单原子层分离膜:进展与展望

摘要:原子级制造是在原子精度对材料结构进行精准控制,是制备高端材料的变革性新技术。在原子级别对膜材料厚度和孔结构进行精密调控,开发单原子层纳米孔膜,可显著降低传质阻力,实现分子极限渗透与分离,将为膜分离领域的发展与难分离物系的突破带来新机遇。本综述介绍了多种单层纳孔膜材料(single layernanoporous membranes, SLNM),总结其纳米孔构筑方法及单层膜制备方法,探讨其在气体分离、液体分离、离子分离等领域的应用现状。最后,针对单层纳孔膜面临的机遇与挑战进行了剖析与总结,并对其未来发展方向进行了展望。

典型微纳制造技术在新型含能材料可控制备和表面改性中的应用研究进展

摘要:含能材料是武器装备发射、运载、毁伤和控制的主要能源,是实现国防安全战略的重要基石。为满足武器系统对高能、高效、高安全和能量输出精确可控新型含能材料的应用需求,亟需发展兼顾能量性能和安全性能的含能材料新技术,促进武器系统向信息化和智能化方向发展。微纳制造技术是当前各国争相发展的前沿制造技术,在泛半导体、新能源、新材料等领域已取得诸多重要应用。基于国内外相关研究,本文综述了以物理气相沉积技术、化学气相沉积技术、原子层沉积技术、等离子体技术为典型代表的先进微纳制造技术在新型含能材料领域的最新应用研究进展。首先介绍了各种先进微纳制造技术的原理和特点,分析了微纳制造技术在精确控制新型含能材料尺寸、形态、组成和结构方面的技术优势,重点阐述了微纳制造技术在新型含能材料可控制备和表面改性等方面的应用,最后提出了典型微纳制造技术在当前新型含能材料领域应用中面临的挑战以及未来发展方向。

基于短切纤维吸收剂的吸波材料研究进展

摘要:纤维吸收剂由于宽频吸波、轻质、耐腐蚀等优点,在隐身、电磁兼容领域具有广泛应用。本文从纤维吸收剂的作用机制、数值仿真方法、影响电性能的因素以及制备工艺等方面进行了论述。基于介电常数的介电损耗机制和基于阻抗的欧姆损耗机制都被用于解释该类材料的吸波机制,并得到理论和实验的验证,通过全波理论模拟可以较好地分析复杂结构和高体积浓度纤维吸收剂的电性能。纤维种类、含量、长度等参数对其电性能有较大影响,在制备工艺中选择合适的超声分散参数及分散剂尤其重要。未来可进一步研究纤维吸收剂中的电流与电场分布,明确纤维之间相互作用与耦合机制,在含量、长度等相同条件下对比纤维种类及电导率对电性能的影响,以及不同规格碳纤维之间的差异性,以期在宽频、高效、厚度等方面获得最优的性能。本综述对于设计宽频、高效吸波材料具有重要意义。

炭材料致密化技术及其研究进展

摘要: 炭材料种类繁多、结构特殊,并且具有优良的导电导热性、化学稳定性以及优异的力学性能,可用于导电剂、换热器和增强增韧材料等,在传统材料、功能材料、高新技术、新能源和生态环境等领域起到了举足轻重和不可替代的作用。但是炭材料通常存在一定数量的孔隙、裂纹和缺陷等,直接影响其物理性能和实际应用。致密化处理是常用的改善炭材料性能的手段,可以有效减少炭材料内部孔隙和裂纹,提高体积密度和致密程度,并改善微晶结构及取向,从而使其力学性能、导热性能和电学性能等得到大幅度提高。首先简单介绍了炭材料的种类、性质及应用,然后对炭材料的晶体结构、理论密度和内部孔隙的形成与分类进行了归纳,并强调了炭材料致密化的目的和原理; 系统总结了炭材料致密化的不同方法及技术,包括热模压烧结致密、热致收缩致密、液相浸渍增密和气相渗透/沉积增密; 同时梳理了致密化的炭材料的新兴应用,包括高性能炭纤维及其复合材料以及碳基能源存储材料; 最后对炭材料致密化的发展趋势和应用前景进行了展望。

碳纤维质量控制AI模型研究

摘要:本研究基于ResNet-50架构建立了一种碳纤维SEM图像分类模型,实现了自动区分优质和劣质碳纤维样品,为碳纤维质量控制提供帮助。研究通过应用特定的图像预处理技术(如对比度增强和数据增强) 提升模型的性能,实现了模型在验证集中分类准确率达98.8%,表明该模型能够捕捉到碳纤维SEM图像的结构特征。此外,基于该模型对不同操作条件下生成的SEM图像进行迁移学习,新模型在验证集中分类准确率达74.11%,证明了该模型对不同成像条件下的新数据集具有一定的稳健性和泛化能力。

