「玻纖」?「取向」?「張量」?「纖維取向張量」?看得懂的都是專家

2021-02-07 菁幹班


很多注塑模具相關人員對於玻纖填充材料的纖維取向張量不甚明了,甚至有多年經驗的Moldflow工程師也是一知半解。造成這種情況的原因是這個結果的名字裡包含了3個名詞——纖維、取向、張量,每個名詞都不能被直接看到和簡單理解。本文將從最基本的概念解釋纖維取向張量的含義及對產品的影響。

 

什麼是玻纖

玻纖是玻璃纖維(Glass Fiber)的簡稱,是高分子材料填充物的一種。優點是絕緣性好,耐熱性強,抗腐蝕性好,機械強度高;但缺點是性脆,耐磨性較差。

玻纖的主要原料是:石英砂、氧化鋁和葉蠟石、石灰石、白雲石、硼酸、純鹼、芒硝、螢石等。生產方法大致分兩類:一類是將熔融玻璃直接製成纖維;一類是將熔融玻璃先製成直徑20mm的玻璃球或棒,再以多種方式加熱重熔後製成直徑為 3~80μm的細纖維。通過鉑合金板以機械拉絲方法拉制的無限長的纖維,稱為連續玻璃纖維,通稱長纖維。通過輥筒或氣流製成的非連續纖維,稱為定長玻璃纖維,通稱短纖維。

汽車行業大尺寸產品(門板、座椅等)長纖維應用較多,汽車、電子行業中小尺寸產品(連接器等)短纖維應用較多。圖1、圖2分別是200倍SEM和100倍顯微鏡下塑膠粒子中的玻纖。短纖維形狀是長棒狀,長度是直徑的25倍左右。螺杆的壓縮和攪拌會造成纖維斷裂,長度變短。

圖1. E130i塑膠粒子中的玻纖(SEM,200X)

圖2. 塑膠粒子中的玻纖(塑膠基材被腐蝕,100X)

什麼是張量(以下看不懂可以理解

張量(Tensor)理論是數學的一個分支學科。張量這一術語起源於力學,最初是用來表示彈性介質中各點應力狀態的(應力張量,是二階張量),後來張量理論發展成為力學和物理學的一個有力的數學工具。

數學量的提出是為了表示物理量,可是標量加上向量,都不足以表達所有的物理量,所以就需要擴大數學量的概念,張量就出現了。如果一個物理量,在物體的某個位置上只是一個單值,那麼就是普通的標量,比如密度。如果它在同一個位置、從不同的方向上看,有不同的值,而且這個數恰好可以用矩陣乘觀察方向來算出來,就是張量。

幾何代數中定義的張量是基於向量和矩陣的推廣,通俗一點理解的話,我們可以將標量視為零階張量,矢量視為一階張量,那麼矩陣就是二階張量。

張量的嚴格定義是利用線性映射來描述的。與矢量相類似,定義由若干坐標系改變時滿足一定坐標轉化關係的有序數組成的集合為張量。從幾何角度講,它是一個真正的幾何量,也就是說,它是一個不隨參照系的坐標變換(其實就是基向量變化)而變化的東西。最後結果就是基向量與對應基向量上的分量的組合(也就是張量)保持不變,比如一階張量(向量)a可表示為a = x*i + y*j。由於基向量可以有豐富的組合,張量可以表示非常豐富的物理量。

張量是有大小和多個方向的量。這裡的方向就是指張量的階數。 
空間維度n:一般我們使用三維空間,也可以是四維及以上維度。 
張量階數m:在固定的三維空間再談張量的階數,階數小於等於維數,即m≤n。

下面區分這個量:張量的階數(張量的方向數)和所在空間的維數(所在空間的方向數)的區別。

在二維空間裡,二維二階張量(平面應力張量)的每個方向都可以用二維空間兩個方向表示。(區分2階張量的2個方向,和二維空間的兩個方向x,y)所以共有2^2=4個方向。在三維空間裡,三維二階張量(空間應力張量)的每個方向都可以用三維空間三個方向表示。(區分2階張量的2個方向,和三維空間的三個方向x,y、z)所以共有3^2=9個方向。

