XiaoMi-AI文件搜索系统
World File Search System拉伸试验
テクニカル インfoォメーション - ClassNK
第102届海上安全委员会（MSC 102）于2020年11月4日至11日召开。受新型冠状病毒感染的肺炎疫情影响，本次会议以视频会议方式召开。近期，IMO公布了MSC 102会议纪要、决议和通函，现将本次会议的审议情况和结果通知如下。 1.对通过的条约及相关规范的主要修改 本次会议通过的主要强制性要求如下。 （1）修订《SOLAS公约》有关系泊设备的内容（见附件1） 如下面3.2（1）所述，本次会议提出了关于安全系泊设备、系泊设备包括系泊缆等的设计和选择的新指南。 新检查和维护指南已获得批准。同时，通过了 SOLAS 公约 II-1/3-8 的修正案，规定了这些条款的适用。 适用范围：2024 年 1 月 1 日 (2) SOLAS 公约修正案，以统一水密性要求（参见附件 1、6 和 7） SOLAS 公约 II-1/B-1 - B-4 部分已通过修正案以统一水密性要求的要求对于 SOLAS II-1/12 修正案的早期应用，请参见下文 3.2(3)。 生效日期：2024 年 1 月 1 日 (3) IGF 规则修订（见附件 2） IGF 规则已通过以下三项修订。 i) 在 6.7.1.1 中，油箱围堰从需要泄压系统的区域移除 ii) 对 11.8 的新增内容，要求燃油调节室配备固定灭火系统 iii) 按照 16.3.3.5.1 的规定 增加除铝合金以外的材料的欠匹配焊接接头拉伸试验规定生效日期：2024 年 1 月 1 日
聚合物
摘要：细菌纤维素（BC）是一种高度纯的多糖生物聚合物，可以由各种细菌属产生。尽管卑诗省缺乏功能性能，其孔隙率，三维网络和高比表面积使其成为功能复合材料的合适载体。在本研究中，从康普茶饮料中分离出产生BC的细菌，并使用分子方法鉴定。在四天和七天后在静态条件下生产两组BC水凝胶。之后，将两个不同的合成途径应用于BC功能化。第一种方法暗示使用浸入技术掺入了先前合成的HAP/TIO 2纳米复合材料，而第二种方法包括在反应混合物中HAP/TIO 2纳米复合材料合成过程中BC的功能化。主要目标是找到获得功能化材料的最佳方法。物理化学和微结构特性。通过拉伸试验和热重分析检查了进一步的性质，并通过总板数测定法评估了抗菌活性。结果表明，使用这两种方法成功地将HAP/TIO 2成功纳入了BC水凝胶中。The applied methods of incorporation influenced the differences in morphology, phase distribution, mechanical and thermal properties, and antimicrobial activity against Staphylococcus aureus (ATCC 25923), Escherichia coli (ATCC 25922), Proteus mirabilis ( ATCC 12453 ), and Candida albicans (ATCC 10231).可以建议在适合疾病扩散的环境中进行进一步开发和应用。
研究从阿尔及利亚龙舌兰及其聚合物复合材料中提取的纤维的热和机械性能
近年来，由于环境意识，天然纤维及其复合材料吸引了研究人员。必须识别新的纤维素纤维以进行潜在的聚合物增强。在这项研究的第一步中，从阿尔及利亚贝贾亚市山区收集的龙舌兰植物（AALLF）的叶片中提取了新的生态友好纤维素纤维，已被确定为生物 - 复合物的潜在增强材料。通过傅立叶变换红外（FTIR）光谱，Thermos Gravimetric Analysis（TGA/DTG）分析了提取的未处理和碱处理的AALLF的化学，热稳定性和机械礼节，分析了差异扫描（TGA/DTG），差异扫描卡路里量热量（DSC）和单个光纤纤维测试。