自修复环氧-亚胺复合材料的制备方法

    公开(公告)号:CN116554642A

    公开(公告)日:2023-08-08

    申请号:CN202310568751.2

    申请日:2023-05-19

    Abstract: 本发明属于高分子材料技术领域,涉及一种自修复环氧‑亚胺复合材料的制备方法,包括:配制对苯二甲醛/乙醇溶液,记为溶液1;配制环氧树脂/乙醇溶液,记为溶液2;将二乙烯三胺、三亚乙基四胺混合溶解于乙醇中,记为溶液3;将二乙烯三胺和三(2‑氨基乙基)胺溶解于乙醇中,记为溶液4;将溶液1与溶液3混合,记为溶液5;将溶液2、溶液3和溶液5混合,烘干得到浅红色质地柔软的环氧‑亚胺软膜;将溶液2、溶液4和溶液5混合,烘干得到浅红色质地柔软的环氧‑亚胺软膜;高温二次固化,即得。所制得的环氧‑亚胺复合材料的机械性能较为优异,具有可再生、可塑性、吸水率低等优点,进一步拓展了在工程、海洋方面的应用。

    一种基于仿生微纳结构增强的金属树脂结合体及其制备方法

    公开(公告)号:CN118181732A

    公开(公告)日:2024-06-14

    申请号:CN202410289747.7

    申请日:2024-03-14

    Abstract: 本发明公开了一种基于仿生微纳结构增强的金属树脂结合体及其制备方法,所述金属树脂结合体包括金属层和树脂层,金属和树脂连接的表面具有仿生微纳结构,所述仿生微纳结构为仿鲨鱼盾鳞结构;制备方法为:去除金属表面的杂质,然后激光扫描刻蚀处理形成仿生微纳结构;使用多元酸溶液处理腐蚀生成微纳级孔洞;进行硅烷化处理,将带氨基的硅烷偶联剂溶液喷涂在金属表面,然后凝结成膜;金属表面涂覆树脂稀释液;在模具中浇铸树脂,将金属具有微纳结构的一面与树脂接触,最后固化,一体化形成金属树脂复合体。该金属树脂结合体在金属和树脂表面通过仿生微纳结构的构建,成功提升了树脂与金属表面的润湿性,有助于实现树脂在金属表面形成均匀涂层。

    一种仿生改性树脂复合夹层耐压壳及其制备方法

    公开(公告)号:CN118163456A

    公开(公告)日:2024-06-11

    申请号:CN202410387631.7

    申请日:2024-04-01

    Abstract: 本发明公开了一种仿生改性树脂复合夹层耐压壳及其制备方法,该耐压壳包括至少一个单元夹层,单元夹层按照一层预浸料、一层AGE粉末、两层预浸料、一层AGE粉末、两层预浸料、一层AGE粉末、一层预浸料的顺序叠放;预浸料通过亚胺改性环氧树脂的反应液对硅烷化碳纤维浸渍后得到,反应液中加入硅烷化玻璃纤维;AGE粉末为硅烷化玻璃纤维与亚胺改性环氧树脂粉末共混得到;单元夹层的两边分别设有防水层;其制法为:将亚胺改性环氧树脂材料与硅烷化玻璃纤维共混得到AGE粉末,将硅烷化玻璃纤维加入到制备亚胺改性环氧树脂材料的反应液中对硅烷化碳纤维浸渍得到预浸料,按照顺序进行铺层缠绕处理得,经真空热压,脱模,得到耐压壳。本发明通过在两层表面处理后的碳纤维之间裹上预浸料,实现了轻薄化,耐压性能提升到了5.02MPa。

    一种改性碳纤维增强聚亚胺复合材料的制备方法

    公开(公告)号:CN116278224A

    公开(公告)日:2023-06-23

    申请号:CN202310294923.1

    申请日:2023-03-24

    Abstract: 本发明公开了一种改性碳纤维增强聚亚胺复合材料的制备方法,包括以下步骤:(1)清洗碳纤维布(2)氧化处理碳纤维布:将清洗后的碳纤维布加入强氧化剂溶液对碳纤维布改性;(3)制备改性涂层:将碳纤维布浸润在硅烷偶联剂溶液中,烘干得到改性碳纤维布。(4)制备复合材料:将聚亚胺薄膜与改性碳纤维布以ABAB…A的顺序依次铺层,聚亚胺薄膜为A,碳纤维布为B,放入热压机中热压得到碳纤维增强聚亚胺复合材料;通过强氧化剂对碳纤维布进行氧化处理使碳纤维表面粗糙度增大,以及添加了硅烷偶联剂提高了碳纤维布与基体之前的界面强度,使材料层间剪切性能和冲击性能得到了极大的提升。

    一种碳纤维增强环氧树脂基固化体系的多目标优化方法

    公开(公告)号:CN116167238A

    公开(公告)日:2023-05-26

    申请号:CN202310204203.1

    申请日:2023-03-06

    Abstract: 本发明公开了一种碳纤维增强环氧树脂基固化体系的多目标优化方法。该优化方法包括:生成样本集;构建数据集;数据集进行归一化处理;选择高斯模型参数及超参数初值;基于归一化数据集构建回归模型;利用回归模型进行预测并与实验样本对比;建立待优化变量全因子网状数据集;通过高斯过程回归模型进行回归预测,获得全因子预测数据集;选择合适权重因子,获得多目标最优性能,从而获得相对应最优工艺参数解。本发明通过高斯过程回归算法实现小样本数据集精准预测,相比全因子实验方法可有效减少百分之九十以上的实验数据量,有效平衡开发与探索;同时本发明可以对材料需求性能有针对性开发利用,实现对材料单个或者多个性能针对性增强优化。

Patent Agency Ranking