本研究调查了通过激光粉末床熔合 (L-PBF) 和激光粉末定向能量沉积 (LP-DED) 制造的 Haynes 230 的微观结构和室温力学性能。L-PBF 和 LP-DED 样品均经过类似的多步热处理 (HT):应力消除 (1066°C,持续 1.5 小时),然后进行热等静压 (1163°C 和 103 MPa,持续 3 小时) 和固溶退火 (1177°C,持续 3 小时)。采用扫描电子显微镜进行微观结构分析。进行室温单轴拉伸试验以评估力学性能。L-PBF 和 LP-DED 样品在 HT 后的微观结构变化和拉伸结果具有可比性。在高温下,非热处理条件下观察到的微观偏析和树枝状微观结构几乎完全溶解,并且在 L-PBF 和 LP-DED 样品中的晶粒内部和晶粒边界内形成了碳化物相 (M 6 C/M 23 C 6 )。最后,研究了拉伸载荷下的失效机制,并通过断口分析进行了比较。关键词:增材制造、Haynes 230、激光粉末床熔合、激光粉末定向能量沉积、拉伸性能。
为了弥补异种材料和复合材料的功能限制,人们通过各种工艺实现了 FGM(功能分级材料)结构。随着 3D 打印技术的发展,可以将材料局部应用于所需区域,因此 FGM 的应用范围有望扩大。特别是,使用 DED(定向能量沉积)方法的 3D 打印工艺可以组合各种材料,并且可以说是实现 FGM 结构的合适工艺,因为还可以通过改变结构和热输入来控制密度。在本研究中,为了在钢和镍材料之间组成异种结构,进行了 STS316L 和 IN625 之间异种材料的沉积。特别是,通过应用 FGD(功能分级沉积)结构,根据每种成分比评估微观结构和机械性能。在STS316L与IN625的FGD界面,确认了各组成比的成分分布,在STS316L(80wt.%):IN625(20wt.%)的组合截面上观察到了裂纹。确认了力学性能后,虽然在同样的截面上也观察到了断裂,但内部也观察到了未熔融相,因此认为微观结构与力学性能之间的关系有待进一步研究。
摘要 以两种特性黏度差异较大的聚对苯二甲酸乙二醇酯(PET)为原料,采用熔融纺丝制备自卷曲并列双组份长丝(SBSBF),利用广角X射线衍射、差示扫描量热法(DSC)、扫描电子显微镜等研究了体积配比对双组份长丝表面形貌、结晶度、卷曲性能、力学性能和收缩性能的影响。此外,体积比为50:50的双组分长丝的卷曲性能优于其他体积比的长丝。
飞机制造中不可或缺的组成部分是对结构元件和材料进行耐久性现场试验和实验室试验(Starke、Staley 1996;Ostash 等2006)。用于生产飞机机身的结构材料应具有抗塑性和抗老化性(Merati 2005)。同样,火箭和飞机结构以及化学、石化和运输结构的耐久性(考虑到材料的塑性和强度)也需要确保,这些结构在不同物理性质的严重影响下运行,包括局部载荷和接触相互作用(Merati 2005;Smith 等2000;Lo 等2009)。因此,开发提高材料力学性能的新方法非常重要。其中之一就是改性
经过验证的性能和可靠性 0851HL 型号皮托管基于 40 多年的空气数据探测器设计和制造经验。每个皮托管都经过精心设计,以满足其特定应用的精确要求,其性能和可重复性通过每个生产单元的校准进行验证。为了确保压力测量不会在使用寿命内下降,Sensor Systems 继续开发坚固的皮托管进气口,使其不易受到损坏和侵蚀。大量的风洞和飞行评估数据使 Sensor Systems 能够充分了解磨损对空气动力学性能的影响,并在其探测器设计中将这些影响降至最低。
近年来,混凝土技术研究领域取得了长足的进步,其主要发展方向有两个:对卓越力学性能的不懈追求和对可持续性的日益重视(Li,2019)。在工程范式不断发展以及对能够承受极端环境和负载条件的弹性基础设施的需求不断增长的背景下,提高混凝土的力学性能对于增强现代建筑的结构完整性和安全性至关重要(Gong et al.,2023;Yu et al.,2024)。同时,工业化的不断推进产生了大量废物和副产品,这些废物和副产品通常被送往垃圾填埋场,从而加剧了空气污染并增加了碳排放。因此,开发可持续混凝土材料和结构已成为减轻环境负担和实现碳中和的关键解决方案。这种模式转变不仅符合全球应对气候变化的要求,而且为废料的创新增值利用开辟了有希望的途径。然而,高性能混凝土材料的发展之路往往充满挑战,特别是材料成本高昂以及生产过程中产生的碳排放,这阻碍了它们在结构工程中的广泛应用。为了克服这些障碍,研究人员将重点放在工业、城市和农业残余物或副产品的研究领域,探索它们作为混凝土关键成分(包括水泥基粘合剂、骨料和纤维增强材料)的部分替代品的潜力(Xiang 等人,2023 年;Merli 等人,2020 年)。通过整合废弃物,可以降低高性能混凝土的成本和碳足迹,同时促进循环经济的原则。
