使用高级机器学习(ML)的物理信息建模(PIM)代表混凝土技术领域的范式转变,提供了科学严谨和计算效率的有效融合。通过利用基于物理原理和数据驱动算法之间的协同作用,PIM-ML不仅简化了设计过程,还可以增强混凝土结构的可靠性和可持续性。随着研究继续完善这些模型并验证其性能,他们的采用有望彻底改变整个全球建筑项目中混凝土材料的设计,测试和利用。在这项研究工作中,一项广泛的文献综述,生成了一个全球代表性数据库,用于沉迷于可回收骨料混凝土的裂纹拉伸强度(FSP)。测量并列出了研究的混凝土组件,例如C,W,NCAG,PL,RCAG_D,RCAG_P,RCAG_WA,VF和F_TYPE。将收集的257个记录分为200个记录(80%)的培训集和57个记录(20%)的验证集(20%),以与数据库的更可靠分区相符。使用“ WEKA数据挖掘” 3.8.6版创建的五种高级机器学习技术用于预测FSP,并且还使用了Hoffman&Gardinger方法和性能指标分别评估变量和ML模型的灵敏度和性能。结果表明,KSTAR模型证明了模型之间的性能和可靠性水平最高,以0.96的r 2为0.96,精度为94%。其RMSE和MAE在0.15 MPa时均较低,表明预测和实际值之间的偏差很小。其他指标,例如WI(0.99),NSE(0.96)和KGE(0.96),进一步证实了该模型的效率和一致性,使其成为实用应用的最可靠工具。的灵敏度分析还表明,水含量(W)在40%处发挥了最大的影响,这表明混合物中的水量是实现最佳拉伸强度的关键因素。这强调了需要仔细的水管理以平衡可持续混凝土生产中的可行性和力量。粗大的天然聚集物(NCAG)具有38%的实质影响,表明其在维持混凝土混合物的结构完整性中的重要作用。
在定向能量沉积 (DED) 中,局部材料微观结构和抗拉强度由零件上每个空间位置经历的热历史决定。虽然先前的研究已经调查了热历史对机械性能的影响,但仍然需要一种物理上可解释、简约且具有良好预测精度的抗拉强度预测模型。本文研究了一种基于 Shapley 加性解释 (SHAP) 模型解释的数据驱动预测模型来解决这一问题。首先,将从先前的实验工作中翻译出来的物理上有意义的热特征用作神经网络的输入,以进行抗拉性能预测。然后计算各个输入特征的 SHAP 值,以量化它们各自对抗拉性能预测的影响,并使用累积相对方差 (CRV) 度量降低模型复杂性。对实验获得的 Inconel 718 (IN718) 抗拉强度的预测表明,通过开发的方法量化的特征影响可以通过先前研究的结果来验证,从而证实了神经网络预测逻辑的物理可解释性。此外,基于CRV的模型复杂度降低表明,简约模型只需要不到10%的原始特征即可达到与先前文献报道相同的拉伸强度预测精度,从而证明了基于SHAP的特征降低方法在改进DED过程表征方面的有效性。
抽象的碳化硅陶瓷由于其高抗压强度,高硬度和低密度而被广泛用于装甲保护。在本研究中,开发了一种基于板块影响技术的实验技术来测量陶瓷材料的拉伸强度。由于陶瓷的强度不通过动态载荷对应变速率高度敏感,因此使e效率保持在失败位置保持恒定的应变速率。数值模拟被用于设计几种波动加工的板层的几何形状,该板在冲击时会产生脉冲形的压缩波,平滑的上升和下降时间范围为0.65至1 µs。这种减震板损坏的实验是在设定在200至450 m/s之间的撞击速度的SIC陶瓷上进行的。多亏了激光干涉法分析,目标后面速度可在给定的应变率载荷下测量均方根骨架强度。使用脉冲载荷和实验确定的脉冲强度,通过弹性塑料数值模拟评估了故障区中的应变速率。在适当的板板设计时,发现板撞击技术可以正确控制良好的应变速率载荷,左右在10 4 -10 5 s-1左右,可以达到相对较长的上升时间。这项工作有望提供合适的工具来研究陶瓷材料的高应变率行为。