在FTIR分析中，我们可以观察到在治疗的各个时间的化学处理对峰位置和强度的影响很小。热力计（TGA/DTG）和差异扫描量热法（DSC）分析有助于预测未经处理的AALLF的热行为，并建议热稳定性直至256°C，显而易见的激活能为6.14 J/g。拉伸强度，失败时的应变和Young的模量分别从单个未处理的纤维拉伸试验确定为196±41 MPa，41.45±5.98％和2756±517 MPa。其次，研究了研究纤维分数（x 1），NaOH浓度（x 2），树脂类型（x 3）和治疗时间（x 4）对聚合物生物复合材料的拉伸和弯曲性能的影响。然后使用响应表面方法（RSM）开发了生物复合材料的机械性能的数学模型。
多丝电弧增材制造TC4/Nb仿生层状异质合金的组织演变和力学性能
电弧增材制造零件性能的提升依赖于结构创新和定制打印，自然优化的结构可以为设计制造提供灵感。本文以Crysomalon squamiferum壳的生物结构为灵感，采用多丝电弧增材制造（MWAAM）技术设计并制备了层状TC4/Nb多材料合金零件。利用EDS、SEM、EBSD和力学性能试验机研究了MWAAM加工仿生异质TC4/Nb多材料合金零件的界面反应、相组成、微观组织演变、晶体生长、力学性能和裂纹扩展。结果表明，MWAAM TC4/Nb多材料合金试样不同层间形成了良好的冶金结合；Ti/Nb多材料合金零件主要由α-Ti、β-Ti和（Nb，Ti）固溶体相组成。随着Nb含量的增加，从TC4层到G1层，相形貌经历了一个连续的转变过程：片层状α+β→细片层状α+短棒状α+β→针状α+β→细针状α+β。此外，随着Nb含量的增加，TC4/Nb多材料合金组分从TC4层到G2层的晶粒尺寸由3.534μm逐渐减小到2.904μm。TC4/Nb多材料合金从TC4层到G2层的显微硬度范围为404.04~245.23HV。TC4/Nb多材料合金试样具有较高的压缩强度和极限拉伸强度分别为2162.64±26MPa和663.39MPa，对应的应变量分别为31.99%和17.77%。优异的力学行为主要归因于层间晶粒尺寸的梯度转变和组织演变的良好结合；拉伸试验过程中裂纹扩展主要以裂纹偏转和多级开裂为主；TC4/Nb多材料合金构件中TC4层的强度高于G1层和G2层。
以亚麻及其杂交种为例的航空结构生物复合材料
本研究的首要目标是探讨天然纤维复合材料在航空结构中的应用潜力，尤其是直升机结构。将使用亚麻纤维复合材料作为环氧预浸料的各种实证研究来实现这一目标。进行并评估结构力学分析试验，包括拉伸、弯曲、冲击和碰撞试验。在有限元法框架内进一步开发和应用现有材料模型，研究超轻型直升机的尾翼和机舱门在高度生物基混合设计中的机械性能。元素、子组件和组件级别的迭代验证支持零件的混合和开发。拉伸试验表明，亚麻纤维复合材料的应力-应变行为呈非线性，被描述为双线性。这一发现以失效准则的形式纳入设计中。此外，将织物编织的结构机械性能与连续单向纤维复合材料进行了比较。编织亚麻复合材料的机械性能低于预期，单向增强层压板的应用被认为是更好的选择。对最终制造的部件也进行了实证分析，同时验证了它们的模拟和派生的材料模型。其他研究涉及亚麻纤维复合材料的吸湿性，以及对无损检测方法的适用性。亚麻广为宣传的优越的阻尼性能也可以得到验证。关于使用天然纤维复合材料的动机，通过比较生产和报废时所体现的能量与使用寿命内与质量相关的排放，评估了设计部件的生态效率。可以看出，节省原材料生产可以弥补小幅额外的质量损失，并且仍然可以带来整体有益的生态效率。总之，与传统纤维复合材料相比，分析了亚麻纤维复合材料的几种特性。研究结果和确定的趋势为进一步详细调查研究和为航空及相关行业的应用提出建议提供了基础。
多丝电弧增材制造TC4/Nb仿生层状异质合金的组织演变和力学性能
