形状记忆性能范文

形状记忆性能范文（精选7篇）

形状记忆性能 第1篇

形状记忆合金 (Shape Memory Alloy, 简称SMA) 是一种集传感、驱动于一体的新型智能材料, 其主要特征是具有形状记忆效应, 主要性能表现为在特定的温度范围内能产生与温度呈函数关系的位移和力[1,2], 并且可以通过热弹性马氏体相变将热能转化为机械能。通过采用加热或冷却等处理工艺, 可使SMA材料具有感知、执行、判断和自适应的能力[3]。目前, SMA已被日益广泛地应用于仪器仪表、机械、航空航天、医疗和生物工程等领域中, SMA的应用结构形式多以螺旋弹簧为主[4]。根据迄今世界上已获得形状记忆合金实用新型专利的情况看, 90%以上的应用项目是将形状记忆合金做成螺旋弹簧[5]。本文主要对弹簧在电流加热驱动过程中的回复速度和回复力及其影响因素进行试验研究与理论分析, 为研制相关形状记忆合金弹簧提供一些依据。

1 形状记忆合金弹簧热驱动的工作原理

使用稳压恒流电源对SMA弹簧 (以下简称弹簧) 进行加热, 并用测力计测量弹簧形变时产生力的大小, 其结构原理图如图一所示。当开关合上时, 电源输出电流, 弹簧上有电流通过, 并将电能转化为热能, 使弹簧的温度升高到相变点以上, 此时热能又转化成机械能, 弹簧开始产生形变, 回复到它所记忆的形状, 如图二所示。此时, 弹簧从加热前的长度l0到记忆长度l0+△x;当开关断开时, 弹簧上的电流被切断, 受工作环境介质的冷却作用而温度下降到相变点以下时, 对于具有双程记忆效应的弹簧将会自动缩短到l0的位置;对于具有单程记忆效应的弹簧, 冷却后需用外力将其长度恢复到l0的位置。如此往复地控制弹簧上电流的通断, 便可达到控制其伸缩变形的目的, 这也是目前大多数研究所采用的控制方式。

2 实验与分析

实验使用形状记忆合金弹簧为具有单程记忆功能的弹簧 (电流加热后伸长, 断电后需要施加外力才能回复到原有长度) , 材料为Ni Ti形状记忆合金 (其原子百分比为Ti:49.8%, Ni:50.2%) , 簧丝直径0.7mm, 弹簧中径5.0mm, 有效圈数为42 (如图二所示) 。

2.1 弹簧记忆回复变形速度的研究

如图三所示, 弹簧分别在1.0A、2.0A和3.0A的驱动电流下达到相同长度所用时间的关系曲线, 它反映了弹簧的响应速度变化特性。在产生形变的初始阶段, 弹簧产生的位移较少;此后随时间增加弹簧的回复变形速度快速增加;然后速度变慢至停止。产生这一现象的主要原因是:弹簧在初始段受热后马氏体并不能马上达到相变温度, 有一个过渡的过程;随着通电时间增加, 弹簧的温度升高到相变温度时, 弹簧中绝大部分的马氏体相迅速转变为奥氏体状态, 使变形速度迅速增加;此后随着回复位移和通电时间的增加, 达到了弹簧记忆中的状态则相变量逐渐变小, 因而其弹簧回复力也变小, 这两方面的综合作用下使弹簧快要收缩到底时回复速度减慢。

弹簧回复变形速度的大小和稳定性对其实际应用 (如驱动器、机器人手足等) 的动态工作性能影响很大。需研究弹簧单次回复过程的总体变形速度特性, 用每次回复到初始记忆长度所需时间 (记为总变形时间) 的长短来反映总体回复变形速度的快慢。图四为在其他条件相同的情况下, 所得到的电流与平均回复速度的关系。可知, 当电流很小时, 弹簧总变形时间很长, 同时弹簧还产生不完全记忆变形;在初始阶段总变形时间随电流增加而相对较小, 当电流增加到一定数值后, 总变形位移量随电流的增加开始迅速增大, 电流大弹簧总变形时间短, 但电流不能过大, 否则会使弹簧产生过热使弹簧内部组织性能因高温遭到破坏, 失去记忆功能。由此可知, 通过控制电流就可控制弹簧单次变形过程的变形速度, 但它不能反映出单次回复过程中的动态速度变化特性。

2.2 弹簧回复力与驱动电流的研究

如图五所示, 在外界条件一样的情况, 通过电源对其施加不同的稳定电流进行加热, 达到最大形变量后切断电流让弹簧在室温下冷却, 用测力计记录下弹簧加热和冷却阶段力的大小变化情况。大电流驱动下, 弹簧产生较大的力;弹簧形变快结束时力的变化变小。同时, 弹簧在冷却初始阶段仍具有较大的力, 因此在控制反复施加电流的过程中要预留足够的时间给弹簧冷却, 这样能够避免能量的抵消而使实验达不到预期的效果, 但同时这样也使弹簧驱动的频率很小, 很难满足实际应用的需求。

3 结束语

弹簧在不同电流的驱动下的响应时间是不同的, 电流越大响应时间越快, 但同时电流越大弹簧温度上升的越快, 断电后需要的冷却时间就越长, 所以电流也不能选择太大, 应根据具体情况来选择合适大小的电流。

弹簧在整个回复变形过程中的速度是变化的, 其变化特征表现为回复初始和结束两个阶段的速度较慢, 在中间段的变形速度较快, 通过控制弹簧上的电流, 可控制其变形速度, 但不能为单纯追求速度, 而选择过高的电流。

相同时间内弹簧形变产生动应力的大小跟驱动电流有关系, 电流越大在相同时间内产生的力也越大, 同时产生的形变位移量也越大。但是, 因为每个弹簧记忆的长度是固定的, 当达到记忆的长度之后应力和应变的变化就跟驱动电流没关系了, 如果继续对弹簧进行加热将使弹簧内部结构遭到破坏, 使其失去记忆功能, 因此在对弹簧等进行加热的过程需要控制好电流的大小以及加热的时间。

参考文献

[1]宋固全, 徐玉红, 吴晓钢.形状记忆合金弹簧力学性能分析[J].南昌大学学报 (工科版) , 2005, 27 (02) :1-5.

[2]Hui Li, Jinping Ou.Shape Memory Alloy-Based Smart Infrastructures[J].Harbin Institute of Technology, 150090.

[3]M.MANJAIAH, S.NARENDRANATH, S.BASAVARAJAPPA.Review on non-conventional machining of shape memory alloys.Elsevier, Department of Mechanical Engineering[J].National Institute of Technology, 2013.

[4]贺志荣, 张永宏, 郭从盛.形状记忆合金螺旋弹簧设计方法示例分析[J].陕西理工学院学报 (自然科学版) , 1997, 13 (01) :3-7.

环氧树脂的增韧与形状记忆性能研究 第2篇

关键词：形状记忆,环氧树脂,聚丙二醇二缩水甘油醚,增韧

形状记忆聚合物(SMP)是一种新型的功能高分子材料,在智能结构中具有非常重要的潜在应用价值,是近年来高分子材料研究、开发以及应用的一个新的分支点[1],已被广泛应用于航空、电子通讯、机械制造、能源输送、医疗卫生等领域[2,3]。目前,对形状记忆材料的研究主要集中在热塑性SMP上,如形状记忆聚烯烃[4,5]、形状记忆聚氨酯[6,7,8]等,对热固性形状记忆聚合物的研究却很少。而在众多形状记忆聚合物中,热固性树脂体系因为具有尺寸稳定性、较好的力学性能、化学稳定性和比较好复合等方面的优势,有着很大的调整和提高的空间,特别是在空间展开机构应用和研究中[9,10]。国外已见报道的主要是美国航空与宇宙航行局下属研究机构Composite Technology Development开发出的TEMBO系列环氧树脂[11]和ILC.Dover开发的TP系列环氧树脂[12],国内哈工大复合材料研究所和西北工业大学朱光明教授在热固性环氧树脂形状记忆方面展开了较系统的研究[3,13,14]。从研究中来看,以EP为基体制成的形状记忆复合材料,虽然可有效地克服形状记忆高聚物强度低、形变恢复率小等弱点[15],但韧性很差,也影响其形状记忆性能的发挥。

PPGDGE是环氧树脂良好的稀释剂,可与环氧树脂混溶,在常温下黏度低,柔韧性好,赋予双酚A型树脂柔性、伸长率和提高冲击强度,改善环氧固化物的脆裂缺陷;加上其又具有沸点高、不挥发、无毒无刺激性、操作使用安全等特点,被广泛地应用于配制各种环氧树脂浇注料、无溶剂涂料、浸渍胶、滴浸胶及胶粘剂等[16]。但对于PPGDGE改性酸酐、在形状记忆环氧树脂体系中的增韧研究,还未见相关报道。

本方法采用PPGDGE作为增韧剂,改性酸酐,参与环氧树脂固化反应,研究其用量对环氧树脂固化体系性能的影响,以期确保在强度不降低的前提下,提高韧性和形状记忆性能,为制备高性能形状记忆环氧树脂提供一定科学依据。

1 实验部分

1.1 主要原料与仪器

双酚A环氧树脂(E-51),工业纯,廊坊诺尔信化工有限公司;甲基四氢邻苯二甲酸酐(MeTHPA),分析纯,北京偶合科技有限公司;2-乙基-4-甲基咪唑(2,4-EMI),化学纯,天津市瑞金特化学品有限公司;丙酮,分析纯,天津市津东天正精细化学试剂厂;PPGDGE(EPG-217),环氧值0.11～0.16ep/100g,烟台奥利福化工有限公司。

XWW-20万能试验机,承德市金建检测仪器有限公司;XJ-40A冲击实验机,吴忠材料试验机厂;S-4800扫描电子显微镜(SEM),中科科仪技术发展有限公司;DZ-1BC真空干燥箱,天津市泰斯特仪器有限公司。

1.2 样品制备

将E-51/MeTHPA/2,4-EMI/PPGDGE(环氧树脂/固化剂/促进剂/增韧剂)按质量比100/84.75/1/x(其中E-51与MeTHPA比例为理论计算量[16],x分别为0、5、10、15、20、25、30)混合均匀,再抽真空脱除气泡,然后将混合后的树脂注入到预热好的模具中,分阶段升温固化(固化制度:80℃/2 h+100℃/2 h+150℃/3 h),最后自然冷却至室温脱模,试样尺寸80mm×10mm×4mm。

1.3 力学性能测试

弯曲性能按GB/T 2570-1995标准进行测试,加载速率为2mm/min;冲击性能按GB/T 2571-1995标准进行测试,缺口深0.8mm,摆锤速度为5 kg·N·cm。

1.4 SEM表征

在冲击样条断面上作喷金处理,放大500倍观察。

1.5 形状记忆性能测试和表征

采用折叠-展开回复实验方法,在油浴条件下,将试样加热到热变形温度以上,在外力作用下折叠,弯曲成一个可最大变形角度θmax,快速冷却试样至室温,过程中保持样品形状并维持此外力作用2 min。释放外力,此时试样会发生微小的弹性回复,回复后的角度变为θfixed。然后,以5℃/min的升温速率,重新将试样加热到热变形温度以上,在加热过程中,试样弯曲的角度θi随温度T的升高不断变化,直到不再发生回复。形状固定率Rf=θfixed/θmax×100%;形状回复率Rr(T)=[θfixed-θi(T)]/θfixed×100%;形状回复速率Vr =0.8(T90-T10)-1d t,其中T10和T90分别是回复率为10%和90%的温度,d t为升温速率[17,18];定义形状回复到50%时的温度为形状回复温度Tundefined;重复以上过程,测试形状记忆重复性。

2 结果与讨论

2.1 PPGDGE含量对树脂体系力学性能的影响

图1为PPGDGE含量对环氧树脂体系弯曲强度和冲击强度的影响。由图可见,PPGDGE的加入提高了环氧树脂的力学性能,但继续增大PPGDGE的用量,性能将有所下降。这可能是因为:当PPGDGE含量较低时,PPGDGE与酸酐发生交联反应,一方面使体系化学交联密度增加,从而强度提高;另一方面PPGDGE分子结构中有可挠性脂肪长链,可以自由旋转而富有弹性,引入到环氧树脂交联网络中后,增加了网链间分子的活动能力,使得体系韧性提高,PPGDGE含量为15%时,韧性较纯环氧体系提高了65%;当PPGDGE添加量过多时,体系发生过度交联,链段长度极不均匀,导致了应力集中,从而使各项性能下降。

图2为PPGDGE含量0和15%的体系冲击断面形貌照片。图(a)中,纯环氧树脂的断面呈阶梯状,整体形貌比较平整,断裂方向集中,呈直线扩展,是典型的脆性断裂;而图(b)中断面高低错落,大量裂纹发生了弯曲变形且趋于分散,应力条纹断裂处都存在应力发白现象,吸收了部分冲击量,阻止了裂纹的进一步扩展,使柔韧性提高。

(a:0;b:15%)

2.2 树脂体系形状固定率

表1为不同配比的树脂体系可折叠弯曲角度θmax和形状固定率Rf的数据。可看出,随着PPGDGE含量的增加,树脂的形状固定率有所上升。这是由于E-51固化物和PPGDGE固化物都具有形状记忆功能,折叠冷却后都会产生普弹形变的回缩,但环氧树脂E-51固化物的化学交联结构更为致密,作用于原始形状的记忆与恢复的固定相更为突出,因此发生普弹形变的能力更突出。材料中PPGDGE的含量越多,则E-51的这种作用影响越小,树脂固定形状的能力就越大,但含量过多会由于固化不均匀导致形状记忆性能下降。

θmax体现的是聚合物具有形状记忆效果的最大形变量,从表中可以看出,添加PPGDGE后,树脂的最大可折叠弯曲角度上升,且幅度较明显,特别是PPGDGE含量为10%时可完全折叠,θmax为180 °,比纯环氧体系的增加了约43%,这是PPGDGE的增韧作用使体系折叠变形更容易的缘故。

2.3 形状回复率

图3为不同PPGDGE含量下各体系的形状回复率随温度变化的曲线。从图中可以看出,在起始阶段,形状回复速率Vr变化缓慢,加热一段时间后,回复速率突然提升,最后达到一个最终的形状回复率Rr;随着PPGDGE含量的增大,回复曲线先向高温移动,再移向低温,说明体系的热刺激响应回复温度Tr先增大后减小,这与体系的强度变化规律一致[19]。

不同体系的形状回复测试数据见表2。从表可看出,随着PPGDGE含量的增大,形变回复率先增大后减小,说明树脂体系最终形变回复率的变化规律与化学交联密度变化规律一致,这与SMP的形状记忆性能取决于其交联程度的规律[20]相符;形状回复速率上升,当PPGDGE达到10%时,体系的形状回复速率较纯环氧相比提升了75%,这可能是因为添加了PPGDGE增韧剂后,树脂体系最大形变量增大,储能模量升高,加热后能量释放使回复速率加快。

2.4 可折叠循环次数对形状回复率的影响

图4为不同配比体系的形变循环次数与形状回复率的关系曲线图。从图中可以看出,各种配比的环氧树脂体系随着形变次数的增加,都会导致形状回复率下降,这是由于经多次循环变形后,在材料内部起形状回复功能的固定相交联结构,其链段发生一定程度的断裂,表现为材料发生一定程度的疲劳,失去了部分形状记忆功能而产生一定的永久形变。随着PPGDGE的加入,体系循环形变后损失的形状回复率降低,当PPGDGE的添加量为15%时,6次形变循环后损失的形状回复率为3.2%,而纯环氧体系损失的形状回复率为7.6%。这是因为增韧剂的引入,使分子链更柔顺,易于折叠变形,柔顺的链段经多次折叠变形后仍不会断裂或只有少数断裂,因此重复性好,降低永久形变。

3 结论

(1)PPGDGE适当改性酸酐后,使环氧树脂体系的力学性能有较显著的提高。当PPGDGE含量为15%时,所环氧树脂的冲击强度提升了65%。

形状记忆性能 第3篇

SMA在土木工程领域的研究始于20世纪90年代,Graesser等首先提出了将超弹性SMA丝用于结构隔震耗能[2]。随后,国内外学者提出了多种含有SMA丝的隔震器和阻尼器[3,4,5,6,7,8,9,10]。由于土木工程结构的体型和荷载巨大,因此,对于结构内部构件的承载力要求较高。然而,目前有关SMA在土木工程领域中的应用研究主要以丝材为主,其满足大输出力、大输出位移的需求较为困难。近年来,国内外学者陆续开展了SMA棒在大跨度空间结构、高层结构和桥梁结构中的应用研究[11,12,13,14]。以上研究对于促进大尺寸SMA器件在土木工程结构中的应用起到了积极作用,但现有研究以理论推导和数值模拟为主,关于大尺寸SMA器件的力学性能试验研究较少。针对当前研究的不足,加工制作了NiTi记忆合金棒材标准试件,并对其进行了力学性能试验研究,通过试验结果分析应变幅值、加卸载速率、加卸载循环次数对SMA棒材性能参数的影响。最后,对SMA棒材的力学性能进行了综合评价。本文的研究为SMA棒材的工程研究和应用提供了参考。

1 试验设计

1.1 标准试件

随着试件尺寸增加,SMA棒内部材料的均匀性不易保证。合理的加工工艺是实现大尺寸SMA器件内部材质的均匀性,进而获得理想超弹性力学性能的关键。有色金属材料制备加工国家重点试验室采用冷轧制超高温热处理工艺加工处理的NiTi记忆合金原材料(化学成分为Ti-49.0at%Ni),并制成圆截面棒材标准试件。试件直径为5mm,标距为30mm,总长度60mm,加工偏差±0.2mm,试件尺寸以及试件实物图片分别如图1,2所示。此外,通过差示量热扫描仪(DSC)测得制成标准试件的SMA材料相变温度如表1所示。

1.2 试验装置

SMA棒力学性能试验采用SANS微机控制电子万能试验机,试验是在室温状态(约25℃)进行,从而保证了SMA试件均为奥氏体状态。试件的轴向拉力由力传感器测量,轴向变形由引伸计测量。为防止SMA棒材在两端夹头处滑落或被挤压而产生碎裂,采用了棒材专用螺纹状凹槽夹具。试验采用等位移加载方式,加载的终止条件由引伸计应变控制,卸载的终止条件根据力传感器数值控制,测试结果由计算机自动采集。试验装置如图3所示。

1.3 试验工况

采用3种不同的试验工况研究NiTi合金试件力学性能参数的变化规律。

(1) SMA棒材试件保持加卸载速率为0.5 mm/min的条件下,按应变幅值ε为2%→4%→6%→8%进行单次加卸载试验,考察不同应变幅值对其力学性能的影响。

(2) SMA棒材试件在保持应变幅值为6%的条件下,按加卸载速率为0.5mm/min、5mm/min、20mm/min和25 mm/min进行单次加卸载试验,考察不同加卸载速率对其力学性能的影响。

(3) SMA棒材试件在应变幅值为6%,加卸载速率为5 mm/min的条件下,连续加卸载20圈,考察循环加卸载次数对其力学性能的影响。

1.4 SMA力学性能参数的选取

图4为超弹性SMA在单次加卸载条件下应力-应变曲线示意。图中曲线OA段为奥氏体相的加载阶段;曲线AB段为马氏体正相变阶段,其中σMs(-)、σMf(+)分别是马氏体正相变的开始应力和结束应力;曲线BC段为弹性卸载阶段,如果正相变没有完成时卸载,材料的相变状态是马氏体和奥氏体混合的状态,如果正相变完成卸载,材料的相变状态是马氏体状态;曲线CD段为马氏体逆相变阶段,其中σMs(-)、σMf(-)分别是马氏体逆相变的开始应力和结束应力;曲线DE为弹性卸载阶段,材料以奥氏体状态为主。为研究和分析各个工况下SMA棒材的力学性能,本文采用等效刚度、单位循环所消耗的能量、等效阻尼比和残余应变4个力学性能参数。

(1)等效刚度Keq,其表达式为:

式中:σmax表示应力幅值;εmax表示应变幅值。

(2)单位循环所消耗的能量WD,即滞回曲线包围的面积,表示SMA材料每次加卸载循环的耗能能力。

(3)等效阻尼比,ζeq表示SMA材料的阻尼能力,其表达式为:

(4)残余应变εr,表示SMA材料的自复位能力。

2 试验结果及分析

2.1 应变幅值的影响

NiTi记忆合金试件在不同应变幅值条件下的应力-应变曲线如图5所示,NiTi合金棒试件在不同应变幅值条件下的力学性能参数的分布曲线如图6所示。由图5,6可看出以下结果。

(1)SMA棒试件在低应变幅值的状态下,应力—应变曲线呈梭形,无明显的相变平台和相变点;随着应变幅值增加,应力-应变曲线越来越饱满,当应变幅值达到6%时,曲线呈较饱满且带有明显相变平台的应力-应变曲线。

(2)随着应变幅值增加,等效刚度逐渐降低,SMA棒试件的应变幅值从2%增加到6%时,降低幅度为48.31%。在应变幅值达到4%之后,等效刚度的降低幅度较小,此时SMA棒的等效刚度退化较慢。

(3)随着应变幅值增加,单位循环的耗能成倍增加,SMA棒试件的应变幅值从2%增加到6%时,其单位循环耗能量增加了11.3倍。

(4)随着应变幅值的增加,SMA棒试件的等效阻尼比大致呈增加趋势,只有在高应变幅值条件下的等效阻尼比略高于3%(试件D应变幅值8%时为3.88%),其余工况下SMA棒的等效阻尼比均小于3%。

(5) SMA棒试件的残余应变非常小,表明SMA棒具有较好的复位性能。另外,应变幅值在8%之前,残余应变增加幅度很小,其值均小于0.2%;应变幅值为6%～8%时棒材出现了一定硬化,残余应变增大,且应力提高较快。

2.2 加卸载速率的影响

图7为SMA棒试件在不同加卸载速率条件下的应力-应变曲线,图8为加卸载速率区间内SMA试件的力学性能参数的分布曲线。由图7,8可得出以下结果。

(1)随着加卸载速率的增大,SMA棒试件的应力-应变曲线逐渐上移,且向斜上方发展,应力水平有所提高,且卸载应力提高幅度略大于加载应力。

(2)随着加卸载速率增大,SMA棒试件的等效刚度逐渐增加,且在低速率条件下等效刚度增加幅度较大。

(3)随着加卸载速率的增大,SMA棒试件的单位循环耗能逐渐降低,但降低幅度不大。

(4) SMA棒试件的等效阻尼比随加卸载速率的增大呈减小趋势,此时的等效阻尼比均小于3%,其等效阻尼比依次为2.67%,2.4%,1.84%和1.6%。

(5)在试验加卸载速率区间内,SMA棒试件残余应变均小于0.15%,且试验加卸载速率超过5 mm/min后,试件残余应变变化的幅度很小。

2.3 循环加卸载次数的影响

SMA棒试件在连续循环加卸载20圈条件下的应力-应变曲线如图9所示,其中,5种典型循环加卸载次数下SMA棒材试件的应力-应变曲线如图10所示。考虑以上5种循环加卸载次数时,SMA棒试件的力学性能参数的分布曲线如图11所示。由图9～11可得出以下结果。

(1)随着循环加卸载次数的增加,SMA棒试件的应力-应变曲线逐渐下移,大约经过10个循环之后,SMA棒材的应力-应变曲线趋于稳定。

(2)SMA棒试件的等效刚度随循环加卸载次数的增加而逐渐降低。

(3)随着循环加卸载次数增加,SMA棒试件的单位循环耗能逐渐降低,但降低幅度不大。

(4)SMA棒试件的等效阻尼比随循环加卸载次数增加均呈减小趋势,所有工况下该试件的等效阻尼比均小于3%。首圈加卸载试件的等效阻尼比为2.34%,第20圈加卸载时试件的等效阻尼比为1.29%。

(5)随着循环加卸载次数的增加,SMA棒试件的残余变形累积增加,当应力-应变曲线稳定后,试件残余应变变化幅度较小,第20圈加卸载时,试件的残余应变为0.35%。

(a)等效刚度分布;(b)单位循环耗能分布;(c)等效阻尼比分布;(d)残余应变分布

3 结束语

本文对NiTi记忆合金圆截面棒材标准试件进行了力学性能试验,系统研究了应变幅值、加卸载速率和循环加卸载次数对SMA棒试件力学性能参数的影响。通过试验研究可得到如下结论。

(1)棒材形式的超弹性SMA能提供具有滞回的旗帜形应力-应变曲线,特别是在大应变幅值工况下,SMA棒可提供带有明显相变平台的应力-应变曲线。

(2)加卸载速率和循环加载次数对SMA棒力学性能参数具有不同程度的影响,加卸载速率和循环加载各个试验工况下SMA棒的残余应变很小,呈较好的复位性能。

(3)大直径的SMA棒材可提供的等效阻尼比较低,不适合单独用作耗能器件。但是,大直径SMA棒材的输出力远比丝材要大,能满足土木工程中大输出力器件的要求,同时,其经受大变形后的残余应变很小,复位性能良好,因此,大直径记忆合金棒材在土木工程结构自复位耗能减振装置的研究中具有良好的潜力。

形状记忆性能 第4篇

关键词：形状记忆聚合物,聚集态结构,形状记忆性能

0 引言

形状记忆聚合物(Shape memory polymers/SMPs)是一种刺激-响应高分子材料,刺激手段可以是光、温度、电、磁、酸碱度等,其中以温度作为刺激手段控制聚合物形变的热致SMPs已被普遍关注和研究,并已广泛应用在医疗[1,2]、航空[3]、电子和环保[4,5,6]等领域。

热致SMPs一般包含两相结构:可逆相(软段)和固定相(硬段)。可逆相转变温度较低,一般为物理交联或缠结。对于非晶高聚物,可逆相随温度变化在玻璃态、粘流态、橡胶态之间进行可逆转变;对于晶态高聚物,结晶可逆相在晶态-熔融态之间进行可逆转变。固定相形状回复温度比较高,用来记忆初始形状,可以为物理交联、化学交联、缠结等。

典型的热致SMPs形状记忆过程为:①使温度升高到可逆相结构的转变温度(Ttrans)以上15~20℃,可逆相软化或熔融,模量下降1~2个数量级,分子布朗运动加剧;②施加机械外力使SMPs变形,此时可逆相链段发生形变,而固定相链段仍处于固化状态,分子整链相对运动受到限制,呈现出有限的流动性,使聚合物变形至规定形态A;③保持外力作用,将温度降至转变温度以下(降至室温或者Ttrans以下15~20℃),聚合物结晶或玻璃化,分子运动被限制,撤除外力,聚合物发生稍微蠕变后,聚合物形状固定,外力施加的能量存储在聚合物中;④将温度再次升高到Ttrans以上,可逆相链段在储存的恢复应力作用下解除取向,聚合物恢复到原始状态A。

形状记忆特性是聚合物分子链运动的宏观反应,链的聚集态结构是决定聚合物性质的主要因素[7,8]。目前,已有大量的学者对聚氨酯、丁二烯-苯乙烯共聚物、聚降冰片烯、环氧、聚酯、交联聚乙烯、反式1,4-聚异戊二烯等进行了研究[9,10,11,12,13,14,15],主要涉及嵌段长度及含量、单体的含量与分子质量对形状记忆性能的影响。

