褶皱缺陷是主要的制造缺陷,会降低纤维增强复合材料的力学性能,尤其是其抗压强度。不同褶皱分布对压缩失效的影响存在差异。文章制造并试验了不同厚度和褶皱分布的单向玻璃纤维增强样品,建立了相应的高逼真度三维有限元 (FE) 模型,并结合渐进式损伤分析方法揭示了压缩失效行为。结合实验结果验证了 FE 分析方法的准确性。然后,进行参数分析,研究了褶皱分布对压缩力学性能的影响,并得出了一些相应的结论。结果表明,可以确定压缩强度对各种褶皱分布的依赖关系。
单向玻璃纤维增强复合材料因其比金属更高的比强度和比刚度,在轻型直升机建造和航空航天领域得到了广泛应用。然而,由于制造工艺的限制,如固化过程不当、杂质、插入物和压痕等,复合材料中容易出现褶皱缺陷。这些缺陷会降低复合材料的力学性能,尤其是在压缩载荷下,褶皱缺陷会引发屈曲带的形成,导致过早失效和压缩强度显著下降。褶皱缺陷通常具有不同的尺寸、形状和相对位置,这使得量化不同褶皱分布对失效过程的影响变得复杂和困难。
近日,国际知名期刊《Composites Science and Technology》发表了一篇由北京理工大学先进结构技术研究所的研究团队有关褶皱分布对单向玻璃纤维增强复合材料压缩性能的影响的研究成果。该研究通过实验和数值模拟相结合的方法,研究了褶皱分布对单向玻璃纤维增强复合材料压缩性能的影响。对于设计具有不同褶皱分布的复合材料结构具有重要的指导意义,有助于提高结构的安全性和可靠性。论文标题为“The effects of wrinkle distributions on the mechanical characteristics of unidirectional glass fiber-reinforced composites”。
样品由玻璃纤维预浸料带和环氧树脂制成,褶皱缺陷通过将固化树脂插入件加工成余弦形状并放置在样品中,然后与纤维共固化形成。制备了不同严重程度的单褶皱样品和不同程度的双连续褶皱样品,并对其厚度、褶皱位置和树脂插入件编号进行了详细的记录和分类。
测试在液压驱动的 MTS 810 载荷框架上进行,配备有CLC(Combined Loading Compression)夹具以适应不同厚度和长度的样品。采用位移控制方式,速率为 1.0 mm/min,并在室温下进行 5 次重复测试。测试过程中使用立体数字图像相关 (DIC) 技术获取全场变形,并通过 VIC-3D 程序和 Matlab 代码对图像进行后处理,以准确确定变形场。
2.褶皱样品的数值分析
研究通过高精度共聚焦显微镜图像确定树脂在重新固化后的形状以及受褶皱影响的层数。使用 Matlab 软件对褶皱轮廓进行拟合,单褶皱样品使用余弦函数,双褶皱样品使用多级傅里叶函数。使用 Abaqus 软件建立三维有限元模型,并使用 C3D8R 单元模拟层压板,使用 COH3D8 单元模拟层间损伤,并设置周期性边界条件以提高计算效率。
用于模拟褶皱复合材料性能的三维渐进损伤分析方法基于 Puck 破坏准则,考虑了纤维断裂和层间断裂 (IFF) 的过程,从而准确确定损伤起始点。同时还考虑了剪切力的影响,导致屈曲带的产生。计算分析是使用隐式求解器进行的,UMAT作为补充,并使用 内聚力模型(Cohesive Zone Method ,CZM) 有效地考虑了层间损伤的发生。
3.试验结果及有限元分析验证
不同褶皱分布样品进行压缩测试的实验结果表明,单褶皱样品的压缩强度随着褶皱程度的增加而降低,而压缩模量变化不大。双褶皱样品也表现出类似的趋势。此外,还观察到褶皱样品的压缩强度随着样品厚度的增加而增加,表明褶皱对模量影响较小,但对强度影响较大。
有限元分析结果与实验结果比较的结果表明,有限元模拟的应力-应变曲线与实验数据吻合良好,模拟的压缩模量和强度与实验值偏差较小,最大偏差分别为 7.1% 和 7.6%。此外,失效模式也与实验观察到的失效模式一致,包括分层和屈曲带失效。这表明所提出的褶皱函数表达式和有限元模型能够有效地预测褶皱复合材料的压缩力学性能。
4.褶皱分布的参数研究
有限元分析研究了褶皱层数和褶皱位置对压缩性能的影响,结果表明,褶皱层数对压缩模量影响不大,但对强度影响显著,褶皱层数越多,强度越低。褶皱位置对压缩模量的影响也较小,但褶皱位于边界处的样品强度低于位于中间位置的样品。结合 Weibull 分布模型给出了相同褶皱但厚度不同的复合材料的压缩强度表达式,可以快速准确地预测压缩强度。
该研究结果表明,褶皱分布对单向玻璃纤维增强复合材料压缩性能有显著影响。褶皱层数越多,压缩强度越低;褶皱位于边界位置时,压缩强度比位于中心位置时更低;双褶皱样品的压缩强度与单褶皱样品中较大褶皱的强度相近。该研究结果对于设计具有不同褶皱分布的复合材料结构具有重要的指导意义,有助于提高结构的安全性和可靠性。
投稿邮箱:mech_of_comps@yeah.net
投稿模板:公众号后台回复“前沿追踪模板”获取
微 信:mech_of_comps
QQ 群:640676531,540731372