I denna studie presenteras ett protokoll som beskriver användningen av mekanoluminescerande (ML) visualisering för övervakning av sprickutbredning och mekaniskt beteende under utvärdering av limfogar.
I denna studie demonstreras och förklaras metoder för mekanoluminescerande (ML) visualisering av sprickutbredning och mekaniskt beteende för att utvärdera limfogar. Det första steget involverade provberedning; en luftspray användes för att applicera ML-färg på ytan av limfogproverna. ML-sensorns prestanda beskrevs för att undersöka mätförhållandena. Resultaten av ML-avkänning under ett DCB-test (Double Cantilever Beam) och ett lap-shear (LS) -test visas eftersom dessa är de vanligaste och mest använda metoderna för utvärdering av lim. Ursprungligen var det svårt att direkt kvantifiera sprickspetsen och töjnings-/spänningsfördelningen och koncentrationen eftersom sprickspetsen var för liten och effekterna av stammen inte kunde observeras. Mekanoluminescensen, sprickutbredningen och det mekaniska beteendet under mekanisk testning kan visualiseras via ML-mönstret under limutvärderingen. Detta möjliggör erkännande av den exakta positionen för sprickspetsarna och andra mekaniska beteenden relaterade till strukturellt fel.
Mekanoluminescerande (ML) avkänningsmaterial är funktionella keramiska pulver som avger intensivt ljus upprepade gånger under mekaniska stimuli. Detta fenomen observeras även inom regioner med elastisk deformation 1,2,3,4. När de sprids på ytan av en struktur fungerar enskilda ML-partiklar som känsliga mekaniska sensorer, och det tvådimensionella (2D) ML-mönstret återspeglar den dynamiska töjningsfördelningen. ML-utsläppsmönstret visar en mekanisk simulering av töjningsfördelningen 2,3,4,5,6,7,8,9,10,11,12 (figur 1A).
Som visas i figur 1B har ML-sensorer använts för att visualisera tvådimensionella (2D) och tredimensionella (3D) dynamiska mekaniska beteenden i elastiska, plastiska och destruktionsprocesser med hjälp av kupongtestprover som består av nyligen avancerade lätta konstruktionsmaterial (t.ex. höghållfast stål 5,6, aluminium, kolfiberförstärkt plast [CFRP]7), limfogen för skadetoleransdesign8, 9,10,11 och produktkomponenter (t.ex. växel och flexibel elektronikfil för vikbara telefoner 12 och komplicerade lim- och/eller svetsfogar som används för validering av datorstödd teknik [CAE] resulterar i testning på laboratorienivå 2,8,9,10,11 ). Dessutom har ML-sensorer framgångsrikt använts i praktiska tillämpningar, såsom strukturell hälsoövervakning (SHM) av byggnader och broar för att detektera sprickutbredning eller sannolikheten för en töjningskoncentration som leder till strukturell nedbrytning 2,6,13, övervakningen av den inre sprickutbredningen i interlaminära lager7,9, förutsägelsen av livslängden för högtrycksvätekärl 9, slagprov av rörlighet för att visualisera slagvågsutbredningen eller excitationen i vibrationsläge14 och visuell avkänning av sportverktyg för att bestämma lämpliga fysiska inställningar för att öka chanserna att vinna. I protokollet valdes ML-visualisering för övervakning av sprickutbredning och efterföljande förändringar i mekaniskt beteende under utvärdering av limfogar.
