项目名称: 化学气相渗透过程的多尺度建模,分析与模拟

项目编号: No.11271281

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 岳兴业

作者单位: 苏州大学

项目金额: 60万元

中文摘要: 本课题研究碳纤维增韧-碳化硅陶瓷基复合材料(C/SiC)的制备工艺- - 化学气相渗透(CVI)过程的多尺度建模,分析及数值模拟。我们首先将编织预制体看作两相多孔介质,其中孔隙结构由node-bond网络刻画,在制备过程中可以动态变化,在微观孔隙尺度上建立关于反应物浓度的反应扩散方程。 经过尺度提升,可以导出等效的宏观浓度方程。再联立孔隙度演化的方程,得到一个封闭的等效宏观系统,用来在宏观尺度上模拟二维或三维编织预制体的CVI过程。我们将建立具有动态孔隙结构的多孔介质中的非线性反应-扩散系统的均匀化理论, 可以用于对上述宏观模型的分析和验证。基于异质多尺度方法,我们可以发展一种多尺度算法来预测CVI过程结束后得到的复合材料中残余孔隙的结构分布。

中文关键词: 多尺度建模;化学气相渗透过程;残余空隙分布;陶瓷金符合材料;无尺度分离的异质多尺度方法

英文摘要: We consider the multi-scale modeling, analysis and numerical simulation of the chemical vapor infiltration (ICVI) process for the fabrication of fiber-reinforced ceramic composites C/SiC. We first establish a microscopic model in which the woven preform is viewed as a two-phase porous media described by a dynamic node-bond network in the pore scale during the fabrication process. Then a macroscopic model will be derived by upscaling procedure based on the homogenization theory. Both 2D and 3D proforms will be considered. The homogenization theory will be presented for a nonlinear system of surface-action and diffusion processes in a porous media with dynamic pore sturcture. A multiscale algorithm based on Heterogeneous Mulstiscale Method will also be developed to predict the residual pore structure in the final composites product.

英文关键词: multi-scale modelling;process of chemical vapor infiltration;residual pore structure;ceramic composite;HMM without scale-separation

成为VIP会员查看完整内容
0

相关内容

专知会员服务
43+阅读 · 2022年1月18日
专知会员服务
36+阅读 · 2021年7月17日
专知会员服务
41+阅读 · 2021年6月2日
【WWW2021】用优化框架解释和统一图神经网络
专知会员服务
44+阅读 · 2021年2月1日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
六篇 EMNLP 2019【图神经网络(GNN)+NLP】相关论文
专知会员服务
71+阅读 · 2019年11月3日
WWW22 | 图表示学习之时序的事件和节点动态
图与推荐
2+阅读 · 2022年4月4日
AAAI21 | 基于块(Block)建模理论图神经网络
图与推荐
0+阅读 · 2021年12月28日
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
【CVPR2019】弱监督图像分类建模
深度学习大讲堂
38+阅读 · 2019年7月25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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012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 · 2011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 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Arxiv
16+阅读 · 2020年5月20日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关主题
相关VIP内容
专知会员服务
43+阅读 · 2022年1月18日
专知会员服务
36+阅读 · 2021年7月17日
专知会员服务
41+阅读 · 2021年6月2日
【WWW2021】用优化框架解释和统一图神经网络
专知会员服务
44+阅读 · 2021年2月1日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
【ICLR2020】图神经网络与图像处理,微分方程,27页ppt
专知会员服务
47+阅读 · 2020年6月6日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
六篇 EMNLP 2019【图神经网络(GNN)+NLP】相关论文
专知会员服务
71+阅读 · 2019年11月3日
相关基金
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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012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 · 2011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 · 2011年12月31日
微信扫码咨询专知VIP会员