拉伸载荷下GFRP疲劳韧性-寿命模型

<正>由于玻璃纤维增强复合材料(Glass fiber-reinforced plastics,GFRP)在受拉伸循环载荷作用下的疲劳寿命机理不同于金属材料。金属材料主要是由一条控制整个材料疲劳性能的主裂纹扩展而导致材料破坏,而复合材料疲劳破坏机理则比较复杂,即在疲劳加载过程中产生基体裂纹、界面脱胶、分层和纤维断裂以及由它们相互作用而产生的诸多破坏形式。所以寻找一个合适的有较明确物理意义的损伤参量来估算复合材料疲劳寿命是迫切的,也是很有必要的。     

AP/Al/CMDB推进剂的断裂特性实验研究

开展了关于AP/Al/CMDB推进剂在2mm/min拉伸速率下的断裂实验研究,利用CCD光学显微镜实时监测了裂纹的起裂与扩展过程,并阐述了裂尖材料的损伤演化机理;结合电镜扫描(SEM)技术对推进剂的断面形貌进行了表征,分析了大粒径高氯酸铵(AP)的微观结构演化机理;采用积分法获得推进剂的断裂能。结果表明:推进剂在起裂与扩展过程中裂尖区域材料存在明显的损伤现象,AP颗粒的脱湿行为主导着微孔洞和微裂纹的萌生、成核、长大、合并过程,表征着推进剂的断裂机理,并控制着推进剂的非线性断裂特性;采用积分法获得推进剂在2mm/min拉伸速率下的断裂能为1.765±0.025N/mm。     

脉冲爆震发动机多循环工作过程仿真及性能分析

针对脉冲爆震发动机零维性能模型的局限性,建立了火箭式脉冲爆震发动机(PDRE)多循环工作过程的一维非稳态仿真性能模型,仿真模型能够捕获PDRE的非定常的工作特征,可研究各种调节参数对PDRE性能的影响,通过模拟计算直管PDRE和带收敛扩张喷管PDRE在多循环工作过程中的压力分布及其性能参数,可以看到,由于循环过程之间的耦合性,使得多循环脉冲爆震发动机(PDE)的内部流场与单循环PDE有很大的不同;同时,同样进气条件下,PDRE要比常规火箭发动机有优势,对其工作频率和隔离气体使用量是有要求的。     

原位合成TiC颗粒强化铝合金组织与性能

采用铝系合金2A14（LD10）作为母合金,利用原位合成法制备了TiC颗粒弥散强化铝基材料。显微组织观察表明,合金中的TiC颗粒呈等轴状,尺寸约为1～3μm。加入TiC颗粒后,合金铸态组织显著细化,室温抗拉强度和屈服强度得到一定程度提高,但塑性下降。150℃时,合金的拉伸性能变化随TiC加入量增加而变化的规律与室温相似。合金中TiC颗粒的引人大大提高了合金的耐磨性能。在油润滑条件下,TiC／2A14材料的耐磨损体积远远优于其母合金以及其他典型的金属耐磨材料,如耐磨黄铜、ZA30锌基合金和Al—30Si高硅铝合金。     

重合网格法在复合材料分层问题中的应用

使用重合网格法(S-FEM)分析了混合模态下CFRP层合板分层问题。首先将虚裂纹闭合技术集成到S-FEM程序中,求解了复合材料分层尖端处的应变能释放率。然后把重合网格法数值结果与基于梁理论的计算结果及实验数据进行了比较。结果表明,对于单方向及多方向CFRP复合材料层合板,重合网格法都能够得到更精确的数值,是一种有效的计算复合材料裂纹尖端应变能释放率的方法。     

PCBN刀具磨损性能的试验研究

对PCBN刀具车削淬硬钢、冷硬铸铁和复合材料等的磨损性能进行了试验研究,结果表明PCBN刀具的切削性能优于硬质合金与陶瓷刀具.近年来,PCBN刀具材料的制造工艺和综合力学性能有了很大的发展,它能有效地对黑色金属进行粗加工.     

有序多孔磁性碳化硅陶瓷的制备

采用聚二甲基硅烷(PDMS)和二茂铁合成了聚铁碳硅烷(PFCS).以有序氧化硅凝胶小球为模板、PFCS作先驱体,经过先驱体的渗入、不熔化、陶瓷转化和除去模板,制得氮气吸附法(BET)比表面积为703.46 m2/g的有序多孔含铁碳化硅SiC(Fe) 性陶瓷.     

电火花微细孔加工工艺实验研究

根据电火花微细加工的特点，通过各种工艺实验研究了微能放电参数、电极对材料以及加工液对电火花微细孔加工速度和侧边间隙的影响规律，寻求兼顾加工速度和精度的工艺参数组合。     

基体性能对碳／玻混杂复合材料压缩性能的影响

本文分析研究了两种不同基体的性能对玻璃纤维、碳纤维和碳/玻混杂纤维复合材料横向压缩性能的影响。结果表明:复合材料的横向压缩强度和模量主要取决于基体的压缩强度和模量,且随纤维横向模量的提高而提高。基体和纤维的性能影响着复合材料横向压缩破坏形式,横向压缩强度随破断角φ的减小而提高。     

拉-拉应力条件下蠕变-疲劳寿命预测

 本文讨论了应变能区分法(SEP),应变范围区分法(SRP),Ostergre M(OM)和频率修改法(FM)在拉-拉应力条件下应用的可行性。分析了滞后环为半开环状态下通过实验测量获得寿命预测所需的应变分量。叙述了应变能区分法(SEP)的数值计算方法(SEP-NCM)应用的有效性和预测能力。