دانلود و نمایش مقالات مرتبط با کامپوزیت ها::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - کامپوزیت ها

تعداد مقالات یافته شده: 11
ردیف عنوان نوع
1 Establishing structure-property localization linkages for elastic deformation of three-dimensional high contrast composites using deep learning approaches
ایجاد پیوندهای محلی سازی ساختار و خاصیت برای تغییر شکل الاستیک کامپوزیت های کنتراست بالا سه بعدی با استفاده از روشهای یادگیری عمیق-2019
Data-driven methods are attracting growing attention in the field of materials science. In particular, it is now becoming clear that machine learning approaches offer a unique avenue for successfully mining practically useful process-structure-property (PSP) linkages from a variety of materials data. Most previous efforts in this direction have relied on feature design (i.e., the identification of the salient features of the material microstructure to be included in the PSP linkages). However due to the rich complexity of features in most heterogeneous materials systems, it has been difficult to identify a set of consistent features that are transferable from one material system to another. With flexible architecture and remarkable learning capability, the emergent deep learning approaches offer a new path forward that circumvents the feature design step. In this work, we demonstrate the implementation of a deep learning feature-engineering-free approach to the prediction of the microscale elastic strain field in a given threedimensional voxel-based microstructure of a high-contrast two-phase composite. The results show that deep learning approaches can implicitly learn salient information about local neighborhood details, and significantly outperform state-of-the-art methods.
Keywords: Materials informatics | Convolutional neural networks | Deep learning | Localization | Structure-property linkages
مقاله انگلیسی
2 Initial failure strength prediction of woven composites using a new yarn failure criterion constructed by deep learning
پیش بینی مقاومت شکست اولیه از کامپوزیت های بافته شده با استفاده از معیار شکست نخ جدید ساخته شده توسط یادگیری عمیق-2019
A new failure criterion for fiber tows (i.e. yarns) is developed based on a micromechanical model using the mechanics of structure genome (MSG) and a deep learning neural network model. The proposed failure criterion can be applied to yarns in mesoscale textile composites modeling while capturing the failure initiation at the fiber and matrix level. A plain weave fiber reinforced composite material example is used to compute the initial failure strength constants of a woven lamina based on the proposed yarn failure criterion. To study the accuracy and efficiency of the failure criterion, a comparison to a meso-micro coupled model explicitly capturing the failure initiation at fiber and matrix level is performed. Moreover, the differences between the mesoscale modeling results based on the proposed criterion and other yarn failure criteria (i.e. maximum stress, Tsai-Wu, and Hashin) are studied. Lastly, the failure envelope analysis of the mesoscale plain weave example is carried out using the MSG solid model to further demonstrate the accuracy and efficiency of the new yarn failure criterion under combined loading conditions.
Keywords:Mechanics of structure genome | Initial failure strength | Machine learning | Deep learning | Textile composites
مقاله انگلیسی
3 A new method for CF morphology distribution evaluation and CFRC property prediction using cascade deep learning
یک روش جدید برای ارزیابی توزیع مورفولوژی CF و پیش بینی ویژگی CFRC با استفاده از یادگیری عمیق آبشاری-2019
This work presents a deep-learning method to characterize the carbon fiber (CF) morphology distribution in carbon fiber reinforced cement-based composites (CFRC), predict the CFRC properties, and measure the contributions of different CF morphology distribution directly using X-ray images. Firstly, the components of CFRC in slices of X-ray images were segmented and identified using a fully convolutional network (FCN). Then the CF morphology distribution evaluation were conducted based on the results of the FCN. At last, the prediction of CFRC properties was realized using a cascade deep learning algorithm and CF morphology distribution results. The results showed that the FCN provided more reasonable segmentation results for each component in CFRC than traditional methods. CF clustered areas and CF bundles increased sharply with the increase of CF content, while uniformly dispersed CF areas showed the opposite trend. The cascade deep learning provided a method to predict the CFRC properties (e.g. resistivity and bending strength) using X-ray scanning images, which could also quantificationally measure the contributions of different CF morphology distribution to properties of the CFRC. Therefore, the proposed method could be regarded as a nondestructive and effective test for CFRC property evaluation.