Det finns flera anledningar till att välja detta tema. Den första anledningen är den betydande ökningen av vikten av limfogar de senaste åren. Nyligen, på grund av behovet av betydande CO2-minskning och energibesparing, har olika typer av lätta material utvecklats och tillämpats inom mobilitets- och transportindustrin, till exempel för bilar, flygplan och tåg. Som en del av denna trend har limteknik fått betydelse som en nyckelteknik för att fritt sammanfoga olika lätta material (olika materialfogar) i en multimaterialstrategi15. Dessutom har ML-visualiseringsmetoden för bestämning av limstyrka, särskilt i olika material, föreslagits av olika internationella standarder 16,17,18,19,20. Utvärderingen av limstyrkan är väsentligen destruktiv testning, och den erhållna limstyrkan kan huvudsakligen klassificeras i två typer: (1) sprickseghetsenergi (Gc), som bestäms med användning av läget för sprickutbredning under lastapplikationen, och (2) limstyrka, som bestäms med användning av belastningen vid limfogens brott. Även om DCB-testet (Double Cantilever Beam) och LS-testet (Single Lap-She) är representativa utvärderingsmetoder för sprickseghet respektive limstyrka och representerar de mest använda limtestmetoderna över hela världen 15,16,17,18,19,20 är sprickspetsen för liten för att urskilja spännings-/töjningsfördelningen. Därför är sprickseghetsenergivärdet (Gc) mycket utspritt. Som ett resultat av rekommendationer från forskare som undersöker lim och andra individer i branschen har mekanoluminescerande (ML) visualisering undersökts för övervakning av sprickutbredning och efterföljande förändringar i mekaniskt beteende under utvärdering av limfogar 8,9,10,11,21 . Den andra anledningen till att välja detta tema i detta protokoll är att spänning / töjning är mycket koncentrerad vid sprickspetsen, vilket genererar intensiv mekanoluminescens vid ML-punkten under sprickutbredning, och detta är potentiellt den mest användarvänliga metoden bland olika ML-testapplikationer. Dessutom kan denna metod användas utan avancerad erfarenhet av provberedning och mycket effektiva ML-material.
Därför förklaras i denna studie protokollet för ML-visualisering för övervakning av sprickutbredning och efterföljande förändringar i det mekaniska beteendet under utvärdering av limfogar, som visas i figur 2.
När det gäller ML-beteendet som observerats från sidovyn registrerades intensiv mekanoluminescens som härrör från töjningskoncentrationen vid spetsen av den initiala sprickan (figur 5C). Därefter observerades rörelse av ML-punkten längs limskiktet vid sprickutbredningstiden, vilket återspeglar sprickspetsen. I tidigare studier visade mikroskopiska observationer att den högsta ML-punkten endast var 0-20 μm före sprickspetsen och kunde antas som referens för sprickspetspositionen8. I den konventionella metoden identifieras sprickspetsen via visuell inspektion, men detta leder till en betydande mängd mänskliga fel på grund av sprickspetsens lilla storlek, även vid användning av förstoringsglas. Specifikt krävs tålamod för att markera sprickspetsens position under DCB-testet, vilket i sin tur kräver flera minuter, särskilt för strukturella limfogar16,17,18. Därför är ML-visualisering i DCB-testet viktigt för att identifiera sprickspetsens position automatiskt och med högre precision. Tidigare visades ML-linjens position och form i toppvyn synkroniseras med sprickfelsfrontlinjen i limskiktet9. Därför användes ML-avkänning i den övre vyn av vidhäftningen som en indikator på de inre sprickorna från vidhäftningens yttre yta.
Begränsningarna för denna metod inkluderar dock den mörka testmiljön och minskningen av ML- och AG-intensiteten under DCB-testet under flera minuter, vilket visas i figur 7B. Detta leder till en oklar ML-punkt och AG-mönster, som återspeglar sprickspetsen respektive provgeometrin. För att övervinna denna begränsning användes infrarött ljus, såsom ljus vid en våglängd på 850 nm som inte påverkar SrAl2O4: Eu2+ ML-material, för att bestråla DCB-provet under DCB-testet för att klargöra provets tillstånd9. Alternativt kan blått ljus vid 470 nm användas för att belysa provexemplaret i 1 s var 5:e minut eller 10 min för att återvinna ML- och AG-intensiteterna även under DCB-provningen2,9, vilket förklaras i figur 7A.
ML-konturbilder och filmer under LS-testet spelades in med hjälp av ett fyrvägskamerasystem (figur 6C). I detta fall var vidhäftningarna sandblästrad aluminium (A5052) och limet var ett tvåkomponent epoxilim. Dragskjuvhållfasthetsvärdet (TSS) var 23 MPa, vilket beräknades med hjälp av belastningsvärdet (N) vid brott under dragbelastning och det limbundna området (mm2). Dessutom kan TSS-värdet betraktas som en indikator på styrkan hos en strukturell limfog18. Även om TSS-värdet vanligtvis används som ett index för limstyrka, undersöktes inte de bakgrundsfysikaliska egenskaperna, såsom mekaniskt beteende, som är avgörande för att förbättra fogdesignen.