面向工业场景的碳纤维质量评估模型研究

摘要:本研究提出一种基于纳米压痕测试数据与机器学习集成模型的碳纤维质量评估方法,通过纳米压痕测试获取碳纤维单丝的压痕形貌特征(包括碳纤维的直径、压痕点的位置) 及载荷-位移曲线力学参数(涵盖弹性变形功、硬度等指标),构建包含12项多维物理特征的数据集,并将质量合格与否分别标记为正负类标签以建立碳纤维的特征与质量的映射关系,这种包含样品制备信息的特征采样,是适合工程应用的特征采样方法。在模型构建的过程中,采用自动化机器学习框架(AutoGluon)对大量算法进行自动化搜索与参数优化,最终得到了可靠的碳纤维质量评估模型。结果表明,该集成模型在测试集上达到0.74的分类准确率,验证了其对碳纤维质量的有效判别能力。通过特征重要性分析方法,进一步揭示了碳纤维直径、硬度及碳纤维间距均匀性构成影响模型决策的核心质量指标,通过阈值敏感性分析实现了模型决策边界的动态调节,使评估框架可适配航空航天与民用制造等差异化场景需求,为碳纤维制品的质量控制与工艺优化提供了可靠的依据。

金属阻尼器的研究现状及发展趋势

摘要:本文介绍了屈曲约束型(BRB)、剪切屈服型、弯曲屈服型和弯剪屈服型金属阻尼器的研究现状,对比了各类金属阻尼器的主要优缺点,为科技工作者选择合适的阻尼器类型提供了参考。还通过实际案例阐述了金属阻尼器的应用及减震效果,结合国内外研究现状指出了金属阻尼器的研发趋势及应用前景。

深度学习在材料表征与性能预测中的应用研究进展

摘要:近年来,深度学习在材料科学领域的应用呈现出日益重要的趋势。其中,材料性能预测作为材料科学研究的核心问题,传统方法受限于表示能力有限与计算复杂度高的挑战。深度学习作为一种基于数据驱动的方法,通过学习大规模数据中的特征表示和模式,为材料表征和性能预测提供了新的解决方案。与传统的机器学习模型相比,深度学习展现出竞争力的优势。本文首先阐述了人工智能、机器学习以及深度学习之间的关联,对经典的深度学习理论进行了概述,包括感知机、图神经网络、序列模型等。随后,详细讨论了深度学习在材料成分和晶体结构表征、材料性能预测模型等方面的重要进展,对数据集、相关模型结构以及建模方法的优势进行了综述。文章进一步探讨了深度学习在材料科学中的模型可解释性,可以更充分地理解模型决策过程。最后,对深度学习在材料领域的发展进行了总结与展望。

黑色光热涂层的研究进展

摘要: 在经济与技术的飞速发展下,对涂层的要求越来越高,具有较高吸收率与发射率的黑色涂层在航空航天、精密设备等方面发挥着重要的作用。综述了常见黑色涂层的种类和制备方法的优缺点。黑色涂层包括金属复合涂层和碳纳米管复合涂层两大类,碳纳米管复合涂层具有优异的吸光能力,但耐磨性较差,相较而言,金属复合涂层综合性能更好,应用场景更为广泛。制备金属复合涂层的方法有:电沉积法、化学沉积法、喷涂法、微弧氧化法,其中电沉积法可以通过控制工艺参数来对涂层的结构进行调控,从而改善涂层的性能,且电沉积法工艺简单、无污染,是一种优异的制备方法。黑色涂层最基本的性能是光的高吸收率和热辐射性能,就目前来看,涂层的性能已不能满足日益增长的应用需求,是目前的研究瓶颈。影响涂层性能的因素主要有工艺参数、电解液组成和涂层结构,文章综述了常用的黑色涂层、涂层制备方法和影响涂层性能的因素,以提高涂层的综合性能。最后,提出了黑色涂层未来的发展方向,包括不断提高的吸收率与发射率及涂层的耐久性,不断扩大涂层的应用场景。

激光冲击强化对非晶合金结构及性能影响的研究进展

摘要:块体非晶合金(BMGs)因其高强度、高硬度、高弹性极限、优异的耐磨、耐腐蚀性能等优点而受到材料学家们的广泛关注。然而,室温时BMGs在剪切应力作用下,高度局域化的原子团簇结构进行剪切转变形成剪切带,同时在剪切带内部产生大量自由体积并发生应变软化现象,使得BMGs的变形高度局域化且容易发生脆性断裂。为解决BMGs的室温脆性问题,研究学者们相继提出各种非变形、弹性变形以及塑性变形的方法来实现外部能量输入,进而通过促使BMGs内部形成非均匀结构来提升BMGs的力学性能。作为一种新兴的表面强化技术,激光冲击强化(LSP)通过将光能转换成为机械能并强制材料表面发生塑性变形,在金属材料表面和近表面引入压缩残余应力并诱导形成更细的晶粒,进而显著提升金属材料的力学性能。近年来,研究学者们针对通过LSP技术改善BMGs的力学性能开展了大量研究工作。本文重点总结近10年来LSP处理在优化BMGs结构非均匀性、表面残余应力以及力学性能方面的研究成果,以便研究人员进一步制备综合性能更加优异的BMGs,进而推动其在工业领域的应用。