电弧增材制造零件性能的提升依赖于结构创新和定制打印，自然优化的结构可以为设计制造提供灵感。本文以Crysomalon squamiferum壳的生物结构为灵感，采用多丝电弧增材制造（MWAAM）技术设计并制备了层状TC4/Nb多材料合金零件。利用EDS、SEM、EBSD和力学性能试验机研究了MWAAM加工仿生异质TC4/Nb多材料合金零件的界面反应、相组成、微观组织演变、晶体生长、力学性能和裂纹扩展。结果表明，MWAAM TC4/Nb多材料合金试样不同层间形成了良好的冶金结合；Ti/Nb多材料合金零件主要由α-Ti、β-Ti和（Nb，Ti）固溶体相组成。随着Nb含量的增加，从TC4层到G1层，相形貌经历了一个连续的转变过程：片层状α+β→细片层状α+短棒状α+β→针状α+β→细针状α+β。此外，随着Nb含量的增加，TC4/Nb多材料合金组分从TC4层到G2层的晶粒尺寸由3.534μm逐渐减小到2.904μm。TC4/Nb多材料合金从TC4层到G2层的显微硬度范围为404.04~245.23HV。TC4/Nb多材料合金试样具有较高的压缩强度和极限拉伸强度分别为2162.64±26MPa和663.39MPa，对应的应变量分别为31.99%和17.77%。优异的力学行为主要归因于层间晶粒尺寸的梯度转变和组织演变的良好结合；拉伸试验过程中裂纹扩展主要以裂纹偏转和多级开裂为主；TC4/Nb多材料合金构件中TC4层的强度高于G1层和G2层。
飞机设计和认证的聚合物基增材制造指南
• ASTM D256-10(2018) – 测定塑料 IZOD 摆锤冲击强度的标准试验方法 • ASTM D790-17 – 非增强和增强塑料及电绝缘材料弯曲性能的标准试验方法 • ASTM D792- 20 – 位移法测定塑料密度和比重（相对密度）的标准试验方法 • ASTM D2344/D2344M- 16 – 聚合物基复合材料及其层压板短梁强度的标准试验方法 • ASTM D3039/D3039M- 17 – 聚合物基复合材料拉伸性能的标准试验方法 • ASTM D3171- 15 – 复合材料成分含量的标准试验方法 • ASTM D3518/D3518M- 18 – 面内剪切标准试验方法通过 ±45° 层压板拉伸试验对聚合物基质复合材料的响应 • ASTM D3418-15 - 通过差示扫描量热法 (DSC) 测定聚合物转变温度和熔化焓和结晶的标准测试方法 • ASTM D5766/D5766M-11(2018) – 聚合物基质复合层压板开孔拉伸强度的标准测试方法 • ASTM D5961/D5961M-17 – 聚合物基质复合层压板轴承响应的标准测试方法 • ASTM D6641/D6641M- 16e1 – 使用组合载荷压缩 (CLC) 试验工装对聚合物基质复合材料压缩性能的标准测试方法 • ASTM D6742/D6742M-17 – 聚合物基质复合层压板填孔拉伸和压缩试验的标准实践 • ASTM E831- 19 – 通过热机械分析测定固体材料线性热膨胀的标准测试方法 • ASTM D7028-07(2015) – 通过动态机械分析 (DMA) 测定聚合物基质复合材料玻璃化转变温度 (DMA Tg) 的标准测试方法 • ASTM E831- 19 – 通过热机械分析测定固体材料线性热膨胀的标准测试方法 • FAR 25.853 (A)，附录 F，第 I 部分，(a)、1、(i): 60 秒 – 燃烧长度和熄灭时间 • FAR 25.853 (D)，附录 F，第 IV 部分 – 滴落时间和热释放速率 • FAR 25.853 (D)，附录 F，第 V 部分 – 烟雾排放特性
纤维增援和过程参数的影响
摘要：融合沉积建模（FDM）是一种生产原型和功能组件的良好制造方法。本研究通过材料和与过程相关的影响变量研究了FDM组件的机械性能。的拉伸试验以其原始丝形式的七种不同材料进行，其中两种是纤维增强的，以分析其与材料相关的影响。涵盖从相关的载荷组件的标准材料到高级材料及其各自的变化，聚乳酸（PLA），30％木纤维增强的PLA，丙烯硝基丁烷苯乙烯苯乙烯苯乙烯苯乙烯苯乙烯苯乙烯（ABS）（ABS）（abs），聚碳酸酯（PC），聚碳酸酯（PC），abled and nyls and nyls and nyls-frend-nyls-Flend ways-Flass-Flend ways ways-Flast-Flend-Flend ways-Flast-Flend ways-Flast-Flend。使用以下过程参数研究了与过程相关的影响变量：层厚度，喷嘴直径，构建方向，喷嘴温度，填充密度和模式以及栅格角度。第一个测试系列表明，由于缺乏与基质的纤维键合，木纤维的添加显着恶化了PLA的机械行为。ABS和PC的聚合物混合物仅显示刚度的改善。尽管纤维纤维 - 雄性雄性粘结部分较差，但通过嵌入尼龙中的玻璃纤维嵌入玻璃纤维，发现了显着的强度和刚度。选择具有最佳属性的材料进行过程参数分析。在检查层厚度对零件强度的影响时，明显相关。零件取向确实改变了测试样品的断裂行为。较小的层厚度导致较高的强度，而刚度似乎没有受到影响。相反，较大的喷嘴直径和下部喷嘴温度仅对刚度产生积极影响，对强度影响很小。尽管向边缘方向导致较高的刚度，但在较低的应力下失败了。较高的填充密度和与负载方向对齐的填充图案导致了最佳的机械结果。栅格角对印刷物体的行为产生了重大影响。与单向栅格角相比，交替的栅格角会导致较低的强度和刚度。但是，由于珠子的旋转，它也引起了显着的拉伸。
机器学习预测增材制造部件的机械行为
航空航天 [ 1 ]、汽车 [ 2 ]、电子 [ 3 ]、医药 [ 4 ]、建筑 [ 5 ] 和医疗保健监测 [ 6 ]。根据美国材料试验协会 (ASTM) 的定义，AM 分为七种工艺：粘合剂喷射、板材层压、直接能量沉积、材料挤出、粉末床熔合、材料喷射和大桶光聚合[ 7 ]。基于 AM 的应用，该领域已对不同工程方面进行了研究。例如，最近的研究工作研究了可持续性 [ 8 ]、机械强度 [ 9 ]、环境影响 [ 10 ] 和不同的焊接应用 [ 11 ]。由于 AM 加工参数（例如粉末大小、打印速度、层厚度、激光功率和光栅方向）对 3D 打印部件的结构完整性和机械性能具有至关重要的影响，因此已经使用不同的方法来优化这些参数并预测打印部件的机械行为 [12 e 17]。例如，最近在 [16] 中，基于一系列拉伸试验确定了 3D 打印聚合物复合材料的强度和刚度。此外，还记录了纤维取向对所检查部件机械性能的影响。在 [17] 中，从微观和宏观层面研究了工艺条件对 3D 打印复合材料制造的影响。在此背景下，基于材料挤出技术打印了短碳纤维增强聚合物复合材料。基于图像的统计分析用于微观结构表征（例如纤维体积分数）。此外，还使用蒙特卡洛采样方法来丰富数据集。结果表明，工艺参数对孔隙产生和孔隙体积分数分布起着至关重要的作用。文献调查显示，与实验实践并行，数值模型和不同的人工智能 (AI) 方法也已用于研究 3D 打印部件的性能特征 [18 e 21]。例如，在 [22] 中，采用 3D 有限元模型来确定工艺参数对陶瓷材料 3D 打印中熔池轮廓和焊珠形状的影响。同时，提出了一种基于物理的分析模型来评估增材制造金属零件中的残余应力 [23]。为此，使用温度分布预测来评估该过程的热特征。据报道，热应力用作计算残余应力的输入。这些先前的研究表明，进行的模拟仅集中在 AM 过程的一个或两个方面。由于快速准确地预测所有机械性能和某些制造方法的整个过程是不切实际的，因此人们使用了数据驱动模型，其统一称为机器学习 (ML) [ 24 和 28 ]。机器学习是一门跨学科的学科，是人工智能的一个分支，它通过算法学习促进了低成本计算[29]。在机器学习方法中，不需要一长串基于物理的方程，而是使用以前的数据。基于机器学习方法的优势，它们已在增材制造领域用于不同目的[30e39]。例如，在[30]中，提出了一种混合机器学习算法来推荐3D打印部件的设计特征。通过3D打印汽车部件的设计检验了所提出的方法。经验不足的设计师可以在设计阶段使用所述方法。基于建议的增材制造设计特征，机器学习算法的功能