CN113255134A - 基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法 - Google Patents

基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法 Download PDF

Info

Publication number
CN113255134A
CN113255134A CN202110586268.8A CN202110586268A CN113255134A CN 113255134 A CN113255134 A CN 113255134A CN 202110586268 A CN202110586268 A CN 202110586268A CN 113255134 A CN113255134 A CN 113255134A
Authority
CN
China
Prior art keywords
relaxation
foam material
physical
silicon foam
chemical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110586268.8A
Other languages
English (en)
Other versions
CN113255134B (zh
Inventor
王九龙
张思才
盛俊杰
蒋家勇
温金鹏
李娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Engineering Research Institute China Academy of Engineering Physics
Original Assignee
General Engineering Research Institute China Academy of Engineering Physics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by General Engineering Research Institute China Academy of Engineering Physics filed Critical General Engineering Research Institute China Academy of Engineering Physics
Priority to CN202110586268.8A priority Critical patent/CN113255134B/zh
Publication of CN113255134A publication Critical patent/CN113255134A/zh
Application granted granted Critical
Publication of CN113255134B publication Critical patent/CN113255134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Silicon Compounds (AREA)

Abstract

本发明公开了基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,包括步骤:统一使用场景下硅泡沫材料的松弛行为衡量标准,将硅泡沫材料的剩余预紧力转换为载荷保持率,用于表征规定时间下的材料预紧性能;对硅泡沫材料载荷保持率退化趋势预分析,初步确定物理松弛模型和化学松弛模型参数范围;建立松弛模型字典库,分别表示物理松弛模型字典库和化学松弛模型字典库;匹配追踪分离物理松弛和化学松弛,满足迭代松弛条件时,得到系列松弛模型和剩余信号;本发明忽略不同使用场景下的性能差异,基于信号稀疏分解思想,建立系列物理松弛模型与化学松弛模型的字典库,利用匹配追踪算法,实现硅泡沫材料性能退化趋势中的物理化学松弛自适应分离。

