Polimer matrisi kompozitleri (PMC) havacılık ve otomotivden elektronik ve biyomedikal cihazlara kadar uzanan endüstrilerde vazgeçilmez hale geldi, olağanüstü güç oranlarına sahip olan bu avantajları ve esnekliğini inceler.Bu avantajlara rağmen, geleneksel PMCs genellikle karbon nanotüplerin (CNT) ve nano-pereçkinlerin ortaya çıkmasını gerektirir.

Nano-Scale Dondurucuları Anlamak

Nano ölçekli takviyeler, olağanüstü yüksek yüzey alanı-to-volume oranı ile geleneksel mikro ölçekli dolgulardan ayırt edilir.Bu özellik, nano-reinforcement'in nispeten küçük bir ağırlığının nano-reinforcement'in polimer matrix ile geniş bir arayüz oluşturmasını sağlar, önemli ölçüde yük transferini, termal iletim ve elektrik yollarını etkiler.

  • [FONT=0)Carbon Nanotubes (CNTs): [DFLT:1), Cylindrical structures ofized (SWCNTs) veya çok duvarlı (MWCNTs) ve genç modulus (~1 TPa), yüksek termal ve elektrik iletkenliği ile birlikte.
  • [FONT=0)Graphene ve türevleri: [Dönetici: 0,2 cm3 nüks edilen karbona karşı iki boyutlu çarşaflar. Graphene nanotüpler (GNPs) kümelenmiş tabakalar, mükemmel mekanik takviye, yüksek termal iletkenlik ve bariyer özellikleri sunar.
  • [FONT:0]Nano-clays:[Dönetici: Katmanlı silikler, polimer içinde karşılıklı veya ekslenmiş olabilir. Mekanik sertlik, alev gecikmesi ve düşük yüklemelerde bariyer özellikleri geliştirirler.
  • [FONT=0]Nanofiberler:[Dönetici:[Dönetici:0)Nanofiberler:[Dönetici:[Döneticiler: 0) Fibrous malzemeler 100 nm altında, genellikle polimerlerden veya seramiklerden elektrospun. bir boyutta takviye sağlar ve hiyerarşik kompozitler oluşturmak için kullanılabilir.
  • [FONT=0) Metal oksit nanopartiküller: [Dönetici: [Dönetici: 1), alumina (Al2O3) ve titania (TiO2), mekanik özellikleri geliştirir ve UV direnci veya katalitik aktivite gibi ek fonksiyonellikleri verebilir.

Nano-reinforced PMC'lerin performansı sadece dolgunların temel özellikleri üzerinde değil aynı zamanda dağıtım durumu, yönelim, hacim kesik ve dolgun arayüz kalitesi için de geçerlidir. Bu faktörlere doğru modellemek için doğru bir şekilde gereklidir.

Nano-Enhanced PMCs için Anahtar Modelleme Yaklaşımları

Nano ölçekli takviyelerin etkisini modellemek, fenomenleri çok uzun ve zaman ölçekleri arasında yakalayabilir yöntemler gerektirir - atom seviyesindeki etkileşimlerin makrooskopik süreklilik davranışına kadar. Aşağıdaki bölümler bu alanda kullanılan birincil modelleme tekniklerini detaylandırır.

Mikromekanik Modeller

Mikromekanik modeller, bileşik aşamalardan elde edilen özellikleri, hacim kesleri ve geometrileri ile kompozitleri homojen bir malzeme olarak tedavi eder. Classic yaklaşımlar şunlardır:

  • [FONT:0) Sürekli fiber kompozitler için kodlar için kodlar: Basit bir lineer interpolasyon sağlar ve daha düşük (Reuss) sertleştirici ve diğer özellikler için sınırlar. Sürekli fiber kompozitler için faydalı olsa da, genellikle nano-reinforcezler için başarısız olur, çünkü üst düzeydeki alanı ve oran etkilerini ihmal eder.
  • [FONT:0)Mori-Tanaka Yöntemi:), Etkileyici bir bileşikliğe dahil ederek etkileşimleri dahil etmek için hesapların tek bir dahil edilmesi için hesapların yerleştirildiği daha ayrıntılı bir model.
  • [FONT:0) Kendi kendine ait bir Schemes: Bu yöntemler her aşaması etkili bir ortamda yer alan bir dahil olarak görür, ki bu özellikle de kesin hacim yüksek olduğunda geçerlidir.
  • [FONT:0)Shear Lag Modelleri: [Döneticileri için gelişmiştir, oar lag modelleri matrix ve takviye arasındaki stres transferini öngörür.For nano-fillers, changes account for interfafay region – fiziksel veya kimyasal etkileşimleri nedeniyle yedeklenen polimer özellikleri bölgesi.

