项目名称: 增强塑料复合管损伤失效机理及寿命预测方法研究

项目编号: No.51203188

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 有机高分子材料学科

项目作者: 李翔

作者单位: 中国特种设备检测研究院

项目金额: 25万元

中文摘要: 增强塑料复合管(RTP)是适应低碳经济发展需求的新型节能环保复合管。它有效地将金属(纤维)的高强度和塑料的耐腐蚀性能融为一体,具有性价比高、承载能力强、使用年限长,耐腐蚀、耐磨损、重量轻、水阻小等优点,目前正在国内外得到了快速地发展和广泛地应用。但是由于RTP研发90年代末期才开始起步,许多基础性研究尚待开展。本项目申请者在博士、博士后的研究中,发现基体材料的粘弹性性能和中间增强骨架的结构形式对RTP的力学响应特性有显著影响。此项研究在考虑上述因素的基础上,通过理论分析、数值模拟和实验研究,进行RTP损伤失效机理、寿命预测和优化设计方法的研究,将进一步完善RTP基础理论,提高我国复合管道的设计能力,降低生产成本,实现节能降耗,为RTP的大规模推广应用提供技术支撑。

中文关键词: 复合管;损伤失效机理;寿命预测;爆破压力;优化设计

英文摘要: Reinforced thermoplastic pipe (RTP) is a new plastic-matrix steel composite pipe developed in China recently. RTP consists of thermoplastic material matrix and a reticular skeleton sandwiched in the middle, in which the skeleton is formed by cross-wound high-strength steel wires or fibers tightly integrated with the matrix. RTP possesses good material properties, such as strong load-carrying capacity, good corrosion resistance, and wear-resistance, which makes them develop quickly at home and abroad. Because the researches and developments on RTP started in the late 1990s, many basic researches need to be carried out. The applicant found that the viscoelastic properties and intermediate enhancement skeleton structure have a significant influence on the mechanical response characteristics of RTP in his postdoctoral research. Considering the above factors and conducting the basis of theoretical analysis, numerical simulation and experimental studies, the damage failure mechanism, life prediction and optimum design methods of the RTPs will be investigated. This project will further improve the basic theory and the design capacity of the RTPs, reduce production costs and energy consumption, and provide technical support for large-scale application of the RTPs.

英文关键词: Composite pipe;Damage failure mechanism;Life prediction;Burst pressure;Optimum design

成为VIP会员查看完整内容
0

相关内容

《智能制造机器视觉在线检测测试方法》国家标准意见稿
NeurIPS 2021 | 通过动态图评分匹配预测分子构象
专知会员服务
21+阅读 · 2021年12月4日
专知会员服务
61+阅读 · 2021年8月4日
专知会员服务
31+阅读 · 2021年5月7日
【WSDM2021】保存节点相似性的图卷积网络
专知会员服务
40+阅读 · 2020年11月22日
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
金融时序预测中的深度学习方法:2005到2019
专知会员服务
166+阅读 · 2019年12月4日
NIPS'21 | 通过动态图评分匹配预测分子构象
图与推荐
0+阅读 · 2021年11月29日
DigiTimes:下一代iPhone的芯片将基于“4nm”工艺
人工神经网络在材料科学中的研究进展
专知
0+阅读 · 2021年5月7日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
14+阅读 · 2020年9月1日
Arxiv
17+阅读 · 2019年3月28日
Arxiv
11+阅读 · 2018年3月23日
小贴士
相关VIP内容
《智能制造机器视觉在线检测测试方法》国家标准意见稿
NeurIPS 2021 | 通过动态图评分匹配预测分子构象
专知会员服务
21+阅读 · 2021年12月4日
专知会员服务
61+阅读 · 2021年8月4日
专知会员服务
31+阅读 · 2021年5月7日
【WSDM2021】保存节点相似性的图卷积网络
专知会员服务
40+阅读 · 2020年11月22日
少即是多?非参数语言模型,68页ppt
专知会员服务
23+阅读 · 2020年11月22日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
金融时序预测中的深度学习方法:2005到2019
专知会员服务
166+阅读 · 2019年12月4日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员