Description

基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法
技术领域
本发明涉及硅泡沫材料技术领域,尤其涉及一种基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法。
背景技术
硅泡沫材料是一种通过硅橡胶发泡而成的粘弹性阻尼材料,由于其耐高温、耐老化和良好粘弹性能,被广泛应用于隔热、包装等领域。作为典型的高分子材料,硅泡沫材料在长期使用过程中会产生松弛,随松弛效应增加,会减弱其隔热、减震作用。因此,针对硅泡沫材料的应力松弛效应,有必要掌握其应力松弛规律,支撑产品设计初期材料选型及使用过程中的维护更换,实现产品的长期稳定运行。
已有研究表明,硅泡沫材料应力松弛受材料泡孔结构和材料本身双因素影响,前期松弛主要为压缩泡孔结构引发的物理松弛,待其泡孔结构在压缩状态下达到平衡后,其物理松弛比例逐渐下降,后期主要体现在由于材料本身分子运动带来的化学松弛。但是前期的相关研究往往忽略这种双松弛因素,通常采用单一指数模型或对数指数模型描述硅泡沫材料的应力松弛退化行为。由于硅泡沫材料物理化学松弛行为影响因素较多,不仅仅同其材料组成有关,还与片材厚度、密度、压缩率及使用环境等有一定联系,很难使用一个通用的模型来描述不同的松弛行为。
因此需要研发出一种基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法来解决上述问题。
发明内容
本发明的目的就在于为了解决上述问题设计了一种基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法。
本发明通过以下技术方案来实现上述目的:
基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,包括以下步骤:
S1、统一使用场景下硅泡沫材料的松弛行为衡量标准,将硅泡沫材料的剩余预紧力转换为载荷保持率,用于表征规定时间下的材料预紧性能;
S2、对硅泡沫材料载荷保持率退化趋势预分析,初步确定物理松弛模型和化学松弛模型参数范围;
S3、建立松弛模型字典库D={P;C},其中P={p1、p2…pn}表示物理松弛模型字典库,C={c1、c2…cm}表示化学松弛模型字典库;
S4、基于匹配追踪算法,计算载荷保持率退化趋势在字典库P和字典库C上的投影,设置算法迭代次数为q,迭代终止值为ε;当计算过程达到迭代次数或计算残差e小于迭代终止值ε时,终止算法,得到系列松弛曲线和剩余曲线。
具体地,步骤S1中,载荷保持率的表达式为:
Figure BDA0003087572450000021
式中:Fk——第k次预紧力;F0——初始预紧力;
Figure BDA0003087572450000022
——载荷保持率。
具体地,步骤S2中,物理松弛模型参数范围为a∈[a1、a2…ai]、b∈[b1、b2…bj],化学松弛模型参数范围f∈[f1、f2…fk]、g∈[g1、g2…gl],其中i,j,k,l为正整数。
具体地,步骤S3中,物理松弛模型字典库P和化学松弛模型字典库C表达式分别为:
Figure BDA0003087572450000023
其中,n=i×j,m=k×l。
具体地,步骤S4中,计算残差e表达式为:
Figure BDA0003087572450000024
式中,rz(t)表示第z次剩余信号,其表达式为:
Figure BDA0003087572450000025
式中,Az为Dz字典对应的幅值恢复系数。
本发明的有益效果在于:
忽略不同使用场景下的性能差异,基于信号稀疏分解思想,建立系列物理松弛模型与化学松弛模型的字典库,利用匹配追踪算法,实现硅泡沫材料性能退化趋势中的物理化学松弛自适应分离。
附图说明
图1为本申请的方法流程图;
图2为本申请中原始载荷保持率退化趋势图;
图3为本申请中物理化学松弛分离趋势图,其中a为物理松弛,b为化学松弛;
图4中,a为总退化趋势评估值图,b为剩余信号趋势图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要理解的是,术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,“设置”、“连接”等术语应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接连接,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图,对本发明的具体实施方式进行详细说明。
如图1所示,基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,包括以下步骤:
S1、统一使用场景下硅泡沫材料的松弛行为衡量标准,将硅泡沫材料的剩余预紧力转换为载荷保持率,用于表征规定时间下的材料预紧性能;载荷保持率的表达式为:
Figure BDA0003087572450000041
式中:Fk——第k次预紧力;F0——初始预紧力;
Figure BDA0003087572450000042
——载荷保持率。
针对硅泡沫材料开展应力松弛仿真,其载荷保持率退化模型为双指数函数,分别代表物理松弛与化学松弛,其模型参数如下表所示:
Figure BDA0003087572450000043
同时叠加测试噪声,载荷保持率的表达式如下:
Figure BDA0003087572450000051
原始载荷保持率退化趋势如图2所示;
S2、对硅泡沫材料载荷保持率退化趋势预分析,初步确定物理松弛模型和化学松弛模型参数范围;物理松弛模型参数范围为a∈[a1、a2…ai]、
Figure BDA0003087572450000056
化学松弛模型参数范围f∈[f1、f2…fk]、g∈[g1、g2…gl],其中i,j,k,l为正整数;
在本实施例中,初步确定物理松弛模型参数范围a∈[0.05:0.05:0.5]、b∈[-1:0.01:-0.01],化学松弛模型参数范围f∈[0.6:0.01:1]、g∈[-0.2:0.001:-0.001];
S3、建立松弛模型字典库D={P;C},其中P={p1、p2…pn}表示物理松弛模型字典库,C={c1、c2…cm}表示化学松弛模型字典库;物理松弛模型字典库P和化学松弛模型字典库C表达式分别为:
Figure BDA0003087572450000052
其中,n=i×j,m=k×l。
在本实施例中,表达式分别为:
Figure BDA0003087572450000053
S4、基于匹配追踪算法,计算载荷保持率退化趋势在字典库P和字典库C上的投影,设置算法迭代次数为q,迭代终止值为ε;当计算过程达到迭代次数或计算残差e小于迭代终止值ε时,终止算法,得到系列松弛曲线和剩余曲线;计算残差e表达式为:
Figure BDA0003087572450000054
式中,rz(t)表示第z次剩余信号,其表达式为:
Figure BDA0003087572450000055
式中,Az为Dz字典对应的幅值恢复系数。
在本实施例中,设置算法迭代次数为50,迭代终止值ε=0.01;根据匹配追踪算法,得到的物理松弛退化趋势和化学松弛退化趋势如图3所示。由图3可知,理论趋势与计算趋势较吻合,其物理松弛模型和化学松弛模型计算参数与理论值几乎一致。
为进一步评估总退化趋势,将化学松弛与物理松弛合并,并与理论值对比,如图4所示。由图可知,基于匹配追踪算法,可消除测试噪声的影响,载荷保持率退化趋势评估值与理论值较吻合。
本发明的技术方案不限于上述具体实施例的限制,凡是根据本发明的技术方案做出的技术变形,均落入本发明的保护范围之内。

