عنوان پایان‌نامه
بررسی تاثیر نانو صفحات گرافن بر مدول الاستیک موثر نانو کامپوزیت پایه پلیمر حافظه دار
- رشته تحصیلی
- مهندسی مکانیک طراحی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2958;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68873
- تاریخ دفاع
- ۱۰ تیر ۱۳۹۴
- دانشجو
- مهرزاد طاهرزاده بروجنی
- استاد راهنما
- مجید بنی اسدی, مصطفی باغانی
- چکیده
- پلیمرهای حافظه‌دار دسته‌ای از مواد هوشمند هستند که نسبت به تحریک حرارتی از خود عکس‌العمل نشان می‌دهند. این مواد می‌توانند طی یک سری سیکل‌های ترمودینامیکی شکل اولیه (دائمی) خود را پس از تغییر شکل‌های گوناگون بازیابی کنند. به خاطر ویژ‌گی‌های رفتاری منحصربه‌فرد این مواد، از آن‌ها در بسیاری از زمینه‌های صنعتی استفاده می‌شود. به علت کم بودن استحکام پلیمرهای حافظه‌دار، کاربردهای صنعتی آن‌ها محدود می‌باشد. برای رفع این محدودیت مطالعات بسیاری در راستای تقویت پلیمرهای حافظه‌دار صورت گرفته است. یکی از راه‌های تقویت این مواد طراحی و تولید نانوکامپوزیت‌هایی بر پایه‌ی پلیمر حافظه‌دار می‌باشد. در این پایان‌نامه، تاثیر وجود نانوصفحات گرافن درون پلیمر حافظه‌دار، بر روی مدول الاستیک مؤثر و عملکرد کامپوزیت حاصل شده، بررسی شده است. در گام نخست، دو مدل توصیف کننده رفتار ماده برای پلیمر حافظه‌دار تعریف شده است. اولین مدل، مدل پدیده‌شناختی است که بر اساس فرض وجود دو فاز فعال و غیرفعال در ماده تعریف شده است. در این مدل برای بدست آوردن معادلات ساختاری از روابط حاکم بر مکانیک محیط‌های پیوسته استفاده شده است. برای استفاده از مدل پدیده‌شناختی یک زیربرنامه در قالب UMAT تهیه و مورد استفاده قرار گرفته است. در مدل دوم که مدل ویسکوالاستیک نامیده شده، رفتار ماده بر اساس روابط ویسکوالاستیک و بر اساس داده‌های آزمایشگاهی (گزارش شده توسط دیگر محققین) تعریف و استخراج شده است. در گام بعدی مدل نانوکامپوزیت توسط یک کد پایتون و یک کد C++ وارد نرم‌افزار المان محدود آباکوس (ABAQUS) شده و شبیه‌سازی‌های مربوطه انجام گرفته است. از جمله فرض‌هایی که در این شبیه‌سازی‌ها استفاده شده است می‌توان به فرض تماس ایده‌آل بین نانوذرات و پلیمر پایه اشاره کرد. در این شبیه‌سازی‌ها ابتدا اندازه‌‌ای مناسب برای المان نماینده حجم انتخاب شده است. سپس به بررسی اثرات درصد حجمی و نسبت منظری نانوصفحات گرافن بر روی مدول الاستیک موثر نانوکامپوزیت و همچنین عملکرد آن به عنوان یک ماده هوشمند، پرداخته شده است. این بررسی‌ها با در نظرگیری هر دو مدل توصیف کننده رفتار ماده برای تغییر شکل‌های کوچک و بزرگ انجام شده است. بر اساس نتایج بدست آمده با افزودن ? ? نانوصفحات گرافن با نسبت منظری ?? می‌توان مدول الاستیک مؤثر ماده را تا ??? ? افزایش داد. همچنین مشخص شد وجود نانوصفحات گرافن تا ? ? حجمی تاثیر منفی بر روی خاصیت حافظه‌داری ماده خواهد گذاشت. واژگان کلیدی: نانوکامپوزیت پلیمر حافظه‌دار/گرافن، روش اجزاء محدود، تقویت پلیمر حافظه‌دار، شبیه‌سازی نانوکامپوزیت، مدل‌سازی ویسکوالاستیک پلیمر حافظه‌دار.
- Abstract
- Shape memory polymers (SMPs) are a class of smart materials that can respond to an external stimulus such as heat. These materials are able to recover their permanent shape from a deformed shape. Because of unique properties of SMPs, these materials have a great field of application in the industry and technology. However, due to the low stiffness of SMPs, the applications of these materials have been restricted. In order to overcome these restrictions and reinforce SMPs, many studies have been done. In this dissertation, the effect of existence of graphene nano platelets (GNPs) into shape memory polymer nanocomposite on the effective elastic modulus and performance of the composite is studied. In the first step, two different constitutive material models are defined. The first model is phonological model which is based on some assumptions such as existence of two different phases, active phase and frozen phase. In this model, the constitutive equations have been driven based on continuum mechanics formulation. In order to use phonological model a UMAT subroutine is developed and utilized. The second model is viscoelastic model. The behavior of material is described based on viscoelastic formulation. In the second step, a 3D representative volume element (RVE) is developed by using a C++ and a PYTHON codes. The RVE is reconstructed and modeled in a finite element program (ABAQUS). In this study, some assumptions are used such as assumption of perfect bonding between nanoparticles and SMP. Using several finite element modeling and simulation, an acceptable size for the RVE is estimated. After that, two set of simulations are designed to capture the effect of volume fraction and aspect ratio of nanoparticles on effective elastic modulus and performance of the nanocomposite. According to the results, adding 3% GNPs with aspect ratio of 20 could increase the effective elastic modulus of the nanocomposite nearly 100%. Furthermore, adding up to 3% GNPs could not have a negative effect on the performance of the nanocomposite. Keywords: Shape memory polymer nanocomposite, viscoelastic modeling, finite element methods, Graphene nano-platelets
