石墨烯/麻纤维/环氧树脂混杂复合材料填料含量和粒径优化——基于Taguchi与人工神经网络技术

摘要整理

纳米填料在复合材料中的应用因其优异性能、增强粘接性和高刚度等优势而日益增长。本研究采用150、200、250和300 gsm不同厚度的麻纤维垫，配合0%、3%、6%和9%质量分数的石墨烯粉体，以及3、6、18和25 µm粒径的纳米颗粒制备混杂复合材料。通过高速机械搅拌均匀混合纳米石墨烯与环氧树脂基体，采用Taguchi L16正交设计和人工神经网络(ANN)技术进行工艺优化。研究重点考察了混杂纳米材料的弯曲强度和层间剪切强度(ILSS)性能。结果表明，300 gsm麻纤维与6 wt%纳米石墨烯复合的环氧树脂复合材料的力学性能显著提升。建立的ANN预测模型与实验结果具有高度相关性，Levenberg-Marquardt训练算法的相关系数达0.9724。弯曲强度和ILSS的观测值与预测值误差分别<3%和4%，验证了ANN模型的预测能力。参数敏感性分析表明：对弯曲强度的影响因素依次为石墨烯含量(40.79%)、石墨烯粒径(34.19%)、麻纤维层数(12.57%)和纤维厚度(11.65%)；对ILSS的影响因素为石墨烯含量(47.82%)、石墨烯粒径(27.87%)、纤维厚度(11.80%)和层数(11.78%)。研究表明ANN技术在复合材料力学性能预测中具有显著潜力。

相关论文