è sempre più utilizzato per prevedere la conducibilità da descrittori microstrutturali.

Barriera e altre proprietà

I piastrine ad alto rapporto creano un percorso tortuoso per la diffusione delle molecole, diminuendo notevolmente la permeabilità. Modelli come il modello Nielsen o i modelli a base di tortuosity di Cussler sono comunemente utilizzati e FEA può simulare la diffusione attraverso microstrutture realistiche. Inoltre, la formatura di nano-reinarda può migliorare la formatura di charncy UV.

Sfide nella modellazione di rinforzi Nano-Scale

Nonostante i progressi significativi, la modellazione dei PMC nano-rinforzati rimane invariata con le sfide che limitano l'accuratezza predittiva e l'applicabilità pratica.

Dispersione e Agglomerazione

I nano-riempitori tendono a agglomerare a causa di forti forze van der Waals, portando a cluster che riducono il rapporto di aspetto efficace e le proprietà di degrado. La maggior parte dei modelli assumono dispersione perfetta o casuale, ma i compositi reali spesso contengono agglomerati di dimensioni e densità variabili.

Interazioni interfaciali

L'interfaccia polimero-riempimento è una regione di spessore nanoscala dove le catene polimeriche presentano struttura e dinamiche alterate. Questo interfase può avere diverse proprietà meccaniche, termiche ed elettriche rispetto alla matrice di massa. Modellare l'interfase richiede esplicitamente dati da MD o esperimenti, ma i parametri sono spesso sconosciuti o semplificati. Inoltre, la funzionalizzazione crea legami covalenti che influiscono fortemente sul trasferimento di carico, ma la modellazione di questi legami a scale più grandi è stimolante.

Costo computazionale

La modellazione ad alta fedeltà, sia che la FEA con mesh sottili o MD con milioni di atomi, richieda risorse computazionali sostanziali. Gli studi parametrici sono spesso infessibili, che ha motivato lo sviluppo di modelli di ordine ridotto e approcci surrogate, ma questi sacrifici nella fedeltà o nella generalità.

Convalida e caratterizzazione

Tuttavia, caratterizzare i nanocompositi è difficile: misurare le proprietà interfase locali, le distribuzioni di orientamento e i livelli di agglomerazione spesso richiede tecniche avanzate come la microscopia elettronica di trasmissione (TEM), la microscopia della forza atomica (AFM), o la dispersione dei raggi X. Le differenze tra modello e esperimento possono derivare da difetti non contabili, la variabilità legata al trattamento o incertezze di misura.

Direzioni e tendenze emergenti

Il campo della modellazione dei compositi polimerici nano-reinforced si sta evolvendo rapidamente, guidato dai progressi nei metodi computazionali, dalla caratterizzazione sperimentale e dalla scienza dei materiali.

Modelli di apprendimento automatico e di data-drive

Le tecniche di apprendimento automatico (ML), comprese le reti neurali, i processi gaussiani e le foreste casuali, sono utilizzate per prevedere le proprietà composite da caratteristiche microstrutturali o parametri di processo. I modelli ML possono essere formati su grandi set di dati generati da simulazioni o esperimenti ad alta fedeltà, consentendo le previsioni rapide della proprietà e il design inverso (ad esempio, trovando la geometria ottimale del filler e il caricamento per una data esigenza di rigidità).

Ad esempio, il recente lavoro ha utilizzato reti neurali convoluzionali (CNN) per prevedere l'efficace conducibilità dei compositi grafine/polimeri direttamente da immagini di microstruttura 2D, ottenendo alta precisione con tempi di calcolo drasticamente ridotti rispetto a FEA.

Integrazione avanzata della caratterizzazione

In situ TEM e microscopia della sonda di scansione permettono l'osservazione diretta delle interazioni di filler-matrix e dei meccanismi di guasto. La correlazione dell'immagine digitale (DIC) alla nanoscala consente la validazione dei campi di sforzo previsti dai modelli. Integrando questi dati nella modellazione dei flussi di lavoro, attraverso la calibrazione Bayesiana, ad esempio, migliora la credibilità del modello e consente maggiori previsioni in diversi materiali.

Rinforzi sostenibili del Nano

Mentre cresce la spinta alla sostenibilità, le nano-reinforcement basate su bio, come i nanocristalli di cellulosa (CNC), i nanofiber chitina e le nanoparticelle di lignina attirano interesse. Modellare questi riempitivi introduce ulteriori complessità grazie alla loro chimica superficiale, all'igroscopicità e alla natura rinnovabile semicristallina.

Integrazione di processo-struttura-properità

In definitiva, la modellazione deve tener conto dell'intero ciclo di vita del composito, dalle materie prime e dall'elaborazione (mixing, estrusione, polimerizzazione) alle prestazioni in condizioni di servizio.

Conclusioni

La modellazione dell'effetto dei rinforzi su scala nano sui compositi a matrice polimerica è un'impresa multiforme che collega le discipline della chimica quantistica alla meccanica continuum. Mentre ogni metodo di modellazione, micromeccanica, analisi degli elementi finiti, dinamiche difetti molecolari e approcci multiscala, ha i suoi punti di forza e limitazioni, la loro applicazione sinergica sta fornendo notevoli intuizioni.

Per ulteriori informazioni sugli approcci computazionali ai nanocompositi, vedere la recensione completa di Composites Scienza e Tecnologia] su modelli multiscala di nanocompositi polimerici. Un'altra risorsa eccellente è il NIST Polymers Division, che offre dati e strumenti per la modellazione dei polimeri.