王春红
,
贾瑞婷
,
白肃跃
,
徐磊
,
郑振荣
,
何顺辉
玻璃钢/复合材料
为了探究四种洋麻/芳纶不同混纺比对其混纺织物增强复合材料力学性能的影响,对以环氧树脂为基体,精细化处理的洋麻和对位芳纶不同混纺比机织物为增强体的复合材料进行力学性能测试,并对洋麻纤维扫描电子显微镜(SEM)及傅里叶红外光谱(FTIR)测试分析纤维表面粗糙度及极性变化,从而来分析力学测试结果.结果表明,洋麻/芳纶30/70混纺织物增强复合材料弯曲强度最高,为248.81MPa,弯曲模量为12.91GPa,与纯芳纶织物增强复合材料相比,分别提高4.9%和7.1%;而洋麻/芳纶20/80混纺织物增强复合材料剪切强度最高,为24.58MPa,与纯芳纶织物增强复合材料相比,提高18.6%.SEM及FTIR表明洋麻纤维精细化处理后,纤维表面粗糙度增加,极性降低,提高了增强体与树脂的界面结合力,从而改善了复合材料的弯曲、剪切性能.
关键词:
洋麻纤维
,
对位芳纶
,
不同混纺比
,
复合材料
,
力学性能
,
表面粗糙度
,
极性
王春红
,
赵玲
,
白肃跃
,
韦浩威
,
曹文静
复合材料学报
doi:10.13801/j.cnki.fhclxb.20150323.003
为研究麻纤维化学成分对其增强复合材料界面性能的影响,选取麻纤维纤维素、半纤维素、果胶、木质素、水溶物、脂蜡质成分含量及回潮率作为影响因素,以麻纤维/不饱和聚酯树脂(UP)复合材料界面性能作为影响结果,构建Back Propagation (BP)神经网络的训练样本.首先,利用灰关联分析法对影响麻纤维/UP复合材料界面性能的因素进行关联度计算;其次,按照影响程度的大小进行排序,建立3层BP神经网络模型进行迭代训练;最后,预测麻纤维化学成分含量对麻纤维/UP复合材料界面性能的影响.预测结果表明:学习结束后模型的输出比较接近实测值,说明BP神经网络具有很强的学习能力,同时也证明了将BP神经网络用于麻纤维/UP复合材料界面剪切力预测的可行性;灰关联与BP神经网络联用后预测精度得到大大提高,预测误差最大可减小83.28%.
关键词:
BP神经网络
,
灰关联
,
界面
,
麻纤维
,
复合材料