氰酸酯改性环氧及双马来酰亚胺树脂的进展

应用氰酸酯改性环氧及双马来酰亚胺等热固性树脂，不仅可以发挥氰酸酯优良的介电性能等特点，而且可以改善这些树脂的耐湿热性能和抗损伤性能等。本文简要介绍了氰酸酯改性环氧树脂及双马来酰亚胺树脂的改性方法及其改性化学反应特性，并从其湿热性能、玻璃化转变温度、力学性能及电性能等方面作了扼要阐述     

智能自修复型聚合物基复合材料

自修复聚合物基复合材料作为一种新颖的智能结构功能材料,通过实现微裂纹的自愈合,为预防潜在的危害提供了一种新方法,在一些重要工程和尖端技术领域孕育着巨大的发展前景和应用价值。通过研究自修复体系的结构与修复性能的关系,修复剂的修复机理,以及修复过程的动力学,从而研制出在使用环境下可长期储存,对裂纹能进行快速高效自修复的材料,无论在理论上还是实践上都具有重要意义。     

氧化石墨烯改性环氧树脂及其复合材料的性能

采用机械研磨的方法制备氧化石墨烯(GO)改性环氧树脂(GH81),利用光学显微镜对GO在环氧树脂(H81)中的分散情况进行分析,通过流变仪和差示扫描量热仪对H81和GH81的热熔行为和固化行为进行表征。结果表明:GO均匀分散在基体树脂中,GO的加入不影响基体树脂的熔融黏度和固化条件;以GH81为基体树脂的碳纤维复合材料GH81-300的0°方向拉伸强度、弯曲强度和压缩强度分别为2270 MPa、2239 MPa和1529 MPa,分别较未添加GO时提高了6.4%、7.2%和7.1%。     

先进复合材料中温固化树脂基体的研究

利用一种新型的液体单核芳香胺类固化剂二甲硫基甲苯二胺(DADMT)与4,4,-二胺基二苯甲烷(DDM)共混作为固化剂研制了一种中温固化胶粘剂,并对两种固化剂的加入比例及体系的反应性、使用期,粘度以及浇铸体的性能和固化机理等进行了初步研究.研究发现,两种固化剂共混比例在1∶1(摩尔比)时温度在40℃左右即可熔融,而且固化产物的性能相对也较高.     

RFI用环氧树脂固化动力学研究

用DSC研究了RFI工艺用环氧树脂的固化过程,研究表明：该固化反应较复杂,其反应动力学方程为dα/dt=2.27×10^4exp（-4764.65/T）（1-α）^0.861.为RFI用环氧树脂固化工艺的确定提供了理论依据.     

新型环氧树脂潜伏性促进剂的合成、表征及性能研究

合成了新型环氧树脂潜伏性促进剂三(乙酰乙酸十八酯)铝,采用DSC,FT-IR,H-NMR、元素分析分别对其热分解机理、化学结构、物质纯度进行了表征.研究了以环氧ZH92-21∶双酚S∶三(乙酰乙酸十八酯)铝=l00∶3∶0.5为配比的树脂体系的固化制度、潜伏性和力学性能,树脂体系的表观粘度在室温储藏7个月后基本没有变化,相分离是其具有优异潜伏性的主要原因.     

航天器用4211环氧树脂体系湿热老化试验与贮存寿命评估

针对航天器用4211环氧树脂体系材料在地面贮存过程中无成熟寿命评估方法可借鉴以及受时间限制无法采用自然老化法获得贮存寿命的问题,采用加速老化试验的方法研究了其湿热老化性能,建立了湿热老化寿命模型,并利用该模型对4211环氧树脂体系的贮存寿命进行了预测。结果表明：温湿度对4211环氧树脂体系材料的力学性能影响较大,拉伸试样表面形貌及断口形貌在老化试验前后未发生明显变化;材料在加速湿热老化试验过程中没有生成新的官能团;以拉伸强度指标推算出4211环氧树脂体系在温度为20℃、相对湿度为60%条件下的贮存寿命为6.1年。     

环境温湿度对蜂窝增强硅橡胶基低密度烧蚀材料硬度的影响

介绍了环境温湿度以及促进剂用量、酸酐用量对窝增强硅橡胶基低密度烧蚀材料硬度的影响。试验发现蜂窝增强硅橡胶基低密度烧蚀材料硬度沿厚度方向呈规律变化：从外向里材料硬度逐渐降低,室温存放时间长的材料硬度降低的梯度小;密度小的材料硬度降低梯度小;促进剂量多的材料硫化后材料表面硬度大,从外向里硬度降低梯度大。其酸酐用量最佳起来 环氧树脂的３０％（质量分数）。     

国外不锈钢筋的研究动态

钢筋锈蚀引起砼工程结构的裂缝、甚至结构的破坏,是使工程师们感到头痛的事,对于钢筋砼的抗蚀问题从来是十分关心的。现场和实验室的数据业已证明,在恶劣的氯离子环境中,不锈钢包覆钢筋及实心不锈钢筋在砼结构中具有极好的抗蚀性。该文不国外对不锈钢筋的研究成果作简要的介绍。     

数据驱动的装药浇注过程关键参数预测

当前固体火箭发动机制造过程中推进剂生产质量波动大,而浇注速度及浇注量是影响装药质量的关键工艺参数。针对在混合锅结构限制、药量巨大以及热固性推进剂粘度随时间变化而变化的工艺特点导致壳体内无法布置传感器直接测量浇注速度和浇注量等关键参数的问题,通过机器学习技术,利用可直接测量的与浇注速度和浇注量相关的其他工艺参数以及设备运行参数等大量试验数据构建浇注速度和浇注量的在线预测模型,实现其间接软测量。首先,采集可直接测得的实测工艺参数作为训练和测试数据;然后,结合浇注花板的具体结构,通过支持向量机和极限学习机等非线性回归的机器学习方法训练数据,建立壳体花板出口处的浇注速度和浇注量回归模型,用于在线预测;最后,在实验室环境下的缩比模拟器上进行浇注速度和浇注量检测验证,表明该方法为装药浇注工艺过程的数字化和智能化可行性提供了依据。