Keywords: Carbon fiber reinforced cement-based | composites | Carbon fiber distribution | Computed tomography | Deep learning | Radial basis function network
مقاله انگلیسی
4 تحلیل شکست کششی و پیش بینی مقاومت پسماند ورقه های CF RP با سوراخ باز
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 23 - تعداد صفحات فایل doc فارسی: 29
الگوهای شکست و مکانیسم آسیب ورقه های کامپوزیت CCF300/Q Y911و11 T300/QY89 با سوراخ باز بطور تجربه و عددی بررسی شدند، ورقه های کامپوزیت CCF300/Q Y911و11 T300/QY89 با مقاومت ضعیف وجه اشتراکی سبب تورق گسترده و شکستن پیوندهایی می شود که تمرکز تنشی را آزاد می کنند، از این رو مقاومت بیشتری دارند. ورقه های کامپوزیت CCF300/Q Y911و11 T300/QY89 با مقاومت وجه اشتراکی بیشتر در مقابل تورق بیشتر، شکننده تر هستند. فرآیند شکست ، انتشار تورق و مقاومت پسماند شبیه سازی شده اند و از طریق روش های مدل سازی اجزا محدود(FE) دو بعدی و سه بعدی پیش بینی شدند.تورق که از طریق ضخامت ورقه ها سبب پیوند و انتشار آسیب می شود عامل اصلی پیش بینی مقاومت پسماند شناسایی شده است که در بخش شبیه سازی بطور مفصل مقایسه شده است. در مدل سازی دو بعدی ، پیش بینی مقاومت خوبی برای کامپوزیت CCF300/Q Y911و11 T300/QY89 شد اما در مورد کامپوزیت CCF300/Q Y911و11 T300/QY89 که دارای تورق گسترده بوده و در این مدل در نظر گرفته نشده بود چنین نبود. با این حال، مدل سه بعدی پیشنهاد شده در مطالعه ما به خوبی توانست فرآیند انتشار پیش رونده تورق را شبیه سازی کند و مقاومت پسماند را بطور درست پیش بینی کند. علاوه براین، تاثیر نقص تورق در اطراف سوراخی که در زمان فرآیند حفر چاه بوجود آمده بود نیز از طریق مدل سازی سه بعدی بررسی شد.
کلید واژه ها: کامپوزیت های تقویت شده الیاف | تحلیل مکانیسم واماندگی | انتشار لایه لایه شدگی | پیش بینی مقدار مقاومت | مدل اجزا محدود | فوتوگراف میکروسکوپی.
مقاله ترجمه شده
5 رفتار مکانیکی نانو کامپوزیت های آلومینیوم تقویت شده با گرافن
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 11
در این مقاله، شبیه سازی های دینامیک مولکولی (MD) نانوکامپوزیت گرافن-الومینیوم (GS-Al) انجام شده است. خواص مکانیکی نانوکامپوزیت با به اعمال بارگذاری تک محوری در یک انتهای حجم عنصر معرف (RVE) و ثابت بودن انتهای دیگر بررسی شده است. برهمکنش های بین اتم های آلومینیم با استفاده از پتانسیلهای روش جاسازی اتم(EAM) مدل گردید که در آن پتانسیل بین مولکولی تطبیقی واکنش تجربی پیوند سفارشی (AIREBO) برای برهمکنش میان اتم های کربن استفاده شد و این پتانسیلهای جفتی با پتانسیل لنارد جونز (LJ) همراه می شوند. نتیجه نشان داد که اختلاط GN در ماتریکس آلومینیوم می تواند مدول یانگ نانوکامپوزیت را به طور قابل ملاحظه ای افزایش دهد. نانوکامپوزیت حاوی 6.7 درصد حجمی GS، در جهت طولی و عرضی به ترتیب مدول یانگ 143.8 و 116.8 گیگا پاسکال را نشان می دهند که 82.8٪ و 46.5٪ بالاتر از آلومینیم خالص است. نتایج شبیه سازی های دینامیک مولکولی نیز با نتایج تحلیلی به دست آمده از مدل نیمه تجربی Halphin-Tsai (H-T) و قوانین اختلاط (ROM) مقایسه شده است.