圖3為三維空間任意一點的應力狀態,是包圍此點的微小體積單元所有可能取向的諸面上的應力綜合,可用法線方向和切線方向的分量構成的應力張量表示如圖4。隨著觀察坐標系的變化,每個面法線和切線方向的分量都會發生變化,但此點的應力狀態保持不變。

 

圖3. 三維空間任意一點應力狀態

 

圖4.  三維空間的應力張量

 

什麼是纖維取向張量(重點來了)

高分子材料在流動過程中存在凝固層、剪切層和芯層,各層溫度、流動速度和剪切率不同。如圖5所示剪切率在流動截面內呈雙峰形狀:在凝固層內側最大,在流動中心最小。纖維增強材料中玻纖的排列跟層間剪切有很大關係。圖6為纖維增強塑膠產品斷面,表面層纖維排列整齊,在芯層排列混亂。在圖7所示的產品切面圖中,凝固層幾乎沒有玻纖,剪切層玻纖排列整齊,均垂直於切面,芯層玻纖排列混亂。

 

圖5. 流動截面剪切率分布。藍色表示剪切層,紅色最深處表示流動中心。

 

 

圖6. 產品斷面存在明顯表面層和芯層:表面層玻纖排列整齊;芯層排列混亂。

 

圖7. 產品切面中的玻纖。圓點表示玻纖垂直於切面,
長直線表示玻纖平行於切面,橢圓表示玻纖與切面有一定角度。

 

上述結果表明產品各處纖維排列不同,並且隨著觀察坐標系變化(切面位置)同一位置纖維排列發生變化,因此用二階張量(圖8中的矩陣A)表示纖維排列方向,稱為纖維取向張量。纖維取向張量表示指定主方向上纖維定向的機率,接近 1 的值表示纖維在指定的主方向上對齊的可能性很大,而接近 0 的值表示其可能性很小。

 

圖8.  纖維取向張量及其矩陣表示

 

纖維取向張量的對角分量表示在各自方向上的定向強度。對角線上的值介於0 到 1 之間,而三個值的總和為 1。由於張量分量會隨著坐標系的變化而變化,總是存在某個方向上只有法向分量沒有切向分量的情況。這個方向叫做主方向,對應的法向分量稱為主值。此時張量A可以寫成特徵值矩陣B和特徵向量矩陣C的積。纖維取向張量的非對角線組成表示對齊方向與坐標軸偏離的數值,因此當坐標軸與取向張量的主方向對齊時,該數值為零。

第一個主方向上的纖維取向張量是需要查看的最有用的結果。第一主方向在多數情況下靠近材料流動方向,但並不始終與流動方向重合。

按主值從大到小的順序對主方向進行編號。第一主方向表示最多纖維所對準的方向,第三主方向表示最少纖維所對準的方向。主值越大,相應主方向的定向越強。

 

纖維對產品的影響是什麼

玻纖對高分子材料的影響包括:增加抗變形能力(剛度,主要由材料模量和幾何設計決定)、提高強度(拉伸斷裂極限)、減少塑膠基材粘彈性引起的蠕變和應力鬆弛、提高熱穩定性(Tdul--熱變形溫度)、改善尺寸穩定性(減少收縮)。

玻纖相對於塑膠基材剛性和強度更高,因此對提高塑膠強度很有幫助。圖9所示纖維增強材料基材斷裂示意,玻纖阻斷了基材開裂的擴展,長玻纖阻斷效果更好。由於玻纖一般沿著流動方向分布,在流動方向對材料的支撐作用很強,造成圖10所示的收縮異向性——流動方向收縮小,垂直流動方向收縮大。這是纖維增強材料翹曲的主要貢獻因子。

 

圖9. 纖維對材料強度的影響。


a. 短纖增強材料破壞示意;
b. 長纖增強材料破壞示意。

 

不加纖維

纖維增強

 

取向好產品就好嗎

要回答這個問題首先要定義什麼是好。

對於纖維取向來說,「好」代表第一主值接近1,也就是纖維幾乎都沿著同一流動方向;

對於產品來說,此時的「好」代表翹曲小。纖維取向均一產品翹曲一定小嗎?未必!

