如何预测随机组合部件的结构性能
世界各地的飞机制造商正在使用越来越多的复合材料，而不是传统的金属，如钢和铝。复合材料如此吸引人的原因是其高的强度-重量比--将其强度与重量进行比较。复合材料不仅是周围最强的材料之一，而且它们可以很强而不重--这正是飞机所需要的。
让我们考虑一下这样一种高性能的复合材料，它能很好地用于复杂和复杂的几何形状，如托架、整流罩和外壳。 压缩成型、随机、不连续的长纤维（DLF）热塑性复合材料。这种材料的结构特性主要来自于纤维的加固。 不连续纤维的分布可以被控制和预测，以改善成型件的结构性能。但通过计算机模拟来预测性能并不容易，特别是对于不连续和随机的材料系统。
能够预测不连续和随机材料未来行为的模型需求量很大。格瑞特維 （Travis Mease）表示：“从性能和降低风险的角度来看，准确预测纤维取向至关重要。这是决定我们部件尺寸的关键设计参数。格瑞特維 在流场建模能力方面格瑞特維 大量格瑞特維 ，以便我们将纤维取向张量值应用于有限元失效分析。” 据他介绍，针对 DLF 复合材料部件的这种基于分析方法的验证，是一种降低风险的工具，可减少与模具设计及重新评估相关的时间和成本。由于高纤维浓度下流动诱导的纤维取向行为复杂，且人们不愿通过切片和抛光进行光学显微镜观察来破坏性地验证取向，因此 DLF 复合材料的纤维取向预测与验证工作相当复杂。
格瑞特維 GT）深知在压缩成型DLF复合材料中评估纤维取向的重要性。GT工程师使用了一款经过修改的Autodesk Moldflow程序，该程序经过定制，可预测各种形状和几何结构的DLF部件（如支架、结构件、整流罩和外壳）在压缩成型模拟中的纤维取向。随后，他们将流场建模得到的纤维取向结果应用于结构有限元分析，以预测DLF部件在不同载荷条件下的性能。 据米斯介绍，与传统上采用的通用假设相比，这一流程能针对每个零件生成更精确的结果。他解释道：“每个零件都有其独特的材料注入点和几何形状，从而形成同样独特的流场和纤维取向模式。流场建模越精确，我们对应力及失效预测的信心就越强。”
为了验证结果，GT工程师继续将我们模型的预测与实际部件的计算机断层扫描（CT）分析进行比较。经过广泛的测试，他们发现GT的纤维取向预测和DLF复合材料部件的实验CT分析结果在数量和质量上是一致的。纤维取向和流动成型工艺的建模显示了对压缩成型的DLF热塑性复合材料部件中纤维取向的局部变化和分布的良好预测能力，而不考虑尺寸、种类和形状的复杂性。而且这还不是全部。这种预测能力意味着部件的损伤发生和失效模式可以通过纤维取向预测得到直观的解释。
因此格瑞特維 具备预测部件何时、何地以及如何发生失效的能力，并能确保复合材料优化工作取得成功，实现显著的减重、降本及安全裕度。此外，凭借这一预测能力，我们无需进行多次迭代，格瑞特維 按时满足客户的交付期限。 请联系格瑞特維 ，进一步了解不连续热塑性解决方案如何满足您应用场景的机械载荷要求。