ML-bilderna gav tydligt information om det mekaniska beteendet under destruktionsprocessen för limfogen med ett varv (figur 6C). I korthet observerades intensiv mekanoluminescens först vid kanten av det limbundna och lappade området, vilket visar töjningskoncentrationen i det tidiga skedet av LS-testet. För det andra flyttades ML-punkterna från båda limkanterna till mitten längs limskiktet för att visas tillsammans i vänster och höger vy av ML-bilderna. Detta indikerar skjuvspänning och sprickutbredning längs limskiktet, vilket betecknar sammanhängande fel (CF) i detta fall.
Dessutom indikerade ML-linjerna i fram- och bakifrån förekomsten av sprickutbredning, vilket är samma fenomen som i DCB-testet. Slutligen, efter de två ML-punkterna kombinerade i mitten, observerades intensiv mekanoluminescens vid mittpunkten i limskiktet. Detta indikerade töjningskoncentrationen i limskiktet och den efterföljande genereringen av en tvärgående spricka över limskiktet, liknande i ett tidigare arbete11. Denna information är användbar för att bestämma platsen för spännings- / töjningskoncentrationen. Därför innebär det att förbättring av stressdispersion krävs för att uppnå en stark och pålitlig gemensam design.
Till skillnad från DCB-testet orsakar LS-testet höghastighetsbrott i limfogar. LS-testet genererar en hög töjningshastighet i limskiktet, vilket följs av mycket intensiv mekanoluminescens som mättas i den inspelade ML-bilden, ackumulerar många händelser i en bild och ger en oklar ML-bild. I dessa fall kan ett smart val av inspelningshastighet användas för felsökning (t.ex. att välja en hög inspelningshastighet, till exempel 25 fps, som passar händelsens hastighet i LS-testet)11.
The authors have nothing to disclose.
Denna forskning stöddes av ett banbrytande projekt på uppdrag av New Energy and Industrial Technology Development Organization (NEDO) och forsknings- och utvecklingsprogrammet för att främja innovativ ren energiteknik genom internationellt samarbete (JPNP20005) på uppdrag av NEDO. N. T. är tacksam mot Shimadzu Co för att ha tillhandahållit programvaran för automatisk övervakning för att särskilja punkterna med högsta ML-intensitet i kompletterande figur 1. N. T. är tacksam mot Y. Nogami och H. Kawahara för att ha sprutat ML-färgen för ML-testning. Dessutom är N. T. tacksam mot Y. Kato, M. M. Iseki, Y. Sugawa, C. Hirakawa, Y. Sakamoto och S. Sano för att ha hjälpt till med ML-mätningarna och analysen i 4D-teamet för visuell avkänning (AIST).
Aluminum plate | Engineering Test Service Co.,Ltd. | A5052 | A5052 is defined name as quality of aluminum in standards. |
Blue LED | MORITEX Co. | MBRL-CB13015 | |
Camera | Baumer | TXG04 or VLU-12 | CCD or CMOS |
Coating thickness gauge | KETT | LZ-373 | |
Epoxy adhesive | Nagase ChemteX Co. | Denatite2202 | structual adehsive |
ImageJ | National Institutes of Health | Image J 1.53K | Image processing software |
Mechanical testing machine | SHIMADZU Co. | EZ Test EZ-LX | |
Mechanoluminescnet (ML) paint | Sakai Chemical Industry Co. Ltd. | ML-F2ET3 | The ML paint in 1.1 is 2 components epoxy paint , and consisting of epoxy main reagent and curing reagent as described in 1.2.1. SrAl2O4:Eu2+ ML ceramic perticle is including in main epoxy reagent. |
Microscope | keyence | VHX-6000 | |
Stainless steel plate | Engineering Test Service Co.,Ltd. | SUS631 | A631 is defined name as quality of stainless steel in standards. |
Viscometer | Sekonic. Co. | Viscomate VM-10A |