 

 

圖11. 一個產品兩個不同的澆口方案

 

 

圖12. 不同澆口方案下側牆玻纖取向與收縮

 

 

圖13. 不同澆口方案側牆的翹曲

 

下面通過一個例子來說明,關注的是側牆的變形量。圖11為一個產品兩個不同澆口位置。圖12顯示纖維取向張量在側牆上幾乎都接近1,並且左側澆口方案取向均一的區域更大。兩個方案的取向結果差異在於主方向不同,左側方案取向沿著側牆寬度方向,右側方案取向沿著側牆高度方向。圖13為側牆向內變形結果,右側方案比左側方案翹曲量小30%。

通過上面的例子可以發現,關注整個產品上的纖維排列沒有意義,要找出關鍵尺寸位置上的纖維排列,判斷其收縮趨勢,推測此收縮外力作用在產品結構上引起的變形。

 

總結

纖維取向是纖維增強材料翹曲的主要貢獻因子,理解纖維取向張量對於解決翹曲變形有重要意義,而理解的難點在於對張量概念的深入認識。本文從基礎概念開始,對玻纖、張量、玻纖取向張量對產品變形的影響進行了由淺入深的講解。

對纖維增強材料的翹曲機理認識要從收縮結構兩方向入手。此收縮來自於流動方向和垂直流動方向的收縮異向性,將此收縮作用在產品結構上,運用材料力學裡的彎曲變形分析方法就能達到理解翹曲、改善翹曲的目的


更多手機開發專業知識,請點擊公眾號底部菜單:知識-選擇你感興趣的製程,同時也可以查看其他資訊哦!

掃碼關注我們,更多有用的手機開發知識等著你

相關焦點

  • Frontiers in Neuroscience:彌散張量成像(DTI)研究指南
    在3T設備中,這些方法已經基本都能實現,而在7T設備中,已經是必備的成像技術了。重要的是,DTI採集中的兩個主要偽影可能會破壞所有DWI中的體素對應關係,這兩個偽影是渦流畸變和頭部運動。這個問題可以通過同步採集與運動源相關的物理量、使用「navigator echoes」進行監測、使用特定的採集序列和應用實時前瞻性運動和異常點檢測方法來減少;然而,所有這些都可能會引起其他問題,例如增加採集時間。
  • 對稱陀螺產物分子轉動取向理論公式的推導與應用
    隨後,此法被廣泛地應用到實驗上,以確定光解和雙分子反應產物的轉動取向因子。在十餘年的科研實踐中,韓克利等研究工作者深刻體會到,上述方法有一定局限性,它僅限於原子軌道角動量取向以及雙原子分子產物轉動取向的確定。而一般的化學反應,常見的是多原子分子產物。
  • 張量數據結構
    目前大部分深度學習相關的Paper都是用Pytorch實現的。有些研究人員表示,從使用TensorFlow轉換為使用Pytorch之後,他們的睡眠好多了,頭髮比以前濃密了,皮膚也比以前光滑了。俗話說,萬丈高樓平地起,Pytorch這座大廈也有它的地基。
  • 力學科普:流形與張量
    所以,任何物理存在都必須能夠化成數學對象,才能登上物理學的大雅之堂。流形這種東西聽起來很晦澀,但其實無處不在,往簡單了說,你不管討論什麼,都要在一定的「背景」抑或「前提環境」下說話,只是很多時候有默認所以不贅述罷了,比如你在討論精神病人的行為的時候,都是不自覺的把大多數人的輿論認同這一環境當成了正常的標準,如果有個人說除了我手中有真理之外全世界的人都是白痴,那實際上說明——他自己才是白痴,對吧?
  • 張量解釋——深度學習的數據結構
    在這篇文章中,是關於張量的。我們將討論張量、術語和張量索引。這將給我們知識,我們需要看看一些基本的張量屬性,這些屬性將用於深度學習中。這個系列前面部分是關於pytorch的安裝,相對簡單,這裡就先暫時不介紹了。
  • PyTorch進階之路(一):張量與梯度
    本系列所有教程的 Jupyter notebook 都可從 Jovian(Jupyter 的共享協作平臺)上獲取。它還可以捕獲你運行 notebook 所需的 Python 環境和庫,因此任何人(包括你自己)都能復現你的研究。操作步驟如下:1. 根據以下指南安裝 Anaconda。你可能還要將 Anaconda 二進位文件添加到 PATH 系統中,以便能夠運行 conda 命令行工具。
  • 陳天奇:在深度學習框架之間共享張量——內存張量結構DLPack的PythonAPI來了
    來源:推特編輯:keyu【新智元導讀】DLPack是一種開放的內存張量結構,用於在框架之間共享張量,近日,開發者陳天奇更新社交媒體詳細介紹了為DLPack添加PythonAPI、語義和實現細節的內容。 一種解決的方法是,在內存中直接將張量從一個框架傳遞到另一個框架,而不發生任何數據複製或拷貝。 而DLPack,就是張量數據結構的中間內存表示標準,它是一種開放的內存張量結構,用於在框架之間共享張量。 它提供了一個簡單、可移植的內存數據結構:
  • Lesson 3.張量的廣播和科學運算
    1.1.2 2.不同形狀的張量計算  廣播的特性是在不同形狀的張量進行計算時,一個或多個張量通過隱式轉化,轉化成相同形狀的兩個張量,從而完成計算的特性。但並非任何兩個不同形狀的張量都可以通過廣播特性進行計算,因此,我們需要了解廣播的基本規則及其核心依據。1.1.2.1 2.1 標量和任意形狀的張量  標量可以和任意形狀的張量進行計算,計算過程就是標量和張量的每一個元素進行計算。
  • 從張量到自動微分:PyTorch入門教程
    Google的機器學習庫TensorFlow甚至都以張量(tensor)命名。張量是線性代數中用到的一種數據結構,類似向量和矩陣,你可以在張量上進行算術運算。本教程將介紹什麼是張量,如何在PyTorch中操作張量:張量介紹PyTorch介紹PyTorch安裝步驟PyTorch下的一些張量操作基於PyTorch實現一個簡單的神經網絡閒話少敘,讓我們開始介紹張量吧。張量是向量和矩陣的推廣,可以理解為多維數組。
  • 「斜槓青年」張量:左手科技,右手地產
    記者| 陶婷在張量身上,實地和科技的標籤比富力集團更加矚目。如其父親張力所言,「他賺他的錢,我賺我的錢。他沒有說來接班,我也沒有計劃。」在圈子裡沉浮十幾年,張量是投資多面手,也是實地集團領隊人。近不惑之年,擺在張量面前的,有實地債務壓頂的難題,也有還未實現的「地產蘋果公司」夢。
  • 從零開始深度學習Pytorch筆記(2)——張量的創建(上)
    在該系列的上一篇文章中,王大偉老師幫助我們完整實現了Pytorch的cpu和gpu版本的安裝,如果你還沒有安裝Pytorch,戳這裡:從零開始深度學習Pytorch
  • Pytorch中的5個非常有用的張量操作
    如圖所示,張量的新視圖重新排列了數字,使得張量的維度為[3,2,1]。當我們想要對不同維數的張量進行重新排序,或者用不同階數的矩陣進行矩陣乘法時,可以使用這個函數。3. tolist()這個函數以Python數字、列表或嵌套列表的形式返回張量。
  • 深度學習中的張量方法(文末送福利)
    1、深度學習中的張量張量是所有深度學習框架中最核心的組件,因為後續的所有運算和優化算法都是基於張量進行的。
  • 能「看到」的張量運算:因子圖可視化
    這篇文章更詳細地介紹了 einsum,並給出了一些很好的示例:http://ajcr.net/Basic-guide-to-einsum/因子圖帶有多個不同大小的張量的和-積表達式也被稱為張量網絡。除了聽起來炫酷之外,這個名字也是合理的,因為你寫的任何有效的愛因斯坦求和實際上都可映射為一個張量圖。
  • 教程| 深度學習初學者必讀:張量究竟是什麼?
    作者:Ted Dunning機器之心編譯參與:晏奇、吳攀今天很多現有的深度學習系統都是基於張量代數(tensor algebra)而設計的,但是張量代數不僅僅只能用於深度學習。本文對張量進行了詳細的解讀,能幫你在對張量的理解上更進一步。本文作者為 MapR Technologies 的首席應用架構師 Ted Dunning。
  • 手把手教你將矩陣畫成張量網絡圖
    矩陣是一個二維的數組,而一個 n 維的數組被稱為一個 n 階張量或一個 n-張量。像矩陣一樣,一個 n 張量可以用一個節點來表示,每個維度有一個邊。例如,一個數字可以被認為是一個零維數組,即一個點。因此,它是一個 0-張量,可以繪製為一個邊為零的節點。同樣地,一個向量可以被認為是一個一維的數組,因此是一個 1-張量。它由一個具有一條邊的節點表示。矩陣是二維數組,因此是 2-張量。
  • 實地IPO淨負債率225%,張量從嬌妻到高管的網紅情結
    極具看點的是,在招股書中,實地地產創始人及董事長張量的網紅老婆龍茜首次公之於眾。不論是張量的愛妻還是李明遠、劉森鋒等高管們,都有著很高的社交媒體曝光度,並成為實地地產一道美麗的風景線,也讓張量的網紅情結,比實地地產的業績更讓人津津樂道。在樓市資本論看來,張量為了上市,招募大量網紅高管,也是愛才若渴,為了業績下血本,倒是有心了。
  • TensorFlow 2.0 基礎:張量、自動求導與優化器
    張量的重要屬性是其形狀、類型和值。可以通過張量的shape、dtype屬性和numpy()方法獲得。不過你也可以通過加入dtype參數來自行指定類型,例如zero_vector = tf.zeros(shape=(2), dtype=tf.int32)將使得張量中的元素類型均為整數。張量的numpy()方法是將張量的值轉換為一個 NumPy 數組。
  • 如何用張量分解加速深層神經網絡?(附代碼)
    儘管希望大部分帖子都是可以獨立閱讀的,關於張量分解的回顧可以在這裡找到。Tensorly的作者也寫了於Tensor的基礎內容非常棒的notebook。這幫助我很好的開始學習這塊內容,建議你閱讀一下這些內容。加上裁剪(pruning),張量分解是加快現有深度神經網絡的實用工具,我希望這篇文章能讓這些內容更加容易理解。這些方法需要將一個層分解成幾個更小的層。
  • MIT Taco項目:自動生成張量計算的優化代碼,深度學習加速效果提高...
    該系統的名字叫Taco,即「張量代數編譯器」的縮寫。在計算機科學上,類似亞馬遜的表格這樣的數據結構被稱為「矩陣」,張量只是一個矩陣的更高維的模擬。如果亞馬遜表格還將客戶和產品與亞馬遜網站上的客戶的產品評級以及產品評論中使用的字詞進行了對比,那麼這可以用四維張量來表示。Taco的殺手鐧:內核融合對張量的數學運算對於大數據分析和機器學習都是至關重要的問題。