聚合物基复合材料作为一种高性能材料,在现代工程应用中得到了广泛的关注。在制备相关材料时,固化周期是非常重要的,因为组件的最终性能很大程度上取决于固化过程。对于厚层板的制备,使用制造商推荐的固化周期可能会导致基体退化、非均匀固化和内部残余应力等一系列缺陷。因此,为降低厚复合材料构件在制造过程产生的缺陷,提高加工效率,西安理工大学的Zhenyi Yuan(第一作者&通讯作者)及其团队在《Composites Communications》上发表了题为“Multi-objective approach to optimize cure process for thick composite based on multi-field coupled model with RBF surrogate model”的文章,结合多场耦合模型、径向基函数(RBF)神经网络和NSGA-II算法,提出了一种新的厚复合材料固化过程多目标优化方法,建立了考虑传热、树脂黏度和树脂流动压实过程的多场耦合有限元模型来预测复合材料的固化状态。
复合材料的多物理固化过程模型考虑了固化过程中的热化学现象、粘度变化和树脂流动现象。为了对多场耦合模型进行数值验证,该文采用的层压板尺寸为157.6mm×157.6mm,厚度为35.76mm。如图1所示,由于几何模型与边界条件的一致性,在三维有限元仿真模型中,通过施加适当的边界条件,可以只考虑结构的四分之一。为了减少计算负荷,模具底部表面温度随固化曲线变化。典型的固化周期为121.1℃/1小时和176.6℃/2小时,以确保树脂完全固化,两次升温速率均为2.22℃/min。将复合材料中心温度和层压厚度与实验测量值进行了比较,如图2所示。可以看出,多场耦合模型的计算结果与实验结果吻合较好。
图1 有限元模型示意图和边界条件
图2 AS4/3501-6层合板的计算温度、厚度和固化度的结果
该文以文献中的厚层压板为例,对优化方法进行了验证。NSGA-II算法的参数设置为默认值。如图3所示,固化时间tcycle与∆Tmax、∆αmax呈相对负相关。当固化时间tcycle达到最小值125.42min时,对应的∆αmax和tcycle分别为0.198和21.58℃。当∆Tmax达到最小值7.38℃时,对应的∆αmax为0.088,tcycle为228.33min。因此,在实际的建设项目中很难同时考虑所有的多目标。
图3 多目标优化的pareto最优集
由最佳固化曲线和MRCC导出的层合板的内部温度和固化度的历程如图4所示。可以看出,层合板内部的最大温度梯度和固化度分别为11.71℃和0.128,固化时间为170.64min。因此,由Pareto最优集得到的最优固化曲线使固化度的最大梯度降低了16.88%,最大温差降低了45.76%,固化时间缩短了30.9%。温度从121.1℃升高到124.6℃,树脂固化反应提前到第二阶段。
图4 利用最佳固化曲线和MRCC开发的最高、最低温度和DoC
作者提出了一种基于多场耦合模型、RBF代理模型和NSGA-II算法的厚复合材料固化曲线选择方法。为了降低计算成本,在优化过程中采用RBF模型代替有限元模型。选择温度超调、固化度梯度和固化时间为三个目标,研究了如何从Pareto最优集找到最终最优解。所获得的数据揭示了固化时间的持续时间。与典型的固化周期相比,35.75mm厚层板的固化时间的最大温度梯度和固化度梯度分别降低了30.9%、45.76%和16.88%。优化结果可为提高厚层压板的加工速度和制造质量提供有效的方法
联系客服