基于3D打印复合结构抗冲击及界面性能研究

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:hero18
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
三明治夹芯结构由夹芯层与上下金属合金板组成,其主要特点是内部含有大量孔隙,因此,在保证强度的基础上能有效降低结构重量。相对于传统层板结构,该结构具有吸能、抗震、减重、低成本等方面的优势,近年来,在航空航天、车辆、军工等重要领域均有大量应用。工程结构应用中,三明治夹芯结构不可避免地会遭受压缩、冲击等载荷作用,进而导致复合结构发生断裂、连接界面脱粘等破坏,因而研究具有不同多孔芯层结构参数的轻质金属聚合物复合结构在不同加载条件下的力学行为及皮-芯界面力学性能,对于预测该类新型结构的承载与破坏形式至关重要。本文首先在阐明Voronoi结构的数学定义与各种参数确定方法的基础上,建立了不同不规则度的多孔聚乳酸(Polylactic Acid,PLA)聚合物结构,通过对模型种子点之间间距统计参数的确定,验证了建立方法的准确性。随后通过ANSYS APDL语言提取信息的方法建立了多孔蜂窝的有限元模型,并基于所建立的五种不同不规则度与杆件随机缺失5%的多孔结构,研究了不同多孔结构参数对其压缩承载性能的影响。此外,为了增强镁合金蒙皮-PLA多孔芯界面力学性能,基于界面增韧机理设计了界面微结构并经实验获得了增强增韧界面断裂韧性参数,并用于界面指数内聚力VUMAT子程序中。最后,对压缩过程中吸能表现稳定的不规则度下的两种结构进行了低速冲击动力学行为研究,研究了不同冲击能量、冲头尺寸对三明治夹芯结构冲击性能的影响。研究结果表明:不同不规则度下的多孔蜂窝结构中,相对密度较大的结构具有更好的压缩承载与吸能特性。随着不规则度的增大,多孔结构等效弹性模量不断增大,但吸能特性逐渐降低,在不规则度为0.5左右时的力学性能比较稳定;而多孔结构杆件随机缺失对其压缩承载的影响远大于不规则度的影响。与光滑皮-芯界面相比,所设计增强的皮-芯界面粘结性能提高了1.5倍以上;在动态冲击载荷作用下,3D Voronoi多孔结构较2D多孔结构具有更强的抗冲击特性,不同的冲头尺寸及形状对夹芯结构的冲击响应影响较大,其中2D Voronoi多孔结构对冲头尺寸的敏感性更强。通过典型3D Voronoi多孔蜂窝夹芯结构的数值模拟与冲击实验结果对比,发现结果吻合良好,表明设计的多孔夹芯复合结构具有良好的抗冲击吸能特性。
其他文献
目标检测是计算机视觉领域中的一个基础性算法,促进了其他上层技术的发展,在自动驾驶、机器人导航和智能交通等多个领域得到广泛的应用。近年来,2D目标检测算法已经趋于成熟,但是3D目标检测算法尚处于发展阶段,模型的性能还有很大的提升空间,因此3D目标检测算法是计算机视觉领域研究的热点之一。针对3D目标检测算法,本文从锚框的设计、特征的增强以及多模态数据融合等方面进行研究,主要工作内容如下:(1)针对3D
随着我国经济社会的高速发展,国家对社会治安防控体系建设日益重视,监控摄像头的覆盖区域不断增加,但在基于监控视频的事件监测方面仍然存在不足。现有智能视频分析方法主要是从视频中获取特征,缺少与外界要素的联动和知识的导引,对事件分析不够系统全面,关键特征不突出。为此,本文针对治安监控视频下群体性事件监测,基于卷积神经网络改进群体性突发事件的关键特征提取方法,基于知识元表示提出融合视频特征的群体性事件监测
多元时间序列广泛存在于社会生活的各个领域,多个变量之间具有复杂的关联关系。分析多元时间序列变量间的相互影响关系,挖掘系统潜在的蕴含信息,对复杂系统的分析与建模具有重要的现实意义。本文以复杂系统的多元时间序列为研究对象,针对多变量间的因果关系展开研究,为预测模型构建合适的输入特征,最终达到精简模型、提高预测精度的目的。本文的研究内容如下:针对传统的Granger因果模型仅仅适用于二变量、线性系统,无
双目立体视觉技术结合不同视角下的场景信息,通过图像匹配算法实现视差图的计算,进而根据三维几何参数计算场景深度,还原三维空间立体模型。在实际图像采集过程中,由于光照、透射、前景遮挡、低纹理等因素的影响,图像匹配成为立体视觉技术的关键步骤,关系着三维立体模型的精度和效率。同时,伴随自动驾驶等领域的发展,对图像深度信息的获取精度和速度有了越来越高的要求。针对以上问题,本文设计了一种改进的半全局立体匹配算
纵火是一种特殊的犯罪形式,具有犯罪动机复杂,调查取证难的特点。纵火除了造成人员伤亡和财产损失外,还可能会产生巨大的社会影响,并在公众中引起心理恐慌。目前,数据挖掘技术正日益成为预防和打击犯罪的有力工具。在纵火预防策略的研究中,从时空模式出发挖掘纵火发生的聚集规律,将有助于警力与消防资源的部署,提升工作效率,减少响应时间。而对团伙纵火的快速识别,将为案件的侦破和预防提供有效的支撑。为了挖掘纵火事件在
显著性目标检测旨在识别出图像中人类最为感兴趣的物体或者区域,并将其完整准确地分割出来,其在计算机视觉领域中扮演着重要的角色,被广泛应用在语义分割、实例分割、目标识别等任务中。经典的显著性检测算法在复杂的场景下,例如:前景目标多、背景和前景区分度不大、背景嘈杂等情况,受限于单模态RGB对外观等特征结构预测能力较弱、对复杂的情况缺乏判别力等,仅使用单模态RGB特征难以获得准确的显著检测结果,因此需要其
显著性检测任务的目标是利用计算机模拟人眼注意力机制,以检测图片中的显著性区域及物体。该技术在很多实际应用中发挥着重要的作用。近年来,基于深度学习的显著性检测算法在检测性能上取得了阶段性的进展,但是其仍存在着诸多亟待解决的难题。首先,如何提升显著目标的边界清晰度并有效抑制背景噪声是提升模型检测性能的关键问题。另外,现有方法大都为提升算法性能的研究,而忽视了对模型计算量、存储量开销的限制。因此,如何平
伴随着科学与信息技术的发展,医疗超声设备在日常医疗中发挥着越来越重要的作用。在实际医疗应用中,随着医学影像设备的增加,不同的医学影像对分辨率等图像质量参数的需求不同,需要对患者的医学图像中的字符进行识别,实现对不同医学影像文件的分类。同时,为了对医疗超声设备的结果进行有效保存,需要采集并存储影超声像信息,因此导致医学影像记录存储数据量剧增。本文针对上述两个问题开展研究,主要工作如下:(1)针对字符
面向治安防控的行人异常行为的检测和研究在管理学领域有着重要意义,有助于实现城市管理、警情管理的自动化、智能化、去人工化;行人轨迹作为行人行为的重要特征可以反映行人的运动模式,是相关领域的研究热点之一。但是利用智能视频监控获取的轨迹往往伴随较多跟踪错误,并且现有的主流异常轨迹检测手段仅关注局部特征,导致不适用于复杂的行人轨迹。针对上述问题,本文提出了一套基于多特征融合的行人异常轨迹检测方案,对治安防
手势估计技术在众多实际应用中都提供核心技术支持。为解决手部姿态估计问题,本论文提出了一种基于多任务学习框架的高精度3D手势估计网络SegPoseNet。传统方法通常仅从单一任务角度提取图像特征,无法充分利用图像固有的丰富信息;同时,模型偏向单一化导向的优化指标也不能全面地反映数据真实分布情况。本研究工作对手部分割任务进行了深入地探索,通过引入分割语义信息指导手部姿态估计任务的学习。鉴于当前手势估计