Mikromekanik modeller hesaplamalı olarak verimlidir ve elastik özellikler, termal iletkenlik ve elektrik iletkenliği (toplama teorisine karşı) makul tahminler sağlayabilirler. Ancak, genellikle deneysel verilerle kalibrasyon gerektirir ve doğrusal olmayan davranışları veya hasar evrimi yakalamayabilirler.

Finite Element Analizi (FEA)

Finite element analizi, ekin çemberleri ve optik bir temsilcilik hacmi elementi (RVE) içinde ayrıntılı bir şekilde stres simülasyonunu sağlar.For nano-reinforced PMCs, FEA özellikle ekinler, interfayt gradients yakın, ve optik sertlik üzerindeki geometrinin etkisini incelemek için değerlidir.

Bir nano-kompo sitesinin bir modeli oluşturmak birkaç adım içerir:

  1. [FONT:0) Gerçek bir RVE'yi yürütmek: RVE, rastgele dağıtım veya uyumlu devletlere ait algoritmaları kullanarak istatistiksel olarak temsil etmek zorunda kalır. RVE'nin büyüklüğü, hesaplama maliyetlerini yönetmek için yeterince büyük olmalıdır.
  2. [FONT=0) Geometriyi Örttü:[DÜT 1: 1 ) Nano ölçekli özellikler, ek devredüşün arayüze yakın yüksek çözünürlükte yüksek çözünürlükte bulunan yüksek çözünürlükteler yakalamak için çok iyi ağlar gerektirir. Adaptif ağ oluşturma ve kohesive bölge elemanları bazen model debonding veya Interfaksiyon başarısızlık için kullanılır.
  3. [FONT:0) Malzeme özelliklerini yerine getirmek:[Dönetici:[Dönetici:0)Templeksiyon, eksperatif veya elastik-plastik modeller genellikle lineer elastik olarak tedavi edilirken.
  4. [FONT:0)Temel sınır koşulları:[Dönemli sınır koşulları:[Dönemli sınır koşulları genellikle periyodik mikroyapıyı simüle etmek ve homojenleştirilmiş özellikleri çıkarmak için kullanılır. Mekanik yükler, termal gradientler, veya elektrik potansiyelleri uygulanabilir.

FEA, CNT-reinforced kompozitlerin etkili elastik modlarını tahmin etmek için başarıyla uygulanmıştır, grafiken polimerlerin termal iletkenliği ve nanokompositler için elektrik kesintisi davranışı. Ancak, özellikle yüksek dolgulu yüzeyler için veya van der Waals gibi nano ölçekli fenomenler için hesaplamak yoğun kalır.

Moleküler Dinamik (MD) Simülasyonlar

Moleküler dinamik simülasyonlar atomların ve moleküllerin atomik potansiyellere dayanan hareketini modelliyor (güçlü alanlar). MD, reinforcing etkisini yöneten atomik mekanizmaların araştırılmasına eşsiz bir şekilde uygundur: Interfaksiyon tabakalarının oluşumu, eşdeğerli veya non-kovalent tahvilleri ile transfer ve fonksiyonelleştirmenin etkisi.

Nano-reinforced PMC'lerde MD'nin temel uygulamaları şunları içerir:

  • [FONT:0] Interfaksiyon bölgesine dikkat edin: MD, polimer yoğunluğu, hareketliliği ve modulusların nano-filler yüzeyinin yakınında nasıl değiştiğini ortaya koyar. Bu yerel özellikler sürekli modeller için ölçeklenebilir.
  • [FONT:0) Bir polimer matrisinden CNT veya grafik levhasının çekilmesiyle, MD, interfacial stres transfer kapasitesini tahmin edebilir.
  • [FONT:0) Fonksiyonelleştirmenin etkisini hayal edin: Fonksiyonel grupların (örneğin, -OH, -COOH) nano-kapacılara kimyasal bağların interfacial bağlarının nasıl artırıldığını anlamak için simul edilebilir.
  • [FONT:0)Köpektif taşımayı reddetmek: [Dönetici:0) Katı-matrix arayüzünde ısı iletkenliği modellemek için kritik bir parametre.

