FRTPC

检测物质挤出添加剂中的多尺度缺陷

摘要：添加剂制造（AM）缺陷在纤维增强的热塑性复合材料（FRTPC）中面临着重大挑战，直接影响其结构和非结构性表现。通过基于材料挤出的AM产生的结构，特别是融合的细丝制造（FFF），逐层沉积可以引入孔隙率（在某些情况下最高10-15％），分层，空隙，纤维错位和层次之间的不完整融合。这些缺陷会损害机械性能，从而导致抗拉强度最多降低30％，在某些情况下，疲劳寿命高达20％，严重降低了该复合材料的整体性能和结构完整性。常规的非破坏性测试（NDT）技术通常难以有效地检测此类多尺度缺陷，尤其是当解决方案，穿透深度或物质异质性构成挑战时。本综述对FRTPC中的制造缺陷进行了严格的研究，根据形态，位置和大小对FFF诱导的缺陷进行了分类。讨论了能够检测到小于10 µm的空隙，以及与自感应纤维集成的结构健康监测系统（SHM）系统的高级NDT技术。与传统的NDT技术相比，还突出了机器学习算法（ML）算法在增强NDT方法的灵敏度和可靠性中的作用，这表明ML积分可以提高缺陷检测高达25–30％。最后，研究了配备连续纤维的自我报告FRTPC的潜力，用于实时缺陷检测和原位SHM。通过将ML增强的NDT与自我报告的FRTPC相结合，可以显着提高缺陷检测的准确性和效率，从而通过启用更可靠的，缺陷，更可靠的，最低的FRTPC组件来促进AM在航空航天应用中的广泛采用。