بررسی رفتار مکانیکی و مدلسازی خزش نانوکامپوزیت های تقویت شده با سیلیکات های لایه ای

این تحقیق به بررسی آزمایشگاهی خواص نانوکامپوزیت های تقویت شده با سیلیکات های لایه ای و مدلسازی سفتی و خزش آنها می پردازد. در بخش تجربی این تحقیق به مطالعه موردی نوعی از نانوکامپوزیت های تقویت شده با سیلیکات لایه ای با زمینه چسب آسفالت پرداخته ایم. ریز ساختار این نانوکامپوزیت ها با استفاده از میکروسکوپ الکترونی عبوری بررسی و تحلیل شده است و بسته به کاربرد مورد انتظار یک نمونه بهینه پیشنهاد شده است. آزمایش های انجام شده نشان می دهد که افزودن نانورس، بیشتر به بهبود رفتار چسب آسفالت های نانوکامپوزیتی در دماهای زیر صفر درجه کمک می کند. به صورتی که افزودن 2 درصد ارگانوبنتونیت می تواند از طریق جلوگیری از پیرشدن زمینه، 29 درصد سفتی خزشی نمونه های پیرشده را کاهش و مقاومت آن به شکنندگی و ترد شدن را افزایش دهد. در این تحقیق، تست خزش بر روی نمونه های نانوکامپوزیتی پیر شده انجام شده است. آزمایش ها نشان می دهد که در این نمونه ها، نانو لایه ها علاوه بر تاثیرات تقویت کنندگی مکانیکی، روی میزان تغییرات شیمیایی (ماهیّتی) ناشی از پیر شدن زمینه نیز تاثیر می گذارند. بنابراین در این مورد به دلیل پیر شدن نمونه ها، برای مدل سازی خزش از مدلهای تجربی خزش (مدل برگرز و مدل فایندلی) استفاده شده است و روابط میان پارامترهای این مدلها با غلظت و نوع فیلر بدست آمده است. در نتیجه، رابطه خزش این نمونه های پیرشده با غلظت و نوع فیلر به صورت کامل بیان می شود و امکان میانیابی و پیش بینی خزش نیز بدست می آید. در تحقیقات پیشین محققین در زمینه مدلسازی خزش این نانو کامپوزیت ها، فقط مدل های تجربی برای مدل سازی خزش در نانوکامپوزیت های پلیمر/سیلیکات لایه ای استفاده شده اند و خلاء مدلهایی که بتوانند در مورد خزش نانوکامپوزیت قبل از ساخت آن به پیش بینی بپردازند به وضوح احساس می شود. در تحقیق حاضر سعی شده است تا با روشهای مختلف، مدلهایی به این منظور توسعه داده شود. یک روش برای مدل سازی تجربی-پیش بینی کننده خزش در این تحقیق با استفاده از شبکه های عصبی مصنوعی توسعه داده شده است. در این روش مدل سازی، شبکه های عصبی مصنوعی چند لایه پس از آموزش با داده های تجربی، پیش بینی در مورد نمونه های فرضی را امکان پذیر می سازند. همچنین، نشان داده شده است که استفاده از چند شبکه عصبی کوچک و مجزا به جای استفاده از یک شبکه عصبی بزرگ و یکپارچه به افزایش دقت پیش بینی های این مدل تجربی – پیش بینی کننده کمک می کند. یکی از دستاوردهای مهم این تحقیق، توسعه مدل پیش بینی کننده برای خزش نانوکامپوزیت های پلیمر/ سیلیکات لایه ای می باشد. این مدل این امکان را فراهم می کند تا با استفاده از خواص خزشی زمینه و مشخصات تقویت کننده، در مورد خزش نانوکامپوزیت قبل از ساخت آن پیش بینی داشته باشیم. مقایسه نتایج های مدل پیش بینی کننده خزش با نمودارهای بدست آمده از نتایج تجربی دیگر محققین، گویای توافق با نتایج تجربی و دقّت بسیار خوب این مدل است به طوری که حداکثر انحراف مشاهده شده این مدل از نمودارهای تجربی بررسی شده کمتر از 7 درصد است. همچنین، به منظور توسعه مدل پیش بینی کننده خزش، مدل میکرومکانیکی جدیدی نیز برای سفتی (مدول یانگ) نانوکامپوزیت های پلیمر/ رس توسعه داده شده است که دقّت بسیار بهتری نسبت به مدل های پیشین دارد. یکی از ویژگی های بارز این مدل این است که بر خلاف مدل های پیشین، می تواند نتایج غیر خطی تجربی را از طریق مفهومی به نام تابع نسبت تورّق توصیف کند. حداکثر انحراف مشاهده شده این مدل سفتی جدید از نتایج تجربی بررسی شده کمتر از 3 درصد است.