新!Moldex3D纤维配向预测带来长纤维复合材料的益处

in 焦点文章 on 1 月 29, 2018
Ref. Tseng H-C, Chang R-Y, Hsu C-H. Numerical predictions of fiber orientation and mechanical properties for injection-molded long-carbon-fiber thermoplastic composites. Polymer Composites 2017, First Published, https://onlinelibrary.wiley.com/doi/10.1002/pc.24403/abstract                                                                     
                                                                                                                                                                                                       曾煥錩

由于长纤维强化热塑性复合材料(LCFRT)能满足产品安全和耐用的需求,且碳纤维的机械特性也比天然纤维强韧,因此常被用来作为轻量化的汽车材料。在实务上,从射出成型的纤维产品上,可观察到典型层状结构,如皮层、核心层等。长纤维的非等向性纤维配向,会影响成品的机械性质。然而在处理长纤维以及纤维浓度高的产品时,如何预测非等向性纤维配向,是一项很大的挑战。到目前为止,以模拟的方式探讨各种纤维复材的纤维配向变化之案例并不多。

本案例以聚丙烯(PP)和聚酰胺6,6(PA66)的高分子聚合物组合进行探讨。使用的原料是长纤维强化热塑性复合材料,包含了50wt% LCF/PP和50% LCF/PA66。图一为边缘浇口模具充填的PNNL板状产品,由西北太平洋国家实验室(PNNL)所设计,尺寸为178mm x 178mm x 3.175mm。有别于过去模式,透过塑料射出CAE软件Moldex3D的创新纤维配向理论模式──iARD-RPR模型,只需要三个参数,能够准确预测出射出成型制程中的纤维配向。图二为该产品中间区域(B区,平板的中间)厚度方向的纤维配向分布,可看出模拟预测与实验结果所呈现的数据相当一致。

图一 本案例PNNL板几何,以及三个测量区域
图二 比较在不同基底塑料PA66与PP带有相同碳纤维浓度50wt%下之纤维配向分布的差异:点为实验数据,线为预测值。

复合材料的性质分析仿真软件Digimat-MF(MSC Software和e-Xstream engineering) 是透过微观力学模型Mori-Tanaka模式,来计算纤维强化热塑性复材的机械性质。根据所预测的纤维配向信息,我们运用Digimat-MF得出一个在流动方向的杨氏模数E1。图三是标准化产品厚度的杨氏模数分配,经比较后发现50wt% LCF/PA66 > 50wt% LCF/PP。平均厚度系数E1值与实验结果如表一所示。大致上而言,预测的E1结果准确度尚佳。而在添加了一样纤维浓度的50wt% LCFs之后,发现PA66的强化效果比PP还要好(图四)。

图三 比较在不同基底塑料PA66与PP带有相同碳纤维浓度50wt%下,流动方向的杨氏模数分布的差异。
aTaken from Web Page of PlastiComp Technical Data Sheet.

表一 平均配向与平均模数的预测与实验数据比较

图四 不同的纤维复材的模数预测,与纯PP、纯PA66的实验数据比较直方图

整体而言,目前汽车用的长纤维强化热塑性复合材料之纤维排向,已可透过整合Moldex3D纤维配向预测结果和 Digimat-MF获得准确预测,并确保其结构强度。要设计高质量且几何度复杂的塑料产品,牵涉到流动方向的变化、是否有肋条设计,以及厚度和孔洞的变化等;因此如何决定适合的参数组合,以得到优佳的纤维排向,在未来的研究中的一大关键。

曾煥錩Iver

曾焕锠 博士
研究发展部 项目经理
科盛科技(Moldex3D)

台湾交通大学应用化学系博士。主要研究领域包含聚合物流变学、高分子复合材料加工及分子模拟。全新纤维排向模式研究成果获得美国授予专利,并荣登国际知名高分子流变学期刊Journal of Rheology® 2016 。


TAGS: 

深入了解Moldex3D

与专家讨论您的模具问题与模流分析需求

线上展示服务

提供线上技术支援与产品展示服务