主要因为其优异的耐腐蚀性能而广泛应用于工业领域[1–5]。304 不锈钢是一种奥氏体钢,广泛用于化工厂管道和许多其他可能承受循环载荷的应用。疲劳寿命和裂纹起始位置的预测是工厂结构设计的重要方面。疲劳失效通常是由小于晶粒尺寸的微裂纹的产生引起的,然后微缺陷生长并融合为主要裂纹,接着是主要宏观裂纹的稳定扩展,最后是结构不稳定或完全断裂[6]。奥氏体不锈钢因其优异的力学性能而被广泛用作反应堆冷却剂管道、阀体和容器内部构件的核结构材料[7]。
摘要 — 使用植物纤维替代碳纤维或玻璃纤维等人造纤维是当今许多研究人员的研究课题。植物纤维具有可再生、可降解、低毒性和低成本等特点。本文评估了环氧聚合物基质中的剑麻纤维与玻璃纤维混合复合材料的拉伸强度、弯曲强度和弹性模量的力学性能。将纤维在 10% 重量的氢氧化钠溶液中处理,然后根据 ASTM D3039 和 D790 标准在万能试验机上进行拉伸试验。性能最好的复合材料是剑麻 + 玻璃纤维混合物,拉伸强度为 86%,弹性模量为 64%。在弯曲试验中,结果显示混合复合材料的最大应力为 119%,较大断裂应力为 138%。
个人简历 (CV) Grace X. Gu 博士 助理教授 加州大学伯克利分校 机械工程系 电子邮件:ggu@berkeley.edu (a) 专业任命 2018 年至今:加州大学伯克利分校机械工程助理教授 (b) 教育背景 密歇根大学,密歇根州安娜堡;机械工程;理学学士,2012 年 麻省理工学院,马萨诸塞州剑桥;机械工程;硕士,2014 年 麻省理工学院,马萨诸塞州剑桥;机械工程;博士,2018 年 (c) 精选出版物 40. Z Zhang、JH Lee 和 GX Gu。具有定制电动力耦合的压电超材料的合理设计,极端力学快报,2022 年 39. V Shah、S Zadourian、C Yang、Z Zhang 和 GX Gu。用于预测碳纤维增强复合材料力学性能的数据驱动方法,材料进展,2022 38. Z Zhang、Z Jin 和 GX Gu。使用混合物理和数据驱动框架的高效气动驱动建模,Cell Reports Physical Science,2022 37. S Lee、Z Zhang 和 GX Gu。用于具有优异力学性能的晶格结构的生成机器学习算法,材料视野,2022 36. Z Zhang、Z Zhang、F Di Caprio 和 GX Gu。用于加速双层复合结构设计过程的机器学习,复合结构,2022 35. K Brown 和 GX Gu。智能增材制造的维度,先进智能系统,2021 34. B Zheng、Z Zheng 和 GX Gu。通过高斯过程元模型对石墨烯气凝胶力学性能的不确定性量化和预测,Nano Futures,2021 33. YT Kim、YS Kim、C Yang、GX Gu 和 S Ryu。使用主动迁移学习和数据增强的材料设计空间探索深度学习框架,npj 计算材料,2021 32. F Sui、R Guo、Z Zhang、GX Gu 和 L Lin。用于数字材料设计的深度强化学习,ACS Materials Letters,2021 31. CT Chen 和 GX Gu。使用深度神经网络学习隐藏弹性,美国国家科学院院刊,2021 30. AY Chen、A Chen、J Wright、A Fitzhugh、A Hartman、J Zeng 和 GX Gu。构建参数对多喷射熔合生产的聚合物材料机械行为的影响,先进工程材料,2021 29. K Demir、Z Zhang、A Ben-Artzy、P Hosemann 和 GX Gu。使用神经网络进行金属增材制造缺陷预测的激光扫描策略描述符。制造工艺杂志,2021