MD simülasyonları sistem büyüklüğü (tipik olarak on nanometre) ve zaman ölçeği ( mikrosaniyelere yeni başlayanlar) ile sınırlıdır, ancak yüksek ölçekli modeller için temel giriş parametrelerini öngöremezler.

Çok ölçekli Modelleme Teknikleri

Geniş uzunluk ölçeklerinin yer aldığı gibi, tek bir modelleme yöntemi nano-reinforced PMCs'in tam davranışını yakalamak için yetersizdir. Multiscale modelleme atom, mikro ve sürekli ölçekler tutarlı bir şekilde entegre eder: Common stratejileri şunlardır:

  • [FONT=0]Sequential multiscale modeling: MD veya koarse-grained simülasyonlar, özellikler (örneğin, interfacial güç) mikromekanik modellere veya FEA'ya geçilen en yaygın kullanılan yaklaşımdır.
  • [FONT:0)Mevcut çok ölçekli modelleme:[Dönetici: 0D:0) Simülasyon alanının farklı bölgeleri aynı anda farklı ölçeklerde modellenir. Örneğin, sonlu bir element modeli, bir çatlakların yakınında atomik bir bölge ile çiftleştirilebilir.Bu yaklaşım hesaplamalı olarak pahalı ama yüksek sadakat sunar.
  • [FONT:0)Makine öğrenme- çok ölçekli modelleme: MD veya mikro ölçekli simülasyonlardan elde edilen modeller pahalı hesaplamaları değiştirebilir ve tasarım alanlarının hızlı araştırmalarını sağlayabilir.

Çok ölçekli yaklaşımlar temel nano ölçekli etkileşimleri ve mühendislik ölçekli performans arasındaki boşluğu pekiştirmek için gereklidir, onları modern kompozit tasarımın temel bir temel taşı haline getirir.

Nano-Reinforces'ın Kompozit Özellikler Üzerinde Etkileri

Nano-reinforcements, polimer kompozitlerin mekanik, termal, elektrik ve bariyer özelliklerini derinden değiştirebilir. Aşağıdaki alt bölümler, birincil etkileri ayrıntılı olarak ve onları anlamak için kullanılan modelleme çabaları ayrıntılı olarak değiştirebilir.

Mekanik Özellikler Mekanik Özellikleri

CNTs veya grafikene gibi nano-kapıları, Young'ın modulus, sertleştirici gücü ve yorgunluk direncini artırabilir. birincil mekanizmalar şunlardır:

  • [FONT:0)Load transfer:[Dönetici:[Dönetici) Verimli stres transferi, iç içe dönük güçlere bağlıdır. Güçlü interfacial bağ (kovalent veya güçlü non-covalent) önemli bir sertliğe yol açar.
  • [FONT=0)Crack bridging:[Döneticiler, nano-kapıları mikrokırları köprüler, onların propagandasını ve sertliğini güçlendirebilir.
  • [FONT:0]Oar bandlarının Nucleation of shear bands:) In ductile matrikes, nano- dolumlayıcıları hear verimini teşvik edebilir, enerji absorbe edebilir.

Mekanik geliştirme, dolgunluk ve interfacial davranışlarının doğru gösterimi gerektirir. Mikromechanical modeller (örneğin Mori-Tanaka) modulus kazanımlarını tahmin edebilir, FEA ve kohesive bölge modelleri, MDs gibi hasar mekanizmaları yakalarken, bu yüksek ölçekli modeller için gerekli olan interfacial parametreleri sağlar.

