通过随机建模研究基于碳黑的导电聚合物复合材料的电机性能
Tyler Albright1, Jared Hobeck1
1Alan Levin Department of Mechanical & Nuclear Engineering, Kansas State University, Manhattan, KS 66506, USA.
Nanomaterials (Basel, Switzerland)
|May 27, 2023
概括
本研究引入了一个随机模型,用于预测导电聚合物复合材料 (CPC) 的电机性能,用于结构健康监测. 该模型准确地预测了疲劳下的材料行为,超过了现有的分析方法.
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 聚合物科学 聚合物科学
背景情况:
- 导电聚合物复合材料 (CPC) 在结构健康监测方面表现有前途.
- 疲劳会导致CPC机电性质的不可逆转变化,限制其应用.
- 准确预测这些变化对于可靠的结构健康监测至关重要.
研究的目的:
- 开发和验证CPC的高保真度随机建模框架.
- 为了预测CPC在疲劳下的大规模电机性能.
- 将模型的预测与实验数据和现有的分析模型进行比较.
主要方法:
- 使用造制造CPC狗骨标本.
- 通过单轴拉伸测试来表征机电性质.
- 采用随机建模框架与参数调整,以提高保真度.
主要成果:
- 机电性质的模型预测与实验结果一致.
- 与以前的方法相比,随机模型显示了改进的模拟忠实性.
- 该模型的预测还与文献中流行的分析模型进行了比较.
结论:
- 开发的随机建模框架对于预测CPC电机性能是有效的.
- 这种方法为评估结构性健康监测中的CPC行为提供了一种高保真度工具.
- 这些发现有助于在苛刻的工程环境中可靠地应用CPC.