کليدواژگان: ديناميك مولكولي (MD) | گرافین | نانوکامپوزیت ها | ویژگی های مکانیکی
مقاله ترجمه شده
6 نفوذ ردیاب نیکل در آلیاژهای آنتروپی بالا CoCrFeNi و CoCrFeMnNi
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 24 - تعداد صفحات فایل doc فارسی: 25
آلیاژهای آنتروپی بالا (HEAs) آلیاژهای چند جزئی در کامپوزیت های equiatomic یا نزدیک equiatomic هستند. پیش بینی شده نفوذ اتمی آهسته ای که گزارش شده یکی از اثرات اصلی در HEAs است که احتمالا عهده دار بسیاری از خواص منحصر به فرد آن است. برای اولین بار، در بررسی حاضر، نفوذ ردیاب (نیکل) در آلیاژهای CoCrFeNi و CoCrFeMnNi توسط روش radiotracer در محدوده درجه حرارت از 1073-1373 °K با استفاده از ایزوتوپ 63Ni اندازه گیری شده است. بطور شیمیایی آلیاژهای هموژن از کامپوزیت equiatomic توسط روش ذوب قوس الکتریکی تحت خلاء آماده شده بودند. پایداری ریزساختار و فازها از آلیاژها در محدوده دمای داده شده توسط دیفرانسیل آنالیز حرارتی و پراش اشعه X تایید شده است. نفوذ نیکل در هر دو آلیاژ CoCrFeNi و CoCrFeMnNi با پیروی کردن از رفتار آرنیوسی پیداست. زمانی که در برابر دمای همسانی رسم شده، یک تمایل به کاهش سرعت متوالی از نفوذ ردیاب با یک افزایش تعداد اجزاء در آلیاژهای equiatomic آشکارا محرز شده است. هر دو روابط آنتروپی و همچنین سد انرژی با کمک این روند آشکار شده است. نتایج متداول نشان می دهد که نفوذ در HEAs نمی تواند از لحاظ قیاسی آهسته مطرح شده باشد.
کلمات کلیدی: آلیاژهای آنتروپی بالا | نفوذ ردیاب | ضریب همبستگی | عیب های نقطه ای
مقاله ترجمه شده
7 تأثیرات نرخ گرمایشی و تقویت کننده فلزی روی ریز ساختار و خواص مکانیکی گرادیان نفوذ در خود مواد ابزار کامپوزیتی سرمتی
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 33
گرادیان نفوذ در خود مواد کامپوزیت سرمتی با مقادیر متفاوت از چسب فلزی نیکل ، به نسبت جرمی در ترکیب (کبالت + نیکل ) به منظور بهبود خواص مکانیکی کامپوزیت ها بررسی شد و همچنین تأثیرات نرخ گرمایشی روی ریز ساختار و خواص مکانیکی کامپوزیت ها مورد بررسی قرار گرفت . به منظور عملکرد مطلوب و رسیدن به خواص مکانیکی مورد نظر ، نرخ گرمایشی 30 درجه سانتی گراد بر دقیقه معین شد . و مشخص شد که با افزایش میزان نیکل درمتال بایندر، استحکام کششی افزایش و سختی کاهش می یابد در حالی که افزایش مقدار کبالت باعث ضخیم شدن فاز کناری شده که این امر منجر به کاهش استحکام خمشی مواد کامپوزیتی می شود . با اعمال یک مقدار مناسب از پوشش فلزی نیکل یک شیب نفوذ در خود مطلوب و یک خواص مکانیکی خوب بدست می آید . بهترین خواص مکانیکی در کامپوزیت ها وقتی بدست می آید که چسب فلزی در سطح دارای 6 درصد و درلایه مرکز دارای 12 درصد وزن نیکل باشد . در این حالت استحکام خمشی ، سختی مرکز و سختی سطح به ترتیب 1488±190 Mpa (مگاپاسکال )، 20.96±0.3 Gpa ، 25.12±0.48 Gpa خواهد بود .
کلمات کلیدی: ریزساختار | خواص مکانیکی | نرخ گرمایش | چسب های فلزی | کامپوزیت گرادیان
مقاله ترجمه شده
8 Estimating the remaining useful tool life of worn tools under different cutting parameters: A survival life analysis during turning of titanium metal matrix composites (Ti-MMCs)
برآورد عمر ابزار مفید باقی مانده از ابزار های فرسوده تحت پارامترهای مختلف برش: تجزیه و تحلیل زندگی برای بقا در طول تبدیل کامپوزیت های زمینه فلزی تیتانیومی (Ti-MMCs)-2016
Utilizing the full tool life capacity of cutting tools has always been a concern, due to the considerable costs associated with suboptimal replacement of tools. Reliable reuse of worn inserts could significantly reduce machining costs. This study aims at estimating the remaining useful life of worn cutting inserts under multiple cutting parameters during turning of Ti-MMCs, using the actual tool wear value of the worn tool as the input data. A proportional hazards model with a Weibull baseline is developed. Maximum flank wear length at the transition point between the second and third state of tool wear is chosen as the failure criteria. Tool wear, cutting speed and feed rate are considered as the covariates of the model. The reliability and hazard functions are calculated from the model and are utilized to obtain the mean residual life of inserts under different cutting parameters and tool wear levels. The accuracy of the model is validated using experimental data. The results confirmed the validity and reliability of the model.© 2015 CIRP.
Keywords: Tool life estimation | Worn tools | Survival analysis
مقاله انگلیسی
9 بهینه سازی سطح و عامل دار کردن نانولوله کربنی همراه برخی از ترکیب های الی
سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 6 - تعداد صفحات فایل doc فارسی: 13
در این مقاله اصلاح و عامل دار شدن سطح نانولوله کربنی مورد بررسی قرار می گیرد. نانولوله کربنی در ابتدا به وسیله اسید مخلوط H2SO4/HNO3 بدست می اید تا یک گروه کربوکسیلیک بر روی سطح نانولوله کربنی ایجاد شود. گروه کربوکسیلیک یک پیش ماده برای بهینه سازی ساختار است. دو گروه بهینه ساز، دو دسیل امینDDA و 3-امینو پروپیل تری توکسیسیلان 3-APTES ، پیوند کوالانسی موفقی را بر روی نانولوله کربنی ایجاد می کند. عامل دار شدن نانولوله کربنی با کمک اسپکتروسکوپی انتقالات مادون قرمز FTIR، طیف سنجی رامان، اسکن های مختلف رنگ سنجی و انالیز حساسیت سنجی گرمایی DSC/TGA و میکروسکوپ الکترونی عبوری TEM تعیین می شود. نانولوله کربنی با کمک جذب عامل های الی قابلیت تغییر برای کاربرد در زمینه های مختلف مانند زیست شناسی، نانوکامپوزیت ها، انرژی خورشیدی و ... را دارد.
کلمات کلیدی: نانولوله کربنی اصلاح شده | دودکشیلامین | 3-آمینوپروپیل ترید اکسیدیلان
مقاله ترجمه شده
10 مقاومت کششی مخلوط های دوتایی سیمان خودتراکمی حاوی خاکستر بادی کم حجم و نانوذرات TiO_2
سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 49
در مقاله¬ی پیش¬رو، مقاومت کششی همراه با خواص رئولوژیکی، حرارتی، انتقالی و ریزساختاری سیمان¬های خودتراکمی (SCC) حاوی خاکستر بادی کم حجم (FA) و نانوذرات TiO_2 مورد بررسی قرار گرفته است. در این رابطه، سیمان پرتلند با مقادیر کم خاکستر بادی جایگزین شده و خواص نمونه¬های SCC اندازه¬گیری شد. مشخص شد که افزودن خاکستر بادی به میزان 5، 10 و 15% وزنی می¬تواند خواص رئولوژیکی، مکانیکی و دوام بتن را در عمر بالاتر بتن بهبود بخشد. نانوذرات TiO_2 با اندازه¬ی متوسط 20 نانومتر بصورت جزئی به بتن افزوده شدند. نانوذرات TiO_2 به عنوان جایگزین جزئی سیمان تا سقف 4 درصد وزنی، می¬تواند تشکیل ژل C–S–H را در نتیجه¬ی افزایش مقدار بلور Ca(OH)2 در عمر کم آبپوشی تسریع نموده و از این رو استحکام کششی نمونه¬های بتون را افزایش دهد. افزایش محتوای نانوذرات TiO_2 به بیش از 4 درصد وزنی، استحکام کششی را به دلیل کاهش محتوای بلوری Ca(OH)2 موردنیاز برای تشکیل ژل C–S–H کاهش می¬دهد. نانوذرات TiO_2 می¬تواند ساختار متخلخل بتون را بهبود بخشد و منافذ توزیع¬شده را به منافذ بی¬ضرر یا کم¬ضرر تغییر دهد. ریزساختارهای مخلوط¬های مختلف بتن نیز از طریق اسکن با میکروسکوپ الکترونی (SEM) و پراش اشعه¬ی ایکس (XRD) مورد بررسی قرار گرفتند.
کلمات کلیدی: کامپوزیت های ماتریس- سرامیک (CMC ها) | نانوساختارها | خواص رئولوژیکی | میکروسکوپ الکترونی | بتن خودتراکمی (SCC)
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی