多孔碳化棉复合SnO2锂离子电池负极材料的制备及性能研究

以脱脂棉为原料通过Mg2+模板法获取多孔碳化棉结构,再通过水热法在其表面及内部孔隙负载SnO2颗粒,获得多孔碳化棉与SnO2颗粒的复合材料.利用扫描电子显微镜(SEM)、拉曼光谱、X射线衍射分析(XRD)分析材料的微观形貌,利用循环伏安(CV)和电化学阻抗(EIS)测试评价其作为锂离子电池负极材料的电化学性能.结果表明,通过Mg2+模板法获取负载有SnO2颗粒的多孔碳化棉结构作为负极材料时,在300 mA/g的电流密度下,其容量在100圈后仍维持在500 mAh/g,是一种前景较为理想的锂离子电池负极复合材料.     

结构冲击畸变问题的直接相似方法研究

结构受冲击时由不同材料引起比例模型与全尺寸原型的畸变,通常通过修正比例模型的速度或密度进行补偿.然而传统的修正方法,存在需预先测试结构响应、依赖特殊本构方程、不能反映动态过程的缺陷,因而限制了相似理论在比例模型试验中的直接应用.本文提出了一种不同材料畸变问题的直接相似方法.它通过建立应变率区间上比例模型预测的流动屈服应力与原型流动屈服应力的最佳逼近关系,直接获得了修正速度或修正密度的比例因子,完成了比例模型与原型的动态相似关系.基于Norton-Hoff, Cowper-Symonds, Johnson-Cook三种经典的本构模型,研究了材料应变率敏感性特征参数、参考应变率、屈服应力、密度在动态相似关系中的作用.并通过受质量冲击的折板结构算例,验证了直接相似方法的有效性.分析表明,本文提出的直接相似方法不需要预先测试结构的响应,不依赖特殊的本构方程、强调动态相似特性,具有直接、高效、通用的特点.此外,动态相似关系的最佳逼近效果,受材料应变率敏感性特征参数控制,屈服应力、密度和参考应变率影响不大;当比例模型应变率敏感性特征参数与原型相近,可获得最佳逼近.     

软体智能机器人的系统设计与力学建模

机器人或机电装备通常由电机模组、液压元件、齿轮和铰链等硬质部件构成,具有动力足、精度高等优点,但在实现低噪声、高安全系数与亲和性等方面存在挑战.受自然界生物体的柔软特性与高环境适应性的启发,设计制造软体机器人是近年来机器人领域的研究热点.作为软体机器人的核心构成部分,智能软材料可在外界不同刺激下产生不同响应,具有材料柔韧、生物相容性好、易于制备、价格低廉等优点,可广泛应用于机器人的设计与制造.几类典型的具备驱动功能的智能软材料与结构获得广泛的研究,包括气动软体肌肉、形状记忆合金/聚合物、离子交换聚合物、介电高弹体、响应水凝胶等.本文介绍了多种驱动类型的软体智能机器人研究成果,并从软体智能机器人的系统设计与力学建模两个方面进行了归纳分析与讨论.      

纵横载荷作用下功能梯度梁的弯曲和过屈曲

基于一阶非线性梁理论和物理中面概念,导出了纵横向载荷作用下功能梯度材料(FGM)梁非线性弯曲和过屈曲问题的控制方程,并获得了该问题的精确解;据此解研究了梯度材料性质、外载荷、横向剪切变形以及边界条件等因素对功能梯度材料梁非线性力学行为的影响,分析中假设功能梯度材料性质只沿梁厚度方向,并按成分含量的幂指数函数形式变化。结果表明:纵横载荷共同作用下,功能梯度梁的弯曲构形将有无限多个;随着梯度指数的增大,梁的变形减小,临界载荷升高;随着长高比的增大,横向剪切变形的影响减小。     

BC/CoNi2S4@PPy柔性复合电极材料的制备及电化学性能

本文采用溶剂热、原位聚合和真空抽滤相结合的方法制备了用于超级电容器的细菌纤维素/镍钴硫化物/聚吡咯(BC/CoNi2S4@PPy)柔性电极材料,通过X 射线衍射、场发射扫描电镜、红外光谱、氮气吸脱附、拉伸强度和接触角表征了材料的形貌结构、组成、机械性能和亲水性,并采用循环伏安法和恒电流充放电测试了复合材料的电化学性能....     