本文将聚集态结构分成可逆相和固定相均为不定形结构,可逆相为不定形结构、固定相为结晶结构,可逆相为结晶结构、固定相为不定形结构3个种类,讨论聚集态结构对形状记忆特性的影响。

1 聚集态结构对热致SMPs记忆特性的影响

热致SMPs在实际工程应用中,主要参数有转变温度、模量、形状固定率、形状回复率、回复应力、回复速率等。

1.1 对转变温度的影响

转变温度有文献称为开关温度[7],也有文献将形变回复率达到50%时对应的温度作为转变温度[16],目前还没有统一的定义。本文将文献中Tg或者Tm作为形状转变温度。

应用时的取值范围:SMPs的转变温度根据实际应用制定,对于医疗卫生,转变温度接近人体温度,从而达到药物释放[2]、形状矫正、绷带夹板的紧固[7]、医用组织缝合线[17]对伤口的缝合等目的;对于形状记忆铆钉则在100℃左右[18],对于交联聚乙烯制备的热收缩管类制品响应温度为100~130℃[7]。

1.1.1 固定相和可逆相均为不定形结构的SMPs

转变温度虽然是可逆相的软化温度,但是与固定相的含量密不可分。随着固定相含量的增加,可逆相含量必然减小,但是可逆相中链的缠结密度或交联密度完全有可能增加,相对高含量可逆相的聚合物来说,高含量固定相的SMPs分子链柔性降低,可逆相“刚度”增加,Tg也会随之升高。

Armin Alteheld等[19]用低分子量连接基团耦合已知形状低分子预聚体的方法,合成了具有完全不定形网络结构的聚酯-聚氨酯共聚物(Copolyester-urethane),Tg在48~66℃之间。并且预聚体平均分子质量超过4000g/mol,Tg在55℃左右,随着预聚体分子质量减小,Tg明显升高,这是由于网络连接点官能度的增加。预聚单体用TMDI交联,Tg则由39℃上升到51℃[20],这是由于自由链段减少,聚合物的自由体积和链段运动性能降低。

于明昕等[18]合成了可逆相和固定相都不结晶的形状记忆聚氨酯,Tg为75~90℃,当固定相含量增加时,Tg也随之升高,认为整个分子链上可自由旋转的单键的比例减少,使链的柔性下降,从而导致Tg升高。

T. S. Wilson等[21]研究了具有不定形的脂肪族聚氨酯网络的聚合物,其Tg符合Fox公式:

undefined

式中:Wi表示每种单体的质量分数,Tg,i表示每种单体的玻璃化转变温度。

若聚合物形成循环网络结构,分子链的活动性降低,则Tg会显著升高。如果在分子链中引入侧链,以增加整链的刚度,也可以使Tg升高。

Yuyan Liu等[3]合成了化学交联的环氧树脂,研究了固化度和交联密度对环氧树脂转变温度的影响,发现固化度增加,交联密度也增加,Tg随之升高。当固化度为60%时,经DMA测试,Tg为74.7℃,适用于航天材料。

胡金莲等[22]研究了含有嘧啶的超分子聚氨酯,以氢键连接的嘧啶环作为可逆相,以氨基中的氢键充当物理交联点。当BINA含量高时,HDI和BINA通过氢键形成不定形可逆相,HDI和BDO单元由于BINA的影响,形成了不定形固定相;当BINA含量低时,HDI和BDO单元形成了半结晶固定相。Tg随BINA含量的减小而降低。但是可逆相和固定相含量同时减小,导致了Tg的降低。

对于完全不定形聚合物,Tg主要与链段的刚度和分子链的活动能力有关,若引入基团能使可逆相的交联点密度增加,降低分子链的柔性,则可提高Tg。

1.1.2 可逆相为不定形结构、固定相为结晶结构的SMPs

具有不定形可逆相结构和结晶固定相结构的SMPs,可逆相相区和固定相相区具有热力学不相容性,由于氢键作用、偶极作用和诱导偶极等,固定相聚集为微区,导致产生微观相分离,并且可逆相微区和固定相微区表现出各自的热转变温度,结晶的固定相充当着固定相的作用[7]。但是固定相的含量不能过低,含有过低含量固定相的聚合物基本不具有形状记忆性能,可能是因为固定相溶解在可逆相中,微相分离不明显,不能起到固定相的作用。

Byung Kyu Kim等[23,24]以六亚甲基二异氰酸酯(HMDI)和1,2丁二醇(1,2-BD)反应物作为不定形可逆相,以4,4-二苯基甲烷二异氰酸酯和1,6-己二醇反应物作为结晶固定相,研究线性嵌段热塑性聚氨酯形状记忆特性。结果表明,在固定相质量分数不变的情况下,可逆相分子质量由3000增加到6000和9000,可逆相和固定相嵌段长度都增加,微相分离程度随之增加,溶解在可逆相区域中的固定相减少,导致玻璃化转变温度降低;保持可逆相相对分子质量为3000,固定相质量分数从10%增加到15%和25%,固定相含量的增加导致固定相结晶程度增大,可逆相的分子运动受到限制,从而使玻璃化转变温度升高。

Toshisada Takahashi等[25]研究了嵌段聚氨酯结构与性能的关系,用二苯基甲烷二异氰酸酯(MDI)和不同相对分子质量的聚己二酸乙二醇酯(PEA)反应,再用1,4-丁二醇(BDO)扩链,得到以PEA为不定形可逆相、以MDI和BDO为结晶固定相的SMPs。保持固定相含量不变,可逆相分子质量增加,Tg减小。保持可逆相分子质量不变,增加固定相含量,也可以使可逆相Tg升高,但是固定相的熔融温度基本不受影响。 组成可逆相和固定相的配方不变,加入亲水性基团,形成了亲水性的不定形嵌段。保持可逆相相对分子质量为3000,固定相质量分数始终为25%,随着亲水性基团质量分数增加,玻璃化转变温度下降,这是因为亲水性嵌段局部溶解在固定相区域,阻止了固定相区域结晶,提高了分子链运动能力。另外的一组亲水性基团得到了同样的结论。

综上可以看出,Tg的变化最终还是与可逆相分子链的运动性、整链的刚度有很大关系。

1.1.3 可逆相为结晶结构、固定相为不定形结构的SMPs

可逆相的结晶是有前提的,通常构成可逆相的单体分子相对分子质量有一个下限,只有当其分子质量高于这个下限时,聚合物才显现出形状记忆功能。此时的转变温度为可逆相的结晶-熔融温度Tm。

Dan Yang等[26]用开环异位聚合的方法合成了带有己内酯侧链和氰基基团的聚降冰片烯,发现当己内酯侧链分子量高于2200时,降温时侧链结晶,高聚物具有形状记忆功能,聚合物的形状转变温度为侧链的熔融温度,经DSC测试,Tm约为55.2℃;而侧链分子量低于2200的试样,经DSC和X射线衍射,均没有观察到晶区的存在,且高聚物不具备形状记忆特性。

李凤奎等[27,28,29]研究了可逆相含量及长度对结晶性的影响。可逆相分子量高于2000以上的聚合物,当可逆相长度相同时,随固定相含量增加,可逆相的结晶能力稍有降低,熔融温度也有所降低,但保持在45~50℃之间。当可逆相含量足够大时(88%以上),固定相含量对可逆相熔融温度基本没有影响。

Peng Ping等[30]合成了带有ε-己内酯侧链的结晶聚合物,提出了最低回复温度的概念,Ttrans在可逆相熔融温度Tm以下15~20℃,最低回复温度也在可逆相熔融温度Tm以下15~20℃。可逆相和固定相单体物质的量比不变时,随可逆相分子质量增加,可逆相的含量减小,分子刚性增加,熔融温度和最低回复温度都升高。可逆相的结晶也存在着PCL嵌段质量分数的下限,当侧链分子质量足够大(>8000)时,对熔融温度影响基本不大。

综上所述,对于可逆相和固定相均为不定形结构的SMPs,其形状转变温度为Tg,Tg与可逆相交联密度或缠结密度有关,固定相含量增加,可逆相分子运动受到限制,分子链刚性增加,导致Tg升高。

对于可逆相为不定形结构、固定相为结晶结构的SMPs,以可逆相的Tg为形状转变温度,保持固定相含量不变时,可逆相分子质量增加,Tg会降低,这是由于微相分离程度增加,分子链柔性增强。保持可逆相分子质量不变,固定相含量增加,则Tg会升高,这是由于固定相结晶程度增加,限制了可逆相的分子运动。

对于可逆相为结晶结构、固定相为不定形结构的SMPs,以可逆相的Tm为形状转变温度,必须保证可逆相相对分子质量高于一个下限,可逆相才能结晶。相同的可逆相和固定相单体物质的量比不变时,随可逆相分子质量增加,可逆相的含量降低,分子刚性增加,则Tm升高;当可逆相分子质量高到一定程度时,Tm随固定相含量的变化更不明显。