Claims (5)

1.基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,其特征在于,包括以下步骤:
S1、统一使用场景下硅泡沫材料的松弛行为衡量标准,将硅泡沫材料的剩余预紧力转换为载荷保持率,用于表征规定时间下的材料预紧性能;
S2、对硅泡沫材料载荷保持率退化趋势预分析,初步确定物理松弛模型和化学松弛模型参数范围;
S3、建立松弛模型字典库D={P;C},其中P={p1、p2…pn}表示物理松弛模型字典库,C={c1、c2…cm}表示化学松弛模型字典库;
S4、基于匹配追踪算法,计算载荷保持率退化趋势在字典库P和字典库C上的投影,设置算法迭代次数为q,迭代终止值为ε;当计算过程达到迭代次数或计算残差e小于迭代终止值ε时,终止算法,得到系列松弛曲线和剩余曲线。
2.根据权利要求1所述的基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,其特征在于,步骤S1中,载荷保持率的表达式为:
Figure FDA0003087572440000011
式中:Fk——第k次预紧力;F0——初始预紧力;
Figure FDA0003087572440000012
——载荷保持率。
3.根据权利要求1所述的基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,其特征在于,步骤S2中,物理松弛模型参数范围为a∈[a1、a2…ai]、b∈[b1、b2…bj],化学松弛模型参数范围f∈[f1、f2…fk]、g∈[g1、g2…gl],其中i,j,k,l为正整数。
4.根据权利要求1所述的基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,其特征在于,步骤S3中,物理松弛模型字典库P和化学松弛模型字典库C表达式分别为:
Figure FDA0003087572440000013
其中,n=i×j,m=k×l。
5.根据权利要求1所述的基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法,其特征在于,步骤S4中,计算残差e表达式为:
Figure FDA0003087572440000021
式中,rz(t)表示第z次剩余信号,其表达式为:
Figure FDA0003087572440000022
式中,Az为Dz字典对应的幅值恢复系数。
CN202110586268.8A 2021-05-27 2021-05-27 基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法 Active CN113255134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110586268.8A CN113255134B (zh) 2021-05-27 2021-05-27 基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110586268.8A CN113255134B (zh) 2021-05-27 2021-05-27 基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法

Publications (2)

Publication Number Publication Date
CN113255134A true CN113255134A (zh) 2021-08-13
CN113255134B CN113255134B (zh) 2022-06-03

Family

ID=77185040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110586268.8A Active CN113255134B (zh) 2021-05-27 2021-05-27 基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法

Country Status (1)