低于13K的单级脉管制冷机性能研究

回热器是脉管制冷机的关键部件之一,其效率对脉管制冷机性能有很大影响。铅丸是常见的蓄冷材料,通常用于回热器的低温端。本文测试和分析了不同品质的国产铅丸和进口铅丸对单级G-M型脉管制冷机性能的影响。采用额定功率为6．0 kW的压缩机驱动,使用进口铅丸脉管制冷机最低制冷温度达12．9 K,这是当前单级脉管制冷机达到的最低制冷温度;40 K时的最大制冷量为57．4 W。使用国产铅丸最低制冷温度为13．6 K,40 K时的最大制冷量为55．9 W。本文对低温制冷机蓄冷材料选择具有一定的参考价值。     

相变材料应用于红外热成像假目标的初步研究

红外热成像假目标因其独特的军事价值,受到了广泛的重视．测试了不同厚度、不同环境温度,不同用量条件下的熔化过程中,不同种类相变材料在相变温度附近的维持时间,分析了相变材料应用于红外热成像假目标的技术途径,初步验证了其可行性．     

求递推序列通项公式的一个方法

利用延迟算子L给出求递推序列通项公式的一个方法,并以实例说明该方法在解某些分析与代数问题方面的应用.     

软材料粘接结构界面破坏研究综述

软材料已经在软机器人、生物医学及柔性电子等各个领域得到广泛的应用. 实际应用中, 软材料多需要粘附于不同类型的基底上, 与之共同组成工程构件进而实现特定的功能, 粘接界面性能对构件的结构完整性与功能可靠性起着关键性作用. 本文对目前软材料粘接结构界面破坏行为方面的研究进行了系统总结. 首先通过与传统粘接结构的对比, 指出了“软界面”与“软基体”两种软材料粘接结构界面破坏行为的独特性及其物理本质. 接着分别总结了“软界面”与“软基体”两种粘接结构界面破坏行为的实验表征方面的研究成果, 对界面及基体黏弹性耗散对界面破坏机理的影响分别进行了分析. 然后从理论角度, 介绍了针对两种软材料粘接结构界面破坏行为的理论分析方法, 并对已建立的相关理论模型进行了总结. 之后以内聚力模型方法为基础, 介绍了软材料粘接结构界面破坏行为数值模拟方面的相关研究进展. 最后基于已有的研究成果, 提出了目前研究所面临的挑战, 并对可能的软材料粘接结构界面破坏的未来研究方向进行了讨论和展望.      

基于深度学习和细观力学的颗粒材料本构关系研究

颗粒材料的本构关系对岩土工程等众多领域至关重要. 不同于传统的唯象本构理论, 本文基于机器学习模型探索了一种细观力学理论指导下的数据驱动型颗粒材料本构关系预测方法. 根据Vogit均质化假设, 建立了小应变条件下颗粒材料应力?应变解析关系, 此关系唯一地确定了一组与颗粒材料本构行为相关的细观组构变量. 这些变量与反应颗粒材料宏观性质的主应力和主应变信息通过一系列离散元三轴压缩数值试验获得. 考虑到细观组构变量为内变量, 不能直接作为本构模型的输入. 本文基于有向图方法将颗粒材料微观结构信息隐式地包含在应力?应变的预测当中, 并采用门控循环单元(GRU)循环神经网络作为基础深度学习模型描述有向图中结点之间的映射关系. 通过将有向图从目标节点沿源节点展开, 整个应力?应变预测模型可由两个神经网络分别训练并组装而成. 将训练后的深度学习模型在全新的数据集上进行测试, 结果表明该训练策略能有效捕捉到颗粒材料在常规三轴任意加卸载, 等中主应力系数b的真三轴加载, 和等平均有效应力p的真三轴加卸载等复杂多轴加载工况下的应力?应变响应关系, 模型具有良好的内插和外推预测能力. 考虑到深度学习模型捕捉颗粒材料力学响应的能力及其开放式学习的特点, 充分结合数据驱动方法和理论本构模型可能是颗粒材料本构研究的一个重要方向.