ETFE气枕平面裁切成形方法试验与数值模拟

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:a234917658
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
具有高透光、自洁性和可循环利用等特性的乙烯-四氟乙烯(ethylene-tetra-fluoro-ethylene,ETFE)薄膜是一种轻质透明建筑材料,常与钢结构、铝合金结构等一起形成大跨膜结构,被广泛应用于建筑领域。作为一种高分子材料,ETFE在不同应力及温度作用下体现出不同的力学特性。从目前的研究现状来看,对ETFE力学性能的温度和率相关性研究、不同温度下徐变的研究,以及基于非线性弹塑性特性的平面裁切设计研究尚不充分,需进行进一步的试验和研究。本文以ETFE薄膜和ETFE气枕为研究对象,对ETFE薄膜进行了不同温度下的单轴拉伸和徐变试验,并对ETFE气枕不同温度下的平面裁切成形过程进行了试验和数值模拟。首先,本文对15组250μm厚的ETFE薄膜长条形试件在40℃、60℃、80℃的温度下进行了不同应变速率(1%/min、10%/min、50%/min、100%/min、200%/min)的单轴拉伸试验,采用面积法和几何分析法得到了材料的屈服强度、屈服应变在不同温度下随应变速率的变化规律。试验结果表明,不同温度下ETFE薄膜的屈服强度随应变速率的增大而非线性增大,随温度的升高而降低,且在低速状态下应变速率对屈服强度的影响较大,这对不同温度下的工程分析具有参考价值。其次,基于ETFE膜结构使用地区的最高温度以及材料在不同温度下实际使用的应力水平范围,对12组ETFE薄膜在40℃到80℃下进行了不同温度和不同应力下的徐变试验。对试验数据采用对数拟合,分析了拟合参数随试验条件的变化规律,并得出考虑加载应力和温度的函数关系式,相关系数在0.95左右,可较好地描述ETFE薄膜在不同温度和应力下的徐变性能。该函数关系式对后续分析ETFE薄膜力学性能和长期荷载作用下结构性能有重要作用。试验和分析结果表明,ETFE薄膜的徐变特性随加载应力的升高而非线性增大;40℃以下且应力在6MPa以下时材料的徐变较小且增加缓慢;40℃以上或较高应力状态下,徐变显著。再次,基于修正的时间强化理论模型建立了ETFE在不同温度下的徐变模型,该徐变模型考虑不同温度下徐变应变与应力水平、徐变时间的关系。通过对徐变试验结果的拟合确定不同温度下的材料模型参数。将该模型集成于有限元软件ANSYS中,对不同温度下的24 h徐变试验结果进行数值模拟,结果表明修正的时间强化模型对ETFE徐变的描述具有适用性。最后,基于平面裁切的成形方法,设计并制作了3个相同的矩形ETFE气枕。在室温、40℃、60℃的温度条件下对气枕进行了不同内压水平的平面成形试验,包括充气加压和保持内压24 h两个过程。试验结果表明,在不同温度条件下,保持内压不变的情况下,ETFE薄膜会产生明显的徐变,使气枕膜面变形不断增大,尤其在高温条件下,较小的内压也会产生较大的徐变变形。基于各向同性强化弹塑性模型和修正的时间硬化模型对ETFE气枕的充成形过程进行了数值模拟,得到了不同温度和内压下气枕膜面的应力水平,以及膜面应变、变形分布的基本特征,与试验结果进行对比,验证了模型计算方法的适用性,对高温条件下ETFE气枕的徐变特性研究具有一定的参考意义。
其他文献
铁路运输作为我国重要的交通运输方式,在铁路运输过程中,铁路货物运输是其中重要的内容,特别是危险货物在运输过程中存着较大的风险,需要做好安全管理防范工作。从而确保铁路
以在实验基础上获得的电火花等效计算数据为能量输入,并按照粉尘云的点火机理建立了完整的粉尘云最小点火能数学模型.通过模型计算,研究了粉尘粒径、粉尘质量浓度、湍流度、火花能量密度及火花放电时间对最小点火能的影响.计算结果与实验测量结果基本一致.通过将模型计算与实验测量相结合将使粉尘云最小点火能的确定更准确、合理.
1存在的问题及原因1.1生产方式落后叙永县目前尽管整体养殖数量较大,但是规模小,散养户仍占主体。圈舍设计不标准、品种质量差、饲养不科学、防疫意识差、抗市场风险能力弱等因
剖析了RBF神经网络基本算法的原理以及激励函数参量与隐层单元数量按经验选取所带来的问题.基于RBF神经网络结构,以网络的权阂值为设计变量,网络误差为目标函数,通过合理的动态变
目的:利用16s rDNA测序技术检测黄芩治疗前后肠道菌群的变化,网络药理学预测黄芩治疗炎症性肠病的潜在作用靶点及代谢通路,通过现代生物学技术验证网络药理学预测结果,探讨黄
针对LF精炼炉冶炼过程中物理化学反应过程及传热过程的复杂性,采用混合模型对钢水温度进行软测量,将传统的机理模型与ELM新方法相结合,利用ELM智能算法校正机理模型中难以准确获得的参数,再用机理模型进行预测.这种混合模型既克服了传统机理模型难以准确实现的不足也避免了"黑箱"模型过分依赖数据的缺陷.同时ELM新方法也克服了传统BP算法的不足,使预测精度得到了提高.仿真结果表明,此混合模型具有较好的预测