无论何种聚集态结构,Ttrans都与构成可逆相分子链的“刚性”有关,控制可逆相与固定相的比例和可逆相单体的分子质量是调整转变温度的一种方法[30,31,32]。将大的侧链基团移动到主链附近或通过多官能团的交联剂引入基团也可以提高转变温度[33]。

1.2 对存储模量的影响

具有形状记忆性能的聚合物,对于任何形式的聚集态结构,其玻璃化平台模量(Glass plateau modulus)和橡胶态平台模量(Rubbery plateau modulus)随温度的变化都会有2~3个数量级的变化,数量级变化越大,形状记忆性能越好。当固定相含量很低时,温度-存储模量曲线图中基本没有橡胶态模量平台,也不具备形状记忆性能。

这3种聚集态结构对模量的影响没有其他明显的普遍规律。

1.3 对形状固定率的影响

形状固定率是评价形状记忆材料的关键参数,具有应用价值的形状记忆材料,其形状固定率应为95%~100%。

目前文献中形状固定率有两种表征方法,一种是拉伸长度的变化,一种是弯折时角度的变化。

undefined100% (2)

式中:εu(N)为第N次变形并且固定后的应变,εm为撤消外力前的最大形变。

undefined100% (3)

式中:lb为降温并卸除外力后的标距,la为降温前拉伸的标距,l0为初始标距[34]。

以及:

undefined100% (4)

undefined100% (5)

式中:θ3为加载后最大变形角度,θ1为卸载后稳定角度。

1.3.1 固定相和可逆相均为不定形结构的SMPs

对于具有完全不定形网状结构的SMPs,随预聚体分子质量的增加,形状固定率会稍微增大,但是预聚体分子质量超过10000时,形状固定率会减小[26]。不过也有研究发现,其形状固定率几乎不受交联密度的影响,均在99.5%以上。对于多次拉伸,由于分子取向已确定,形状固定率基本保持不变[19,35]。

Walter Voit等[36]用五步合成法有效地控制了具有网络结构的丙烯酸酯的形状记忆性能和力学性能,通过调节橡胶态模量、辐射剂量、交联密度,达到提高形状记忆固定率的目的。

由于高分子材料应力与应变存在着滞后现象,依靠可逆相分子构象的转变,在应力与应变没有达到平衡态时将聚合物冷却,则将内应力冻结在可逆相中[10]。研究发现可逆相含量增加,形状固定率随之增大[37,38]。

1.3.2 可逆相为不定形结构、固定相为结晶结构的SMPs

陈亚东等[39]合成了聚己内酯/聚氨酯共聚的形状记忆材料,发现随着固定相含量的增加,结晶熔融温度升高,结晶度下降,固定率始终保持在98%左右,并据此认为控制结晶度并不能改变形状固定率。

Bo Sun Lee等[40]研究了嵌段共聚聚氨酯,发现固定相含量对形状固定率影响不大。

1.3.3 可逆相为结晶结构、固定相为不定形结构的SMPs

曹琪等[41]研究超支化聚酯时发现,当固定相含量为15%~35%时,可逆相呈结晶态;当固定相含量为40%时,可逆相呈不定形结构。固定相含量在15%~35%时,随固定相含量增加,形状固定率下降;随结晶可逆相含量增加,形状固定率提高。

可见,可逆相的含量和聚集态结构是决定形状固定率的主要因素,当固定相不结晶时,可逆相含量越多,形状固定性越好,而固定相结晶的聚合物,可逆相含量对形状固定率影响不大。

1.4 对形状回复率的影响

形状回复率在实际应用中也是重要指标之一,目前各个品种的SMPs形状回复率一般都在95%以上,并且随着变形次数增加,分子链的取向更有规律,回复率也会增加。应力和应变弛豫是形状记忆聚合物回复的主要机制,应变回复的起始温度和结束温度与玻璃态转变区域的宽窄有关[42]。

由于物理缠结的不稳定,在应力作用下,链分子间的滑移点还有可能被解开,所以纯粹的物理缠结回复率低。引入化学交联,使固定相含量增加,则可以提高回复率[34,43]。当化学交联网络完善以后,再增加交联剂用量,对形状回复率贡献不大。

Katsuhiro Inomata等[44]研究了在聚甲基丙烯酸甲酯主链上接枝聚乙二醇(PMMA-g-PEG)聚合物的形状记忆性能,发现结合点起到物理交联点的作用,且由于形成了物理交联网络,形状记忆性能得到提高。形状回复率随支链密度的增加先增大后减小,支链密度为1%(摩尔分数)时,形状回复率达到最大。

形状固定率由可逆相决定,形状回复率主要由固定相决定[7]。对于固定相结晶的聚合物,结晶度越高,形状回复能力越大[45]。

综上可以看出,形状回复率与固定相含量以及聚集态结构有关。固定相含量越大,形状回复率则越高。

1.5 对形状回复速率的影响

随着固定相含量的增加,回复速率加快,所使用时间缩短,这是由于固定相的比例增大,二次成型时固定相储存的应力变大,并使恢复形变时的回复应力也增大,因而所需的回复时间相应缩短[19]。也有研究发现橡胶态模量与玻璃态模量的比值越大,形状回复越快[42]。

2 结语

(1)对于可逆相与固定相均为不定形结构的SMPs,形状记忆性能与交联密度、预聚体分子质量有关,随着交联密度的增大,充当固定相的交联点数目增加,分子链刚性增强,分子运动受到限制,使形状转变温度升高;由于形状固定率与可逆相含量有关,转变温度升高可能会使固定率下降。

(2)对于可逆相为不定形结构、固定相为结晶结构的SMPs,可逆相含量增加时,分子运动更加容易,转变温度会降低,而结晶固定相的含量对形状固定率影响不是很大。

(3)对于可逆相为结晶结构、固定相为不定形结构的SMPs,必须保证可逆相的相对分子质量高于某个下限,可逆相才能结晶,并且固定相含量也需达到一定临界值才能形成固定相微区;转变温度随可逆相质量分数变化不大;固定相含量对形状记忆回复率和固定率影响较大,固定相含量高则形状回复率高、固定率低。对于此类SMPs,形状固定率与回复率是相互矛盾的,存在此消彼长的关系,而引入新的基团则有望使两者都达到比较好的结果[38]。

形状记忆性能 第5篇

1998年, Ritter等人借助数学形态学的基本运算提出了形态学联想记忆 (Morphological Associative Memories, MAM) 神经网络模型[1]。之后, 国内学者对MAM网络进行了积极的研究。2002年, 陈等人提出了复形态联想记忆模型[2], 把MAM扩展到了复数域。2003年, 王敏等人提出了新模糊形态学联想记忆 (Fuzzy MAM, FMAM) [3], 2005年, Wang和Chen又提出了增强的FMAM (Enhanced FMAM, EFMAM) [4]。冯等人在众多MAM研究的基础上, 分别尝试构建了实域上和复域上的形态学联想记忆框架[5,6], 提出了基于概率的MAM记忆性能模型[7], 并开展了一定的MAM应用研究[8]。本文基于前期对MAM记忆性能的研究, 对其进行定性的分析。以期对形态学联想记忆的研究有所裨益。

1 形态学联想记忆网络

1.1 记忆阶段

联想记忆网络在记忆阶段, 对要记忆的样本模式进行学习和记忆。MAM采用数学形态学方法模拟神经计算, 建立神经元之间的联系, 形成记忆矩阵。

设有k个模式对 (x1, y1) , (x2, y2) , …, (xk, yk) , 这里向量xξ= (x1ξ, …, xnξ) T∈Rn, 向量yξ= (y1ξ, …, ynξ) T∈Rm, ξ=1, …, k, X为输入向量矩阵, Y为输出向量矩阵, X= (x1, …, xk) , Y= (y1, …, yk) 。MAM有两个不同的存储矩阵, 其定义如下:

其中,

WXY的元素,

1.2 联想阶段

在联想阶段, 网络接受输入模式的刺激, 进行反应或联想, 并得到一定的输出结果。形态学联想记忆网络的回忆规则:

同理:

根据式子 (4) (5) 得到:

即

我们将从形态学联想记忆网络工作过程的角度, 对其记忆性能进行一个定性的分析。

2 MAM的记忆性能的定性分析

当形态学联想记忆网络只记忆单个模式对时, 因为该模式对的矩阵信息完全存储在存储矩阵中, 所以可以从该模式对的输入模式正确联想出输出模式, 这一点对所有的联想记忆网络都满足。但当网络记忆了多个模式对时, 各个模式对之间的相互影响就不可避免地存在, 这主要表现为:

⑴存储矩阵中元素的变动 (存储矩阵仍以WXY来考虑)

在记忆阶段, 伴随着对更多模式对的不断学习过程, 形态学联想记忆网络的存储矩阵中的元素是在不断变动的, 而另一方面, 当网络的输入端维数与输出端维数确定的情形下, 形态学联想记忆网络的存储容量是固定的。我们可以采用如下方式来考虑形态学联想记忆网络对模式对的记忆过程:在网络的存储矩阵存储了第一个模式对的矩阵信息之后, 当记忆第二个模式对时, 如果第二个模式对的矩阵信息中某个元素yi2-xj2满足yi2-xj2<yi1-xj1, 那么对于存储矩阵中对应的位置wij, 原来存储的是第一个记忆模式对的信息, 现在就被第二个模式对的信息所替换。类似的道理进行随后模式对的记忆。