Termal Özellikler

Yüksek intrinsic termal iletkenliği ile nano-reinforceler (örneğin, CNTs: ~3000 W/mK, grafikene: -5000 W /mK) kompozit termal iletkenliği artırmak, ancak geliştirme genellikle kural-ilaçları arasında çok daha düşük olmasına rağmen, geçici termal direniş (Kapitza direniş) gerektirir:

  • [FONT:0]Effective orta yaklaşımlar: Geometriyi, yönelimi ve bir interfacial termal direnç terimini içeren Maxwell-Garnett veya Bruggeman modellerinin genişletilmesi.
  • [FONT:0)FEA termal iletişim davranışları ile ilgili:) Isı sınır yönlendirmesi olarak, ematrix arayüzünde eklenme.
  • [FONT=0)MD simülasyonları:[Dönetici:0) Kapitza direncini farklı-matrix kombinasyonlar için doğrudan hesaplayın.

Kristaliğin ötesinde, nano-kapılar ısı stabilitesini artırabilir (meyasyonun başlangıcı) ve elektronik ve diğer yüksek çözünürlük uygulamaları için önemli olan termal genişleme oranını azaltır.

Elektrik Özellikleri

Elektriksel olarak iletken nano-kapıları (CNTs, grafikene, metal nanoteller) eklemek, polimer matrisi modellemek için bir ayarlanabilir. Bu percolasyon fenomeni, kompozit boyunca bağlantılı bir eks formlar ağının gerçekleştiğinde oluşur:

  • Percolasyon eşi: Çeşitli büyüklükteki iletkenliklerin atıldığı kritik hacim fraksiyonu. Yüksek yön oranları çok düşük yüklemelerde percolasyon elde eder (genellikle <1 wt%).
  • [FONT:0)İletişim Direniş: [Dön-fillerdeki elektrik direnci büyük ölçüde genel iletkenliği etkiler. Tünel efektleri aynı zamanda ince polimer tabakaları tarafından ayrılandığında bir rol oynar.

Elektrik iletkenliği genellikle Monte Carlo simülasyonlarını rastgele dolum ağları oluşturmak ve percolasyon yollarını hesaplamak için kullanır. FEA daha idealize geometrilere uygulanabilir. Semi-empirical modeller percolation teorisi ve tünelleme direncini içeren deneysel verilere uymaya daha fazla kullanılabilir. Makine öğrenimi mikroyapısal descriptors'dan iletkenliği tahmin etmek için giderek daha fazla kullanılır.

bariyer ve diğer Özellikler

Nano-klays ve grafikene, özellikle gaz ve sıvı permeability azaltmak için etkilidir. Yüksek riskli mikroyapılar ile yüksek hacimli bir yol oluşturabilir, sert bir tabaka oluşturmak için (kesin model veya Cuslersler’in işkenceye dayalı modelleri gibi) ve UV direncini artırmak için, ek olarak, nano-reinforceler ek olarak, sert bir tabaka oluşturmak için ağırlamalar.

Nano-Scale Dondurucuları Modellemede Meydanlar

Önemli ilerlemeye rağmen, nano-reinforced PMCs modellemesi, tahmin edici doğruluk ve pratik uygulama kabiliyetine sahip zorluklarla doludur.

Dispersion ve Agglomeration

Nano-Uzmanlar güçlü van der Waals kuvvetleri nedeniyle agglomerate eğilimlidir, etkili yönü ve degrad özelliklerini azaltan kümelere yol açarlar. Çoğu model mükemmel veya rastgele dağılımı varsayar, ancak gerçek kompozitler genellikle farklı büyüklükte ve yoğunluktan agglomeratesler içerir. gerçekçi agglomerate dağıtımlar açık bir problemdir.Bazı yaklaşımlar görüntü tabanlı mikro-CT veya tarama elektron mikroskop mikroskop mikroskobundan (SEM) veriler, ancak bunlar pahalı ve materyale özel olarak sahiptir.

Interfacial Interactions

Polimer-filler arayüzü, polimer zincirlerinin değiştirilmiş yapı ve dinamikleri sergilediği nano ölçekli kalınlık bölgesidir. Bu interfaksiyon, büyük matrislerden farklı mekanik, termal ve elektrik özelliklerine sahiptir. Interfaşın belirli bir şekilde MD veya deneylerden veri gerektirir, ancak parametreler genellikle bilinmemektedir veya basitleştirilmiş bağlar oluşturur.

C ⁇ Maliyet

Yüksek sadakat modelleme, FEA'nın milyonlarca atomla iyi ağ veya MD'si olup, önemli hesaplama kaynakları talep etmektedir. Parametrik çalışmalar genellikle yetersiz sipariş modellerinin ve yarı-tavvetli yaklaşımların gelişimini motive etti, ancak bu fedakarlıklar sadakat veya genellik.

Geçerlilik ve Karakterizasyon

Model tahminleri deneysel verilere karşı doğrulanmalıdır. Ancak, nano-kompretleri karakterize etmek zordur: yerel dışsal özellikleri, yönlendirme dağıtımlarını ölçmek ve agglomerasyon seviyelerinin genellikle iletim elektron mikroskobu (TEM), atomik kuvvet mikroskobu (AFM), veya X-ray saçılma.

Future Yol ve Gelişen Trendler

Nano-reinforced polimer kompozitleri modelleme alanı hızla gelişmektedir, hesaplama yöntemlerinde ilerlemeler, deneysel karakterizasyon ve malzemeler bilimi ile yönlendirilmektedir. Birkaç trend geleceği şekillendirmektedir.

Makine Öğrenme ve Data-Driven Modelleri

Mikroyapısal özellikler veya proses parametrelerinden kompozit özellikleri tahmin etmek için kullanılan sayısal ağlar, Gaussian süreçleri ve rastgele ormanlar dahil olmak üzere makine öğrenimi (ML) teknikleri, yüksek sadakat simülasyonları veya deneyler tarafından üretilen büyük veri kümeleri üzerinde eğitim görebilir, hızlı mülk tahminleri ve ters tasarım sağlar (örneğin, verilen bir sertlik gereksinimi için gerekli olan optimal geometriyi bulmak için eksiyon gerektirir). ancak ML modelleri eğitim verilerinin ötesinde fazladan mücadele edebilir. Hybrid yaklaşımlar.

Örneğin, son çalışma, FEA ile kıyaslanma süresine doğrudan 2D mikroyapı görüntülerinden oluşan grafik/polimer kompozitlerinin etkili iletkenliğini tahmin etmek için convolutional sinir ağları (CNNs) kullandı.

Gelişmiş Karakterizasyon Entegrasyonu

Yeni deneyler nano-komposite mikroyapılar hakkında daha önce görülmemiş bir detay sağlar. situ TEM ve tarama mikroscopy, doğrudan güvenilir-matrix etkileşimleri ve başarısızlık mekanizmaları gözlemlerine izin verir. Nano ölçekli olarak, bu verileri modelleme iş akışlarına entegre edebilir - Bayesian kalibrasyonuna izin verir - örneğin - farklı materyal sistemleri ile daha doğru tahminlere olanak sağlar.

Sürdürülebilir Nano-Reinforcements

Sürdürülebilirlik için zorlama büyüdükçe, bu dolguların yüzey kimyası, hipoksisiteleri (CNC) gibi biyo-rein kuvvetlendirmeleri ve nanofiberler ve ligin nanopartikülleri, bu dolguların tüm organik özellikleri nedeniyle ek karmaşıklıkları ortaya çıkarabilirler.

Süreç-Property Entegrasyon

Sonuçta, modelleme, bileşik tüm yaşam döngüsü için dikkate almalıdır - ham malzemeler ve işleme (toplama, paketleme, tedavi) servis koşulları altında performansa olanak sağlar. Linking process modelleri (örneğin, yapı modelleri (örneğin, eksaj, dönüşüm evrimi) ve mülk modelleri büyük bir meydan okuma sunar.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Nano ölçekli takviyelerin polimer matrix kompozitlerine olan etkisini modellemek, çok yönlü bir optik uygulama, kuantum kimyadan gelen köprülerin sürekli mekanikleri tahmin etmesi ve karbonatlama yöntemine nasıl izin verilmesi gerektiği konusunda çok yönlü bir çabadır.

Nanokompositler için hesaplama yaklaşımları hakkında daha fazla okuma için, ESFLT tarafından kapsamlı bir incelemeyi bakınız:0)Compositler Bilim ve Teknoloji) çok ölçekli polimer nanokompozisyonları hakkında bilgi ve araçlar) Nanotoksitler üzerinde başka bir mükemmel kaynak erişilebilirlik sağlar.Son olarak, tasarımda kullanılan kompozitler için kullanılan makine öğreniminin rolü, son derece net bir şekilde incelenir.