本文针对复合材料高速储能飞轮的现状和发展要求,在查阅和分析了大量国内外相关文献的基础上,针对复合材料储能飞轮的损伤与断裂问题进行了系统的研究。首次将声发射方法应用于飞轮损伤的检测,用人工神经网络对损伤模式进行识别,并获得了成功。 本文的研究内容包括以下几方面:一、复合材料试件的制备及损伤的检测;二、飞轮模拟结构的设计、制造及损伤的检测;三、飞轮的制造、高速破坏实验及损伤的检测与模式识别;四、复合材料中损伤的有限元模拟及飞轮损伤与断裂的有限元分析。主要创新点及相关研究结果如下: 1.在国内首次用声发射法对高速旋转构件一飞轮进行损伤检测。通过前期的试样损伤检测、模拟结构损伤的检测建立实验资料数据库,并在检测过程中采取一系列有效措施,可使飞轮的损伤信号能顺利地实时采集并被合理区分。 2.在国内首次用人工神经网络的方法对飞轮的损伤模式进行识别。通过反复试验,发现:用含有一个隐层、29个隐层节点的tansig-logsig BP神经网络,用‘trainlm方法经1500步训练后能达均方差为0.0192,具有较高的仿真精度,能很好地识别本研究中的碳纤维/环氧树脂复合材料飞轮各种损伤类型。 3.在国内首次用有限元分析方法中的“单元生死”法模拟复合材料单向层板中的脱层缺陷。以实验数据为目标不断修正模拟模式,最后能合理地模拟带缺陷的试样在承受拉伸载荷时的破坏形式,较为逼真地再现损伤过程 4.玻璃纤维/不饱和聚脂、碳纤维/环氧树脂两种复合材料在承载过程中主要的损伤类型是:基体开裂、纤维/基体界面开裂、纤维断裂。研究发现损伤在载荷远低于实际破坏载荷时就已开始,前期的损伤形式主要为基体开裂,而后期的损伤形式主要是纤维断裂。 5.用声发射特征曲线中的时间.持续时间(Time-Duration)、时间一频率(Time-Frequency)、时间-能量(Time-Energy)、时间-振铃计数(Time-Counts)等关联图能比较清晰地区分长纤维增强的树脂基复合材料的损伤各阶段。研究发现各种损伤所对应的各特征参量有明显变化规律。 6.在纤维剧烈断裂时,出现大“能量”(Energy)、大“振铃计数”(Counts)、长“持续时间”(Duration)的信号,上述参量均较其它两种损伤阶段时的损伤信号的各对应值大一个数量级以上。临界承载状态可以以纤维开始剧烈断裂为判据来确定。