可见, 随着待记忆模式对的不断加入, 要记忆模式对数目K不断增多, 则前面已记忆模式对的矩阵信息中某个信息元素, 被后续模式对的矩阵信息中相应元素, 所替换的可能性就越来越大, 从而该信息元素被存储在存储矩阵中的可能性就越来越小。也即是说, 伴随着记忆模式对数目K增多, 形态学联想记忆网络的记忆性能是不断下降的。当某个模式对对应的矩阵信息中任意一整行信息都未能存储进存储矩阵中, 那么形态学联想记忆网络是无法从这个模式对的输入模式正确联想出输出模式的。

但我们知道, 根据形态学联想记忆网络的联想规则, 已经存储进存储矩阵的某个模式对的个别信息元素被后续要记忆模式对的相应信息元素所替换的情形, 并不会立即影响网络对这个模式对的联想性能, 只要这个模式对的矩阵信息元素在每一行中至少有一个仍存储在存储矩阵中, 那么仍可以依据该模式对的输入模式正确联想出输出模式。也正因为这个原因, 形态学联想记忆网络的记忆性能远比基于Hebb规则的BAM网络的记忆性能要好, BAM网络所采用的Hebb规则是采用累加的方式来再记忆每一个新模式对, 那就意味着存储矩阵中每个元素皆存在改变的可能, 不仅原来的模式对信息被抹掉, 新记忆的模式对信息也并没有体现出来。

上面是在存储矩阵容量固定的情形下来分析的, 但同时我们必须要看到, 形态学联想记忆网络的记忆性能非常倚重于网络的输入端的维数与输出端的维数。

当输入端维数越大时, 那么存储矩阵的每一行的存储信息量就更大, 那能容纳的模式对数就更多。也即是说, 伴随输出端维数的增多, 形态学联想记忆网络的记忆性能是不断下降的。也即是说, 伴随输入端维数的增多, 形态学联想记忆网络的记忆性能是不断提高的。

而与此相反, 输出端的维数越大, 那么意味着存储矩阵的行数更多。前面分析知道, 新记忆的模式对的矩阵信息, 只需将存储矩阵中某行信息都替换, 那么就意味着以前所有记忆的模式对, 皆存在不能正确回忆的可能性。而存储矩阵的行数越多, 被新记忆模式对的矩阵信息替换掉存储矩阵中一整行信息的可能性就越大。也即是说, 伴随输出端维数的增多, 形态学联想记忆网络的记忆性能是不断下降的。

⑵记忆模式对之间的交叉干扰

当网络的存储矩阵已经建立, 对某个记忆了的模式对的输入模式进行联想, 其联想规则, 见前面的式子 (4) 。在此, 对某个元素进行分析。当输入模式为xl时, 输出模式yl的第i元素可由下式计算:

如果, 那么正是因为记忆了的模式对的干扰所产生的噪声项, 屏蔽掉了有效信号项yil, 从而导致式子 (8) 不等于yil, 即不能正确回忆出yil。当要记忆的模式对数目的不断增多, 这种模式对之间的交叉干扰, 就变得更加突出, 形态学联想记忆网络的记忆性能就不断下降。

3 结语

对于形态学联想记忆, 由于其网络结构不是反馈式的, 而是一种前向映射式的, 因而对于它而言, 不存在明显的稳定性的概念, 不管有多少 (下转第102页) 个模式对, 形态学联想记忆都可以用一个存储矩阵来进行存储。但无限存储并不等于就是真正地记住了, 因此, 本文在存储容量的概念的基础上, 提出一个记忆性能的概念, 并对其进行了定性分析。

摘要：形态学联想记忆网络基于其前向映射式的网络结构特点, 不管有多少个模式对, 都可以用一个存储矩阵来进行存储。记忆单个模式对时, 该模式对的矩阵信息完全存储在存储矩阵中, 所以可以从该模式对的输入模式正确联想出输出模式, 但当网络记忆了多个模式对时, 各个模式对之间的相互影响就不可避免地存在, 在此对其记忆性能进行定性分析, 以期对MAM的研究有所裨益。

关键词：形态学联想记忆,记忆性能,定性分析

参考文献

[1]G X Ritter, P Sussner.Morphological Associative Memories.IEEE Transactions on Neural Networks, 1998, 9 (2) :281~292.

[2]Chen Songcan, and Liu Weilong.Complex Morphological Associative Memories and Their Performance Analysis.Journal of Software (in Chinese) , 2002, 13 (3) :453-459

[3]Wang Min, Wang Shi-tong, and Wu Xiao-jun.Initial Results on Fuzzy Morphological Associative Memories.Acta Electronica Sinica (in Chinese) , 2003, 31 (5) :690~693

[4]Wang Min, and Chen Songcan.Enhanced FMAM Based on Empirical Kernel Map.IEEE Transactions on Neural Networks, 2005, 16 (3) :557~564.

[5]Feng Naiqin, Qiu Yuhui, Wang Fang, et al.A Unified Framework of Morphological Associative Memories[A].In:Huang Deshuang, Li Kang.Lecture Notes in Control and Information Sciences, 344.Intelligent Control and Automation[C].Berlin:Springer Berlin/Heidelberg.2006:1~11.

[6]冯乃勤, 刘春红, 张聪品, 等.形态学联想记忆框架研究[J].计算机学报2010, 33 (1) ?:33-41.

[7]冯乃勤, 敖连辉, 李素娟, 等.基于概率的MAM记忆性能模型[J].计算机工程与设计, 2011, 32 (2) :676-680.

形状记忆性能 第6篇

作为一种典型的摆动关节运动形式, 方向舵、仿生鱼鳍或扑翼在微小型仿生水下机器人中具有广泛的应用[1]。由于受到设计空间、驱动能耗、传动效率以及噪声等条件的约束, 微小型仿生水下机器人对其摆动式推进装置的驱动和传动机构设计提出了较为严格的要求。形状记忆合金 (shape memory alloy, SMA) 是一种具有形状记忆效应的功能材料, SMA驱动器集传感、驱动和执行机构于一体, 具有结构简单、控制方便等优点, 已经在机械、电子、化工、宇航、能源、医疗和机器人等领域得到具体的应用[2]。由SMA构成的驱动器具有功率与质量比高、结构紧凑、无噪声、控制灵活等优点, 在微小型仿生水下机器人中具有重要的研究和应用价值, 对实现水下机器人运动的高效性和隐身性具有重要的意义[3]。

1 SMA差动驱动的摆动关节运动机理

图1所示为某小型水下机器人方向舵装置, 本文以其为研究对象, 展开对SMA差动驱动器摆动关节的运动机理研究。SMA驱动器是一种利用SMA在形状记忆效应中输出的位移和力来对外界做功的机构。SMA驱动器一般由SMA驱动元件和执行机构两部分组成。作为驱动元件, 螺旋弹簧状的SMA对获得较大的动作行程具有重要意义。根据SMA弹簧驱动器的配置形式, 常见的驱动形式可分为偏动式和差动式两类。差动式驱动方式如图2所示, 通过左右两个SMA弹簧分别控制实现负载的左右移动, 其驱动原理为:加热左侧的SMA弹簧, 则产生向右的位移;冷却后在右侧SMA弹簧的作用下回复至平衡位置;加热右侧的SMA弹簧, 则产生向左的位移, 同样冷却后回复至平衡位置。可见, 差动式驱动方式可产生相对于平衡位置的两个方向的位移量, 适用于具有三项位置要求的往复运动机构, 满足其作为水下机器人方向舵的使用要求。

图3所示为SMA差动驱动器运动机理及其驱动方法。水下机器人方向舵装置由四套相对独立、结构形式相同的驱动-传动机构组成, 其每一套装置具有相同的构件:舵板、曲柄滑块传动机构和SMA差动驱动器, 如图3a所示。其中曲柄、连杆、滑块和导轨组成了偏置式曲柄滑块传动机构;SMA差动驱动器由位于滑块左右两侧、导轨上的SMA弹簧1和SMA弹簧2构成。

在自然状态下, SMA差动驱动器的两根弹簧处于自由状态, 此时滑块位于导轨的中央位置;当给SMA弹簧1通电加热至其相变温度时, 该弹簧在形状记忆效应下发生形变而伸长, 推动滑块在导轨上向右移动, 在连杆的传动下拉动曲柄顺时针摆动一定的角度, 相应的舵板也以顺时针摆动至一定的角度;反之当加热SMA弹簧2, 冷却SMA弹簧1时, 滑块便在弹簧2的推力下沿着导轨向左滑动, 在连杆的传动下推动曲柄逆时针摆动一定的角度, 相应的舵板也以逆时针摆动至一定的角度。其中滑块在导轨上的位移量S对应于曲柄, 也即舵板的摆动角度2φ。与之对应的SMA差动驱动器的通断电驱动方式如图3b所示。