摘要 提高汽车燃油经济性标准要求开发具有优异机械性能且经济可行的钢板。淬火和分配 (Q&P) 热处理旨在产生富碳的亚稳态奥氏体,该奥氏体在变形过程中转变为马氏体,从而提高强度和延展性。在工业成型操作中,变形温度往往与环境条件不同,应变速率往往超过准静态速率 (>0.001 s -1 )。在本研究中,在 0.0001 至 0.1 s -1 的应变速率下对强度为 980 和 1180 MPa 的 Q&P 钢进行拉伸试验,同时使用热电偶和热成像评估绝热加热。扫描电子显微镜断口分析用于识别延性失效的机制,并用 x 射线衍射测量残余奥氏体以评估奥氏体转变的程度。
摘要:结构钢和混凝土是社会基础设施建设不可或缺的材料。然而,这些材料会随着时间的推移而发生降解,从而导致钢筋腐蚀。为了解决这个问题,人们使用纤维增强聚合物 (FRP) 进行加固。在本研究中,进行了拉伸试验,以评估 FRP 应用于缆索桥结构的材料特性。这些测试旨在研究提高粘结性能的各种参数。基于不同参数的实验,如果满足以下条件,则可以实现足够的粘结性能:砂浆水 ≤ 16%(无论制造商如何);劈裂深度与钢管长度比 ≥ 75%;砂浆注入方向向上/向下;以及使用纤维板加固。此外,试验中使用的钢管(长度为 410 mm,外径为 42.7 mm)在可加工性和成本效益方面表现最佳。通过进行更精确的测试来研究材料的基本特性,有可能实现更精确的条件以实现足够的粘结性能。这将有助于提高碳纤维增强塑料电缆在电缆桥架结构中的成本效益和安全性。
增材制造金属的机械性能各向异性有几个物理原因。这些原因包括但不限于方向依赖的晶粒和相形态、晶体结构、定向孔隙率/缺陷以及与熔池、分层微观结构相关的异质性。所有这些在大多数增材制造工艺中都很普遍,很难区分它们在机械各向异性中的作用。本综述重点介绍那些试图或合理地隔离其中一个或两个来源的研究,而不是简单地报告机械性能的趋势。这不是一份涵盖所有增材工艺或机械性能的详尽综述;主要评估的是激光粉末床熔合 (LPBF) 金属和拉伸试验结果(模量、屈服强度、极限拉伸强度、伸长率和断裂表面分析)。总之,LPBF 合金的各向异性拉伸性能的主要来源是晶体结构、各向异性微观结构形态、熔合缺陷不足和熔池宏观结构。在各向异性微观结构中,与相和特征(例如晶界 α、沉淀物等)的优先分布相比,拉长的晶粒似乎是次要的。各向异性模量和屈服强度主要由晶体织构引起。晶体塑性模拟支持了这一点。各向异性伸长主要由各向异性微观结构形态、未熔合缺陷和熔池宏观结构引起。支持这一点的证据来自遵循这些特征的断裂表面。熔池宏观结构是最难通过实验从其他各向异性源列表中分离出来的。一组激光工艺参数和合金的发现并不具有指导意义。在将拉伸各向异性的原因与特定来源联系起来之前,必须对上述来源进行表征。需要制定表征和操纵晶体织构、孔隙率、晶粒和相形态以及熔池宏观结构的策略,以更好地理解和控制 AM 金属中的机械各向异性。
研究了通过定向能量沉积获得的打印 316L 不锈钢薄壁结构的机械性能。对从增材制造的方形管中获得的小样品进行现场拉伸和断裂试验,并以相对于部件构建方向的三个不同方向提取。尽管该工艺产生了强取向的微观结构,但与文献中常见的厚样品或抛光样品相比,打印样品表现出降低的各向异性。此外,使用一个简单的模型表明,通过仅考虑材料厚度变化模式(由层堆叠过程引起)可以解释降低的各向异性。使用经过调整的数字图像相关程序分析断裂试验,该程序根据实验计算的 J 积分评估样品的断裂韧性。使用时间反转,可以识别靠近裂纹路径区域的应变场。然后根据拉伸试验中确定的本构行为计算应力场。提出了一种正则化程序来强制应力平衡。最后,使用各种积分轮廓计算 J 积分,以验证其路径独立性。在此基础上,确定了近乎各向同性的断裂韧性。额外的扫描电子显微镜观察表明,断裂表面特征与样品方向无关。这种明显的各向同性可以通过驱动裂纹萌生和扩展的未熔合缺陷的各向同性分布来解释。
由于暴露于高压气态氢,氢环境脆化 (HEE) 所引起的机械性能下降是液氢推进系统中许多材料面临的关键问题。自 20 世纪 80 年代初以来,美国国家航空航天局 (NASA) 一直在马歇尔太空飞行中心 (MSFC) 进行高压氢环境下的拉伸试验,以建立推进应用候选材料数据库。MSFC 过去常常在高压氢环境中以 0.005 in/in/min 的应变速率进行平滑拉伸试验,以评估材料的 HEE 敏感性。1 根据已发布的 NASA TM 的建议,拉伸试验应变速率近年来改为 0.0005 in/in/min。2 有充分的证据表明,平滑拉伸试验应变速率会影响合金 718、4340 钢、316 不锈钢和许多其他合金的 HEE 敏感性。 1,3–7 因此,以 0.005 英寸/英寸/分钟和 0.0005 英寸/英寸/分钟生成的数据显示,许多合金的 HEE 敏感性存在显著差异。
摘要:电子束定向能量沉积(EB-DED)是一种很有前途的制备大尺寸、完全致密和近净成形金属部件的制造工艺。然而,对于钛合金的 EB-DED 工艺了解有限。在本研究中,通过 EB-DED 制备了近 α 高温钛合金 Ti60(Ti-5.8Al-4Sn-4Zr-0.7Nb-1.5Ta-0.4Si)。研究了制备的合金的化学成分、微观结构、拉伸性能(室温和 600 ◦ C)和蠕变行为,并将其与传统锻造层状和双峰对应物进行了比较。结果表明,Al 和 Sn 的平均蒸发损失分别为 10.28% 和 5.01%。成品合金的微观结构以粗柱状晶粒、层状 α 和在 α / β 界面处析出的椭圆硅化物为特征。在拉伸性能方面,无论是在室温还是在 600 ◦ C 下,垂直试样的强度都低于水平试样,但延展性却高于水平试样。此外,在 600 ◦ C 和 150 MPa 条件下测量的 EB-DED Ti60 合金在 100 小时的拉伸蠕变应变在原有和沉积后的 STA 条件下小于 0.15%,符合变形 Ti60 合金的标准要求。EB-DED Ti60 合金的抗蠕变性能优于其变形双峰合金。
Polymer Type/Chemistry - Epoxy Epoxy Epoxy BMI BMI Polyimide Glass Transition, Tg Dry ºC >375 200 194 210 271 316 338 Tensile Strength (MPa) 105 120 83 45.5 103 - 38.6 Tensile Modulus (GPa) 4.0 4.6 4.1 4.2 4.6 - 3.9 Tensile Strain to Failure, % 4.0 1.7 - 1.15 4.8 - 1.5 Fracture Toughness, K 1C (MPa/m 1/2 ) 1.03 1.34 - 0.67 0.85 0.46 0.33 Flexural Strength (MPa) 140 - 69 - 163 - - Compressive Strength (MPa) 149 - - - - - - H 2 O Equilibrium Absorption 2.5% 3.1% - 3.1% 4.2% 4.3% 4.4%