聚合物复合材料在我们的日常生活中无处不在,因为它们的功能/机械性能[1],这种材料的机械性能是由构成结构[2]的纳米级/显微镜特征所支持的,并且在此主题上有一些出色的评论[3-7]。传统的机械测试方法获取有关聚合物及其复合材料的宏观物理特性的信息,重要的是要注意,可能会错过有关这些材料中存在的纳米级/微观结构的贡献的信息[8],并且在分析生物学样本(尤其是用于评估细胞机械的方法)方面存在重大兴趣。多尺度结构和宏观特性的相关性是当前分析研究的一个领域[10,11];可以采用各种不同的实验室和计算技术来理解
聚合物复合材料在我们的日常生活中无处不在,因为它们的功能/机械性能[1],这种材料的机械性能是由构成结构[2]的纳米级/显微镜特征所支持的,并且在此主题上有一些出色的评论[3-7]。传统的机械测试方法获取有关聚合物及其复合材料的宏观物理特性的信息,重要的是要注意,可能会错过有关这些材料中存在的纳米级/微观结构的贡献的信息[8],并且在分析生物学样本(尤其是用于评估细胞机械的方法)方面存在重大兴趣。多尺度结构和宏观特性的相关性是当前分析研究的一个领域[10,11];可以采用各种不同的实验室和计算技术来理解
在增材制造中,工艺参数直接影响材料的微观结构,从而影响所制造部件的机械性能。本文旨在通过在扫描电子显微镜 (SEM) 下结合高分辨率数字图像相关 (HR-DIC) 和电子背散射衍射 (EBSD) 图进行原位拉伸试验来表征局部微观结构响应,从而探索这种关系。所研究的样本是从通过定向能量沉积构建的双向打印单道厚度 316L 不锈钢壁中提取的。通过统计分析表征了晶粒的形态和晶体学纹理,并将其与该工艺的特定热流模式相关联。根据晶粒大小将其分为位于打印层内的大柱状晶粒和位于连续层之间界面的小等轴晶粒。原位拉伸实验的加载方向垂直于或沿打印方向进行,并展示不同的变形机制。对每个晶粒的平均变形的统计分析表明,对于沿构建方向的拉伸载荷,小晶粒的变形小于大晶粒。此外,HR-DIC 与 EBSD 图相结合显示,在没有单个或成簇的小晶粒的情况下,应变局部化位于层间界面处。对于沿打印方向的拉伸载荷,应变局部化存在
对胎儿上腹部的超声检查提供了现场评估。如果Situs正常(Situs solitus),则动脉血管(主动脉)位于静脉血管的左侧和后面,即下腔静脉。在上腹部视图中,左侧异构体很容易通过静脉血管(Azygos/hemiazygos)在动脉血管(主动脉)后面的事实来识别。左异构体(situs含糊)是心房和肺在左侧重复的条件。在几乎所有左同源主义的情况下,都没有静脉静脉的肝片段,并通过静脉静脉和/或半二元静脉排水(图1A)。此外,由于两个心房在形态上都是左侧,因此缺乏右窦节点,因此,由于心脏阻滞而导致心动过缓的风险在左侧异构主义中增加。实际上,更复杂的CHD,例如不平衡的心室间隔缺陷(AVSD)和双右心室流出区,通常与SITUS异常有关(图1B)。4,5
在极高的温度下,陶瓷的关键参数之一是其抗蠕变性。蠕变行为的表征通常通过弯曲试验进行评估,当拉伸和压缩之间出现不对称时,蠕变行为的表征会变得复杂。为了检测和量化这种不对称行为,建议使用数字图像相关 (DIC)。首先,高温下 DIC 需要解决几个挑战,即随机图案稳定性、辐射过滤和热雾。由于加热陶瓷的可能性有限、应变场不均匀及其水平低,这些挑战更加严重。除了几项实验发展之外,由于使用了基于临时有限元运动学的两种 DIC 全局方法,应变不确定性得到了降低。最后,将所提出的方法应用于高抗蠕变性能设计的工业锆石陶瓷在 1350°C 下的不对称蠕变分析。
测试样品或相机的平移。虽然使用立体 DIC 进行成形性测试具有许多优势,但商用立体 DIC 系统的高成本仍然是其广泛使用的重大障碍,特别是在需要大量投资的学术机构中。在这方面,如果有办法克服 2D DIC 测量中与平面外平移相关的误差,它将为大规模采用 DIC 进行成形性测试铺平道路。在之前的出版物 [3] 中,作者表明,如果操作正确,即使对于较大的局部应变(断裂应变),2D DIC 测量也可以与立体 DIC 测量相匹配。除此之外,作者之前还提出了一种简单的补偿方法,用于使用单相机 DIC 系统从 Marciniak 测试中获得准确可靠的平面内 FLC [4]。他们的方法不适用于平面外 Nakazima 测试,该测试在金属板材成形行业中被广泛采用且更受欢迎。这项工作解决了这一差距,并提出了一种与材料无关、简单且易于实施的 2D DIC 应变补偿方法,用于确定非平面 Nakazima 球冲试验中的 FLC。
本文由 TigerPrints 汽车工程部门免费提供给您,供您免费访问。它已被 TigerPrints 授权管理员接受并纳入出版物。如需更多信息,请联系 kokeefe@clemson.edu。
到实验数据集。13,14 副作用是,裂纹尖端载荷以及高阶项也由该方法确定。15 与直流电位降 (DCPD) 16,17 或柔度法等经典裂纹长度方法相比,18,19 图像分析技术能够检测各种形状的裂纹。20,21 然而,由于 DIC 数据集中的实验散射或伪影,裂纹路径(尤其是裂纹尖端)的全自动检测通常受到限制。22,23 因此,在 fcp 实验期间将 DIC 应用于大量(几百张)图像总是伴随着大量的手动工作,这构成了研究过程中的瓶颈。机器学习,更具体地说是深度学习,正在成为土木工程结构健康监测的有前途的工具。这涉及特定表面检查以检测建筑物中的裂缝,24,25
Christopher_Niezrecki@uml.edu、jbaqersad@kettering.edu 和 Alessandro_Sabato@uml.edu 1 马萨诸塞大学洛厄尔分校机械工程系,1 University Avenue,洛厄尔,马萨诸塞州 01854,美国。2 凯特林大学机械工程系,1700 University Avenue,弗林特,密歇根州 48504,美国。