مقاله انگلیسی رایگان در مورد کامپوزیت های پلیمری تقویت شده با فیبر کربن – الزویر ۲۰۲۰

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله پیش بینی خواص مکانیکی کامپوزیت های پلیمری تقویت شده با فیبر کربن کوتاه/بلند قالب تزریقی با استفاده از توموگرافی کامپیوتری اشعه X میکرو
عنوان انگلیسی مقاله Mechanical Properties Prediction of Injection Molded Short/Long Carbon Fiber Reinforced Polymer Composites Using Micro X-Ray Computed Tomography
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۳۶ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۶٫۹۶۳ در سال ۲۰۱۹
شاخص H_index ۱۵۲ در سال ۲۰۲۰
شاخص SJR ۱٫۹۰۷ در سال ۲۰۱۹
شناسه ISSN ۱۳۵۹-۸۳۵X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی پلیمر، مهندسی مواد، مهندسی مکانیک
گرایش های مرتبط پلیمریزاسیون، مهندسی مواد مرکب یا کامپوزیت، طراحی جامدات
نوع ارائه مقاله
ژورنال
مجله  کامپوزیت ها قسمت A: علوم کاربردی و ساخت – Composites Part A: Applied Science and Manufacturing
دانشگاه  Department of Industrial and Manufacturing Engineering, Pennsylvania State University, University Park, PA 16802, USA
کلمات کلیدی کامپوزیت پلیمری تقویت شده با فیبر کربن، توموگرافی کامپیوتری اشعه X میکرو، خواص مکانیکی، ریزساختارها
کلمات کلیدی انگلیسی Carbon fiber reinforced polymer composite; Micro-X-ray computed tomography; Mechanical properties; Microstructures
شناسه دیجیتال – doi
https://doi.org/10.1016/j.compositesa.2019.105732
کد محصول E14426
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
۱٫ Introduction
۲٫ Experimental procedure and methodology of CFRP reconstruction
۳٫ Results and discussion
۴٫ Conclusions
CRediT authorship contribution statement
Declaration of Competing Interest
Acknowledgment
References

بخشی از متن مقاله:
Abstract

This paper addresses the challenge of reconstructing nonuniformly orientated fiber-reinforced polymer composites (FRPs) with three-dimensional (3D) geometric complexity, especially for fibers with curvatures, and proposes a framework using micro X-ray computed tomography (μXCT) images to quantify the fiber characteristics in 3D space for elastic modulus prediction. The FRP microstructure is first obtained from the μXCT images. Then, the fiber centerlines are efficiently extracted with the proposed fiber reconstruction algorithm, i.e., iterative template matching, and the 3D coordinates of the fiber centerlines are adopted for quantitative characterization of the fiber morphology. Finally, Young’s modulus is predicted using the Halpin-Tsai model and laminate analogy approach, and the fiber configuration averaging method with the consideration of the fiber morphology. The new framework is demonstrated on both injection-molded short and long carbon fiber-reinforced polymer composites, whose fiber morphology and predicted mechanical properties are validated through previous pyrolysis and quasi-static tensile tests, respectively.

Introduction

Micro X-ray computed tomography (µXCT), as a typical nondestructive imaging technique, has demonstrated its advantages to explore the detailed three-dimensional (3D) internal structure of carbon fiber-reinforced polymer (CFRP) composites including unidirectional, laminated, injectionmolded, and chopped-fiber composites [1–۵]. By leveraging the variation of X-ray attenuations owing to the differences in density and atomic number, the captured microscale XCT images can unveil the composite constituents, e.g., fibers, matrix, and defects [3–۸], where the high-density material (e.g., fibers) appears brighter than the low-density material (e.g., matrix). At present, µXCT is effectively used to understand the initiation and evolution of damage and to determine the in-situ fracture mechanics of CFRP composites [4,6,9–۱۴]. However, only limited quantitative image analyses of µXCT images have been reported for non-uniformly orientated CFRP composites, especially for those consisting of curved fibers. This is because the appropriate post-image processing algorithms such as the Bayesian inference theory-based and machine learning-based approaches depend considerably on the image quality and material nature [15–۱۷]. Emerson et al. [18] proposed a dictionary-based probabilistic segmentation technique to indicate the likelihood of a voxel belonging to a fiber or the matrix, which required the user’s inputs, including dictionary patch size and representative labeled patches to identify fiber centroid from 2D images.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *