CC BY
0
АНАЛИЗ МОДЕЛЕЙ И МЕТОДОВ ОЦЕНКИ ПРОЧНОСТНЫХ ХАРАКТЕРИСТИК ПОЛИМЕРНЫХ КОМПОЗИЦИОННЫХ МАТЕРИАЛОВ
A.Р. Сагдиев, студент
B.В. Некрасов, студент
Московский государственный университет имени М.В. Ломоносова (Россия, г. Москва)
DOI:10.24412/2500-1000-2025-1-3-220-224
Аннотация. В статье рассматриваются актуальные вопросы, связанные с оценкой прочностных характеристик полимерных композиционных материалов. Отдельное внимание уделено методикам, которые предусмотрены международными стандартами ISO и ASTM. Кроме того, описаны, подходы, которые базируются на достижениях современных информационно-коммуникационных технологий, в частности, на методах машинного обучения. Эти методы позволяют получить более точные показатели прочности композиционных материалов. Особый акцент сделан на возможностях испытаний на растяжение и удар для целей оценки механических характеристик композитных полимеров.
Ключевые слова: прочность, оценка, модель, полимерный композит, машинное обучение.
Полимерные композитные материалы (ПКМ) представляют собой сложные структуры с широким спектром различных молекулярных цепочек, которые могут быть переработаны и повторно использованы в самых разных промышленных областях, в особенности тех, где требуется длительная эксплуатация в неблагоприятных условиях. Свойства и характеристики ПКМ зависят от их кристаллической структуры, молекулярной массы и химического строения. Эти свойства оказывают непосредственное влияние на тепловые, механические и электрические свойства ПКМ, а также предопределяют их возможность найти свое применение в различных инженерных приложениях [1].
Производители ПКМ на всех уровнях цепочки снабжения, начиная от поставщиков сырья и до производителей готовой продукции, заботятся об эффективности и надежности своего продукта. Оптимальный материал для применения может быть найден с помощью испытаний на контроль качества, а также прочности и долговечности деталей при различных условиях нагрузки в процессе разработки. В связи с этим можно отметить, что в области материаловедения, особенно при обсуждении ПКМ, понимание их механических качеств имеет решающее значение для определения пригодности. В процессе оценки характеристик ПКМ некоторые из них имеют больший вес, чем другие. Например, такие
свойства, как прочность и упругость, часто являются приоритетными для инженерных полимеров [2].
В ходе определения прочностных характеристик материала, начиная еще с первых работ А. Гриффита, было доказано, что разрушение всегда происходит в самой слабой области материала. Однако поиск эмпирических и полуэмпирических подходов, основанных на результатах специально разработанных процедур механических испытаний, ограничивающихся свойствами материала или детали, до сих пор остается открытым исследовательским вопросом и давней проблемой химической информатики, в частности информатики полимеров.
Таким образом, междисциплинарный сдвиг в способе проектирования новых материалов предопределяет необходимость проведения исследований, касающихся оценки их прочностных характеристик, которые будут отвечать ключевым инженерным требованиям и гарантировать воспроизводимые и надежные результаты, что и предопределило выбор темы данной статьи.
Вопросам, связанным с прогнозированием механического поведения полимерного материала, когда он достигает твердого состояния после этапов обработки, посвятили свои труды Ерофеев А.В., Морковин А.А., Горохов Т.И., Тавасиев Р.М., Дзиццоев А.П., Karabi Mondal, Evan P. O'Brien, Karl J. Rockne.
Описание метода анализа связи «структура-свойство», который используется для прогнозирования характеристик полимеров, и позволяет рационально расставить приоритеты между различными полимерами-кандидатами на этапе виртуального скрининга в проектах вычислительного дизайна, можно встретить в публикациях Жилина С.Г., Комарова О.Н., Нарбекова Н.Н., Аширбаева Н.Х., Жданова Э.Р., Волкова А.В., Zhenhai Xia, William A. Curtin, Milan Ambrozic, Tomaz Kosmac.
Необходимо отметить, что в имеющейся на сегодняшний день научно-экспертной литера-
туре раскрываются самые разнообразны вопросы, связанные с изучением поведения ПКМ и их свойствами. В тоже время, ряд проблемных моментов требует отдельного внимания и дальнейшего обсуждения. Так, в более глубоком развитии и обосновании нуждается полезный и эффективный метод оценки кривой «напряжение-деформация» на основе данных о силе. Влияние различных типов внешних нагрузок на композитные конструкции, которые влекут за собой снижение механических свойств в системе в целом, заслуживает более детального анализа.
Таблица 1. Ключевые положения методов оценки и определения свойств композиционных
материалов согласно стандартам ISO и ASTM
Стандарт Тип материалов для испытаний Методика испытаний Результаты тестирования
ASTM
ASTM D3039/ D3039 M ПКМ, армирование углеродными, борными, органическими и другими высокопрочными волокнами Растяжение образца ПКМ с постоянной скоростью нагрузки или деформирования до момента разрыва в условиях нормальной, низкой и повышенной температуры Модуль упругости, прочность при растяжении, удлинении при разрушении, коэффициент Пуассона, деформация перехода
ASTM D2344 / D2344 M Высокомодульные композиционные материалы, армированные волокнами Образец - короткая балка, выточенная из изогнутого или плоского ламината толщиной до 6.00 мм. Балка нагружается в трехточечном изгибе. Мнимая межслойная прочность на сдвиг параллельно армированных волокном пластиков
ISO
ISO 527-2:2012 Твердые и полутвердые термопластичные материалы, изготовленные методом формования, экструзии и литьем, охватывая соединения, наполненные и армированные, например, короткими волокнами, мелкими стержнями, пластинками или гранулами; твердые и полутвердые термоактивные материалы, изготовленные формованием и литьем, наполненные и армированные соединения; термотропные жидкие кристаллические полимеры Стандарт устанавливает специальные условия испытания, учитывающие особенности литых и экструзи-онных пластиковых материалов: требования к скорости нагрузки, температуре испытания, условиям влажности и другим параметрам, которые могут влиять на результаты испытания Прочность на растяжение, модуль упругости, относительное удлинение, коэффициент Пуассона
ISO 14126:1999 Армированные волокнами термопластичные и термореактивные пластиковые композиты; неармированные и наполненные частицами пластики, а также армированные короткими волокнами (менее 1 мм длиной) Требования к размерам образцов и условиям проведения испытаний. Для анизотропных пластмасс, армированных волокном, необходимо испытывать тестовые образцы в двух основных направлениях анизотропии Прочность однонаправленного слоя ПКМ при сжатии вдоль волокон, поперек волокон, при сдвиге плоскости слоя.
Итак, с учетом вышеизложенного, цель статьи заключается в проведении исследования моделей и методов оценки прочностных характеристик ПКМ.
Полимеры обладают настолько широким спектром свойств и областей применения, что типы их испытаний на прочность выходят за рамки традиционных тестов на растяжение и изгиб, которые обычно применяются для инженерных материалов. Как и в случае с любым типом образцов, существуют самые разнообразные отраслевые спецификации, которые должны соблюдаться. Так, например, многие производители, особенно в потребительской, автомобильной, медицинской и аэрокосмической отраслях, предпочитают проводить испытания своих материалов по стандартным методикам. Условия применения стандартизированных методов механических испытаний регламентируются рядом стандартов, в которых детализированы этапы и процедуры проведения тестов.
В таблице 1 представлено описание некоторых подходов, используемых для определения прочностных характеристик ПКМ, предусмотренных стандартами.
Однако, с появлением цифровых технологий и инноваций методы оценки ПКМ на прочность получили новый толчок развития и сегодня позволяют получить более точные и актуальные результаты.
Так, например, отдельного внимания заслуживает полезность и перспективность методов машинного обучения (ML) для прогнозирования и анализа различных физических характеристик полимеров. Методы ML дают возможность изучать взаимосвязь структуры и свойств материалов с помощью вычислительных моделей. Спектр этих моделей очень широк - это могут быть различные регрессионные модели, включая регрессию Лассо, эластичную сеть, регрессию дерева решений, регрессию Бэггинга, регрессию AdaBoost, регрессию XGBoost, регрессию вектора поддержки и т.д. [3].
На рисунке 1 показана блок-схема последовательных шагов ML, которые должны быть предприняты для получения прогнозных моделей количественной связи структуры и свойств в процессе анализа прочности ПКМ при разрыве.
Рис. 1. Блок-схема использования ML для создания количественных моделей анализа взаимосвязи структуры и свойств ПКМ [3]
Как свидетельствует рисунке 1, на первом этапе отделяется часть исходного набора данных для проведения соответствующей внешней валидации итоговых моделей. На втором этапе осуществляется процедура выбора характеристик, после чего анализируется полученное подмножество дескрипторов. Затем выполняется вывод моделей количественных
отношений «структура-свойство» и проводится внешняя валидация каждой из них.
В качестве еще одного примера использования ML в процессе анализа механических свойств ПКМ, можно привести оценку материалов в ходе ротационного формования. База данных для оценки имеет 1 входной и 3 выходных параметра. Выходными параметрами
являются механические свойства полимера, включая прочность на растяжение (МПа), ударную вязкость (Дж) и прочность на изгиб (МПа), а единственным входным параметром является время выдержки в печи (мин). В результате моделирования строится модель с одним входом и тремя выходами, которая сможет предсказать свойства формованного линейного полиэтилена низкой плотности.
Сравнение между прогнозируемыми и эталонными данными показано на рисунке 2. Приведенные данные свидетельствуют о том, что было получено большое согласие между настроенными и оптимизированными моделями и целевыми показателями, что указывает на способность моделей МЬ прогнозировать механические свойства формованного линейного полиэтилена низкой плотности в процессе ротационного формования.
16,0 16,5 17,0
Наблюдаемая прочность на растяжение (МПа)
Рис. 2. Ожидаемые и прогнозируемые значения механических свойств ПКМ, сформированные с
помощью МЬ [4]
Полученное в ходе моделирования соответствие между фактическими характеристиками и прогнозными моделями предполагает определенную универсальность в эффективность МЬ. Кроме того, результаты практических экспериментов подчеркивают адаптивность этих моделей к различным физическим характеристикам ПКМ, что повышает их полезность в материаловедческих исследованиях.
Однако следует отметить, что успех прогностического моделирования зависит от характера изучаемых и оцениваемых свойств ПКМ. Хотя метрика дисперсии служит всеобъемлющей характеристикой, ее применимость может зависеть от контекста. Высокие показатели метрики свидетельствуют об успешном прогнозировании, но при интерпретации следует учитывать специфические проблемы, связанные с особенностями каждо-
го вида ПКМ. Также в зависимости от размера набора данных разные модели МЬ могут быть приемлемыми для тех или иных видов физических свойств полимеров. Такое различие в пригодности моделей можно объяснить сложной и гетерогенной природой полимерных систем. Большие наборы данных будут способствовать применению более сложных моделей, таких как ансамблевые методы или глубокое обучение, которые позволяют выявить сложные взаимосвязи прочностных характеристик ПКМ. А, в свою очередь, для небольших наборов могут быть полезны более простые модели, позволяющие избежать переоценки.
Также следует отметить, что в некоторых публикациях описывается перспективность оценки характеристик прочности ПКМ с помощью испытаний на растяжение и удар. Для этого ученые предлагают использовать новый
подход, основанный на корреляции свойств растяжения с характеристической нагрузкой от ударного испытания и диаметром инденто-ра для оценки предела текучести в полимерных материалах. Предел текучести, рассчитанный с помощью данного метода, сравнивался с пределом текучести, измеренным при испытаниях на растяжение. Полученные результаты показывают, что корреляция, основанная на изменении диаметра индентора, дает более точные результаты прогнозирования, чем корреляция, которая базируется на изменении квадратного диаметра индентора.
Библиографический список
1. Гущина Е.А. Моделирование показателей прочности композитных материалов // Вестник Казанского государственного технического университета им. А.Н. Туполева. - 2023. - Т. 79. № 2.
- С. 41-43.
2. Нарбеков Н.Н., Аширбаев .Х. Инновационные методы оценки усталостной прочности композитных материалов в условиях переменной нагрузки // Universum: технические науки. - 2024.
- № 4-5 (121). - С. 19-21.
3. Ramasamy Alagirusamy. The synergistic effect and origin of strength in carbon fiber reinforced PAEK, PEEK, and PEKK high-performance thermoplastic composites manufactured by multi-scale aqueous dispersion coating // Polymer Composites. - 2024. - Vol. 45, Iss. 14. - Р. 87-94.
4. Xingxing Yang, Min Wang. Improvement of mechanical and thermal expansion properties of pec-tinase treatment plant fiber reinforced starch/PBAT composites // Polymer Composites. - 2024. -Vol. 45, Iss. 9. - Р. 100-108.
Таким образом, в статье рассмотрены различные методы и подходы к анализу моделей и методов оценки прочностных характеристик ПКМ. Отдельное внимание уделено универсальным методикам, которые регламентированы стандартами ISO и ASTM. Также описаны, подходы, предполагающие использование методов машинного обучения. Особый акцент сделан на возможностях испытаний на растяжение и удар для целей оценки механических характеристик ПКМ.
ANALYSIS OF MODELS AND METHODS FOR ASSESSING STRENGTH CHARACTERISTICS OF POLYMER COMPOSITE MATERIALS
A.R. Sagdiev, Student V.V. Nekrasov, Student Lomonosov Moscow State University (Russia, Moscow)
Abstract. The article deals with topical issues related to the assessment of strength characteristics of polymer composite materials. Special attention is paid to the methods provided by ISO and ASTM international standards. Besides, the approaches based on the achievements of modern information and communication technologies are described, in particular, on the methods of machine learning, which allow to obtain more accurate indicators of composite strength. Particular emphasis is placed on the possibilities of tensile and impact tests for the purposes of assessing the mechanical characteristics of composite polymers.
Keywords: strength, evaluation, model, polymer composite, machine learning.