2 SMA驱动器热力学性能实验研究

SMA差动驱动的摆动关节运动性能由SMA差动驱动器及其曲柄滑块传动机构两个主要因素决定。其中SMA驱动的、滑块为主动件的曲柄滑块传动机构, 综合考虑了SMA驱动器的变形能力和驱动力, 并以SMA驱动的滑块位移和作用在滑块上的初始驱动力为目标函数, 经多目标优化设计和计算得到[4]。本文针对SMA差动驱动器本体的具体驱动性能, 利用搭建的SMA差动驱动器实验平台, 对不同结构参数的SMA弹簧所构成的差动驱动器在不同驱动条件和外界环境下的热力学性能展开实验研究[5,6,7], 分析影响SMA差动驱动器运动响应能力的因素, 为SMA差动驱动器的最优设计和最佳驱动量的选取提供实验依据。

2.1 实验平台

基于SMA差动驱动的曲柄滑块传动机构优化设计结果, 搭建了如图4a所示的SMA差动驱动的曲柄滑块摆动关节实验平台。其中, SMA弹簧选用单程形状记忆材质;舵杆、曲柄、连杆、滑块以及导轨的位置和长度尺寸等信息由传动机构多目标优化结果设计得到;左、右支架在底座上的位置可调, 满足针对不同长度的SMA弹簧展开实验研究的需要;同时, 该实验平台还充分考虑了针对不同丝径和中径的SMA弹簧的实验需求, 左右支架、导通套筒、导轨以及滑块可根据需要灵活更换。

本实验的最终目标是探索并检验SMA差动驱动器在电加热条件下的驱动能力。因此, 基于表1中不同结构参数的SMA弹簧所构成的驱动器, 搭建了输入电流、通断电时间、通电时序等各项影响因子可控的实验装置, 主要包括可调的恒流源电源、SMA实验平台以及可控硬件系统, 如图4b所示。其中, 可控的硬件系统主要是由可通过手动单刀双掷开关控制的两个相同的基本回路构成。根据需要调节恒流源输入的电流值, 并通过切换开关控制每个回路的通断电时序, 可对不同参数的SMA驱动特性展开实验研究。

mm

2.2 不同影响因子下的SMA差动驱动器响应能力

影响SMA驱动器驱动性能的因素很多, 包括外界环境温度及其变化率、通电电流值、通断电时序以及SMA驱动器本身结构参数等等。根据实验装置外界环境的不同, 分别对不同参数下的SMA驱动器展开研究。其中外界环境包括三种:自然环境、强制风冷环境和密封舱内部环境, 如图5所示。开展密封舱内部环境下的SMA差动驱动器驱动性能实验主要是模拟水下机器人摆动关节的实际工况, 便于更加准确地评估SMA差动驱动器的驱动效能。

图6a~图6c反映的是在不同外界环境下, 不同结构参数的SMA差动驱动器驱动电流和摆动关节运动周期之间的对应关系, 图6d是丝径d=0.5mm的SMA差动驱动器在不同外界环境下, 驱动电流和摆动关节运动周期之间的对应关系。

通过上述基于不同环境、不同驱动电流加热条件下对不同类型的SMA驱动器的实验研究和数据分析, 可以得到如下结论:

(1) 丝径较小 (d=0.3mm) 的SMA驱动器由于产生的变形力不足以克服外力而推动滑块运动, 故在实际方向舵摆动关节中无法应用;丝径较大 (d=1.5mm) 的SMA驱动器由于其本身阻值较小, 在有限时间内不足以产生足够热量提升本体温度至相变温度, 故也无法在小型化方向舵摆动关节中应用;

(2) 丝径为0.5mm、0.8mm和1mm的SMA驱动器经验证可有效实现驱动方向舵的摆动, 在相同外界条件下, SMA驱动器丝径越小则摆动关节具有越好的运动响应能力, 但不足是驱动器产生的驱动力小, 能耗相对较大。因此, 具体采用何种参数的SMA驱动器、多大的电流驱动量为最佳驱动形式, 仍需通过进一步的多目标综合优化来决策。

3 SMA差动驱动器多目标综合优化

由上述实验研究和分析可见, 不同丝径的SMA驱动器在能耗、驱动力和响应能力方面的体现不尽相同。基于多目标优化设计理论, 建立基于SMA驱动器的能耗、驱动力和响应能力等不同指标的目标函数、设计变量和约束条件, 在优化设计软件平台下优化得到适于本实验装置使用条件的SMA弹簧驱动器最优参数及最佳驱动量是研究的重点。

3.1 能耗

根据SMA驱动器实验平台的电路设计可知, 整个系统的能耗主要由回路中的SMA弹簧和电阻器产生, 其一个运动周期内的能耗可表述为

式中, I为回路中的电流值;RSMA为SMA弹簧的电阻值;RR为回路中电阻器的电阻值;ρe为SMA弹簧材质的电阻率;D0为SMA弹簧的中径;n为SMA弹簧的有效圈数;d为SMA弹簧的丝径。

3.2 驱动力

根据上面的实验可以宏观地看到, 较细的SMA驱动器产生的形变驱动力相对较小。根据经验公式, 可得一般意义上SMA弹簧形变时的驱动力表达式:

式中, E为形变时弹簧的弹性模量, 一般E=250~300Pa;k为弹性系数, 一般k=1.28。

3.3 响应能力

SMA差动驱动器的响应能力主要取决于弹簧温度的上升速度, 在相变温度和外界环境相同的条件下, 默认SMA驱动器的冷却时间近似相同, 因此驱动器的响应能力主要取决于单位时间内弹簧产生的电阻热:

Q值越大, 表示弹簧的形变响应能力越强。

通过上述分析, 基于式 (1) ~式 (4) 可以得到基于能耗、驱动力和响应能力的SMA驱动器优化目标函数, 即

可见, 上述多目标优化目标函数的设计变量为[I, D0, d, n], 若近似认为在加热前后SMA弹簧电阻值不变, 则电流值与输入电压成正比;弹簧的有效圈数n主要取决于弹簧长度L与弹簧节距t, 一般取t= (2.5~5) d。

结合本文涉及的SMA差动驱动器应用背景以及所选用的SMA弹簧材质特性, 特将上述设计变量的边界条件设定为

其中, 弹簧的长度上下限值Lmax和Lmin主要由实验平台导轨长度和可调节左右支架极限位置决定。

在i SIGHT软件平台[8]环境下, 将上述多目标优化问题进行优化寻优, 采用基于混合整型优化与多岛遗传算法相结合的混合优化算法[9,10], 最终选取的能耗、驱动力和响应能力综合最优的SMA弹簧参数为

与之对应的能耗、驱动力和响应能力指标值分别为

基于上述多目标优化的结果, 可得到SMA差动驱动器的SMA弹簧参数为:丝径d=0.8mm, 中径D0=8mm, 有效圈数为n=40圈;控制回路中的供电电流为1.1A时, 可实现驱动器在能耗、驱动力和响应能力三个方面的综合最优。

4 结语

SMA驱动技术在微小型机器人, 特别是微小型仿生机器人领域具有巨大的应用潜力。以某小型水下机器人摆动式方向舵为研究对象, 提出了一种利用SMA差动驱动器的驱动方法。结合摆动关节运动特点, 分析了SMA差动驱动的摆动关节运动机理及其驱动方法;搭建了SMA差动驱动器实验平台, 并对不同结构参数的SMA驱动器在不同驱动条件和外界环境下的热力学性能展开实验研究;在实验数据分析的基础上, 提出采用多目标优化设计理论和算法, 对基于SMA差动驱动器的驱动力、响应能力及能耗的综合驱动性能进行了优化, 得到了满足使用条件的SMA驱动器最优结构参数和与之匹配的驱动电流, 为SMA驱动技术在水下机器人仿生推进领域的应用提供了理论依据和实验基础。

摘要：提出了一种可应用于微小型水下机器人摆动关节的形状记忆合金差动驱动方法及其实验装置。分析了形状记忆合金差动驱动的摆动关节运动机理;针对不同结构参数的形状记忆合金驱动器在不同驱动条件和外界环境下的热力学性能, 对形状记忆合金驱动器的响应能力、驱动力及能耗展开实验研究和分析;采用多目标优化设计理论和算法, 对形状记忆合金差动驱动器的综合热力学性能进行了优化, 得到了满足使用条件的形状记忆合金驱动器最优结构参数和与之匹配的控制量。

关键词：形状记忆合金,差动驱动器,运动原理,热力学性能,多目标优化

参考文献

[1]苏玉民, 万磊, 李晔, 等.桨舵联合操纵微小型水下机器人开发[J].机器人, 2007, 29 (2) :151-154.Su Yumin, Wan Lei, Li Ye, et al.Development of a Small Autonomous Underwater Vehicle Controlled by Thrusters and Fins[J].Robot, 2007, 29 (2) :151-154.

[2]Zhang Y H, Li S R, Ma J, et al.Development of an Underwater Oscillatory Propulsion System Using Shape Memory Alloy[C]//Proceedings of the IEEE International Conference Mechatronics and Automation.Niagara Falls, Canada:IEEE, 2005:1878-1883.

[3]王宏, 姚雄亮, 戴绍仕.基于SMA的关节驱动器的力学分析及控制[J].传感器与微系统, 2007, 26 (2) :28-30.Wang Hong, Yao Xiongliang, Dai saoshi.Control and Mechanics Analysis on SMA Joint Actuator[J].Transducer and Microsystem Technologies, 2007, 26 (2) :28-30.

[4]唐元贵, 张艾群.形状记忆合金驱动的曲柄滑块机构多目标优化设计[J].机械设计与制造, 2011 (6) :49-51.Tang Yuangui, Zhang Aiqun.Multi-objective Optimization Design of Slider-crank Mechanism Driven by Shape Memory Alloy[J].Machinery Design and Manufacture, 2011 (6) :49-51.

[5]Punning A, Anton M, Kruusmaa M, et al.A Biologically Inspired Ray-like Underwater Robot with Electroactive Polymer Pectoral Fins[C]//IEEE Conference on Mechatronics and Robotics 2004.Aachen, Germany, 2004:241-245.

[6]林龙信, 沈林成, 张代兵.仿生波动鳍的试验研究[J].哈尔滨工程大学学报, 2008, 29 (5) :489-492.Lin Longxin, Shen Lincheng, Zhang Daibing.Experimental Investigation of Bionic Undulating Fins[J].Journal of Harbin Engineering University, 2008, 29 (5) :489-492.

[7]罗庆生, 韩宝玲.现代仿生机器人设计[M].北京:电子工业出版社, 2008.

[8]岳珠峰, 李立州, 虞跨海, 等.航空发动机涡轮叶片多学科设计优化[M].北京:科学出版社, 2007.

[9]李立君, 尹泽勇, 乔渭阳.基于多目标遗传算法的航空发动机总体性能优化设计[J].航空动力学报, 2006, 21 (1) :13-18.Li Lijun, Yin Zeyong, Qiao Weiyang.Performance Optimal Design of Aircraft Engine Based on Multi-objective Genetic Algorithms[J].Journal of Aerospace Power, 2006, 21 (1) :13-18.

形状记忆性能 第7篇

Fe-Mn-Si-Cr-Ni合金是最早开发的不锈铁基形状记忆合金, 由于具有良好的机械性能、低成本、不锈耐蚀、高温抗氧化及潜在高回复应变等优点, 广泛用于石油化工工业的管接头、紧固件等, 有着广阔的应用前景[1,2]。Otsuka等[3]研究了Fe-Mn-Si-Cr-Ni合金, 认为该合金未经热机械处理的潜在回复应变要比Fe-Mn-Si-Cr-Ni合金经热机械处理的回复应变高。虽然如此, 该合金的一个突出问题是实际的可回复应变仍然很低, 约为2%。为了满足不断前进的科技和工业应用上的需求, 提高Fe-Mn-Si-Cr-Ni形状记忆合金的综合性能, 寻求一条提高其回复性能的途径是迫切需要解决的问题。笔者通过调整Al含量, 获得了2种组成成分不同的Fe-15Mn-5Si-9Cr-5Ni形状记忆合金, 从形状记忆效应的角度出发, 在多次训练下测得了试样的回复率。用透射电镜等进行了试样的显微形貌分析。通过本次试验得出的结论将加深对Fe-15Mn-5Si-9Cr-5Ni形状记忆合金微观结构的研究, 有助于提高该合金的综合性能, 从而有利于其工业应用。

1实验

影响Fe-15Mn-5Si-9Cr-5Ni合金性能的因素非常多, 主要因素是合金的成分。为了改善和提高合金的性能, 本实验选用Al含量不同的合金, 记为试样1和试样2。试验合金用工业纯铁、金属锰、金属硅、金属铬等为原料, 在真空感应炉内熔炼, 利用失蜡模浇铸成型, 铸锭经1000℃均匀化退火, 然后热锻成圆棒, 终煅温度为800℃, 最后得到棒状合金。合金的成分如表1所示 (表中成分为质量分数) , 其中, 试样1不含Al (表1所示试样1含少量Al是由于材料加工过程中引入的杂质) , 试样2含Al。从两类合金中分别截取多个圆环试样进行训练和形状记忆效应回复率测定, 并进行金相观察和透射电镜观察。圆环尺寸如表2所示。

室温为20℃左右时, 将电炉温度调至800℃, 并预热2h用千分尺测量圆环试样的初始厚度, 并放置在YM-150型液压压力机上进行压缩。对于试样1, 第一次所加压力为300kN (试样2所加压力为400kN) , 取出试样, 测量其厚度 (mm) , 之后将样品再次放入电炉内加热。15min后从电炉内取出, 并在空气中冷却, 然后测量其厚度。分别在压力为400kN、500kN、600kN压力下 (试样2分别在压力为500kN、600kN、700kN压力下) 重复上述步骤。为了保证试验的可重复性, 再分别取2种合金的圆环试样进行试验, 一共进行3次, 最后回复率取3次试验的平均值。为研究试样合金训练后微结构的形貌, 取4次训练后的试样制成金相样品, 采用Nikon MBA21000型金相显微镜进行观察并拍照。截取距端口约1mm处部位制成薄片, 电解双喷后, 用H-800型透射电子显微镜观察微观结构。

2实验结果与分析

2.1形状记忆性能分析

形状记忆回复性能是形状记忆合金最显著的特征, 其好坏决定形状记忆合金的性能。图1为试样1和试样2的形变回复率随训练次数变化的实验结果。从图1中可以看出, 2种试样的形变回复率随训练次数的变化趋势是相同的, 都存在回复性能随训练次数的增加而呈现先增加至最大值然后降低的现象。Fe-15Mn-5Si-9Cr-5Ni合金是利用应力诱发马氏体相变而成的一种形状记忆合金, 铁基记忆合金的形状记忆效应是在马氏体为ε相时发现的, 但众所周知, 普通钢材在淬火硬化时得到的是α马氏体, 所以必须抑制α马氏体的生成。分析认为[4,5,6,7], 由于提高形状记忆效应的原因在于形变热处理过程中的退火为某种马氏体变体提供了更有效的形核部位, 使之在预变形时产生更多的且位向一致的应力诱发ε马氏体, 这种位向一致的应力诱发ε马氏体在回复时发生ε※γ转变, 能充分发挥形状回复的效果, 从而提高形状记忆效应。而随加载次数的增多, 组织中开始出现α马氏体, 导致形状记忆效应开始下降。

通过对比可知, 试样1比试样2的形变回复率高, 这是由于2种试样的铝含量不同导致的。由文献[8,9]得知, 虽然合金中的铝元素可以在钢中形成大量难熔、具有六方点阵结构的AlN, 它们弥散析出在晶界上, 能阻碍晶界的移动和阻止奥氏体的长大, 从而细化晶粒, 有利于应力诱发马氏体的产生, 由此可以提高形状记忆效应。但是Al过多会导致马氏体起始转变点Ms点升高, 从而产生更多的α马氏体, 不利于形状记忆效应, 所以, 试样2中Al含量过高反而降低了合金的形状记忆效应。

2.2微观结构分析

由于试样1和试样2的形状记忆回复机理相同, 选用试样1进行微观结构分析。4次训练后试样1的金相组织如图2所示, 其组织由多边形晶粒所组成, 但是由于合金中溶入了Mn、Si、Cr和Ni等元素, 它们取代Fe原子位置而形成置换式固溶体, 从而引起晶格畸变和点阵常数的变化[10,11], 所以这些晶粒的形状一般都不是等轴的。图2中显示的晶粒清晰可见, 有晶界将其包围, 晶粒完整并且还比较规则, 在晶粒相交处也形成了形状规则的晶界。在晶界上和晶内存在许多小黑点, 这可能是腐蚀液残留, 也可能是金属间化合物在晶界处的偏析, 一些其他杂质在此偏聚的结果。

图3为用TEM观察到的试样1的微观结构。图3 (a) 为训练后合金的位错形貌, 图3 (b) 为未训练合金的位错形貌。图3 (a) 中的位错细密且紊乱, 相互交织在一起, 有的地方出现位错的缠结, 位错分布非常不均匀。由文献[4,11]得知, 由于全位错移动产生永久塑性变形, 并产生位错缠结, 这些变形是不可逆的, 所以位错缠结不利于形状记忆效应。而图3 (b) 中的位错比较分散, 也没有缠结在一起, 所以训练次数增多后, 形状记忆效应会由于位错缠结的出现而下降。图3 (c) 为训练后合金的层错结构, 图3 (d) 为未训练合金的层错形貌。通过图3 (c) 和图3 (d) 的对比可以看到, 图3 (c) 中的层错宽大且密布排列, 而图3 (d) 中的层错小且稀松。基于Kajiwara的模型[12,13]可知, 为了有利于马氏体的形成, 母相中需要有足够多的层错;为了有利于马氏体充分回复到母相, 马氏体片层要非常薄且均匀分布, 而通过形变热处理的方式提高形状记忆效应就是使得奥氏体内层错增加且增大, 减小层错能以使应力诱发马氏体容易生成。层错能越小, 则应力诱发马氏体的形核阻力就越小, 层错密度越高, 马氏体的形核位置就越多, 越有利于形状记忆效应的提高。

3结论

(1) Fe-15Mn-5Si-9Cr-5Ni形状记忆合金的回复率与形变热处理的次数呈非线性关系。形变热处理次数增加, 回复率呈现先增加到最大值再减小的趋势。记忆合金在第二次形变热处理时回复率最大。

(2) 合金中的Al元素对记忆效应有影响, Al过量对形状记忆效应不利。