Country Link
CN (1) CN113255134B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115017683A (zh) * 2022-05-24 2022-09-06 中国工程物理研究院总体工程研究所 基于深度lstm神经网络的泡沫橡胶材料剩余寿命预测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2449463A1 (de) * 1974-10-19 1976-04-29 Continental Gummi Werke Ag Verfahren zur bestimmung der aenderung der vernetzungsdichte bei der alterung von vernetzten polymeren
US20120262165A1 (en) * 2011-04-13 2012-10-18 Case Western Reserve University Relaxometry
CN104462632A (zh) * 2013-09-19 2015-03-25 西奥公司 用于锂电池中soc确定的数据驱动/物理混合模型
CN104914041A (zh) * 2015-06-18 2015-09-16 同济大学 盾构隧道弹性密封垫成品老化检测方法
CN106404643A (zh) * 2016-06-15 2017-02-15 北京航空航天大学 一种基于失效物理的丁腈橡胶加速试验机理一致性方法
CN108056532A (zh) * 2016-11-09 2018-05-22 耐克创新有限合伙公司 针织纺织品和鞋面及其制作方法
CN109765608A (zh) * 2018-12-11 2019-05-17 中煤科工集团西安研究院有限公司 一种基于联合字典的煤层巷道锚杆振动噪声压制方法
CN110178280A (zh) * 2016-12-27 2019-08-27 威拓股份有限公司 用于电网中受屏蔽的系统的分层隐式控制器
CN112199823A (zh) * 2020-09-17 2021-01-08 中国海洋大学 一种橡胶材料应力松弛及损伤效应的数值预测方法
CN112800615A (zh) * 2021-02-04 2021-05-14 中国工程物理研究院总体工程研究所 硅泡沫材料剩余寿命预测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2449463A1 (de) * 1974-10-19 1976-04-29 Continental Gummi Werke Ag Verfahren zur bestimmung der aenderung der vernetzungsdichte bei der alterung von vernetzten polymeren
US20120262165A1 (en) * 2011-04-13 2012-10-18 Case Western Reserve University Relaxometry
CN104462632A (zh) * 2013-09-19 2015-03-25 西奥公司 用于锂电池中soc确定的数据驱动/物理混合模型
CN104914041A (zh) * 2015-06-18 2015-09-16 同济大学 盾构隧道弹性密封垫成品老化检测方法
CN106404643A (zh) * 2016-06-15 2017-02-15 北京航空航天大学 一种基于失效物理的丁腈橡胶加速试验机理一致性方法
CN108056532A (zh) * 2016-11-09 2018-05-22 耐克创新有限合伙公司 针织纺织品和鞋面及其制作方法
CN110178280A (zh) * 2016-12-27 2019-08-27 威拓股份有限公司 用于电网中受屏蔽的系统的分层隐式控制器
CN109765608A (zh) * 2018-12-11 2019-05-17 中煤科工集团西安研究院有限公司 一种基于联合字典的煤层巷道锚杆振动噪声压制方法
CN112199823A (zh) * 2020-09-17 2021-01-08 中国海洋大学 一种橡胶材料应力松弛及损伤效应的数值预测方法
CN112800615A (zh) * 2021-02-04 2021-05-14 中国工程物理研究院总体工程研究所 硅泡沫材料剩余寿命预测方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
TZ-CHENG CHIU等: "Physical Aging of Epoxy Molding Compound and Its Influences on the Warpage of Reconstituted Wafer", 《2018 IEEE 68TH ELECTRONIC COMPONENTS AND TECHNOLOGY CONFERENCE (ECTC)》 *
TZ-CHENG CHIU等: "Physical Aging of Epoxy Molding Compound and Its Influences on the Warpage of Reconstituted Wafer", 《2018 IEEE 68TH ELECTRONIC COMPONENTS AND TECHNOLOGY CONFERENCE (ECTC)》, 9 August 2018 (2018-08-09), pages 1 - 4 *
张祎: "基于OpenFOAM的可压缩流动与传热大涡模拟数值研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 *
张祎: "基于OpenFOAM的可压缩流动与传热大涡模拟数值研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》, no. 2, 15 February 2016 (2016-02-15), pages 004 - 46 *
张长生等: "物理成孔剂在硅泡沫制备中的应用研究", 《化工新型材料》 *
张长生等: "物理成孔剂在硅泡沫制备中的应用研究", 《化工新型材料》, vol. 37, no. 11, 15 November 2009 (2009-11-15), pages 93 - 95 *
罗大雷: "高超/超声速飞行器头部激波层红外辐射特性数值研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
罗大雷: "高超/超声速飞行器头部激波层红外辐射特性数值研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, no. 12, 15 December 2014 (2014-12-15), pages 031 - 1 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115017683A (zh) * 2022-05-24 2022-09-06 中国工程物理研究院总体工程研究所 基于深度lstm神经网络的泡沫橡胶材料剩余寿命预测方法

Also Published As

Publication number Publication date
CN113255134B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN113255134B (zh) 基于匹配追踪的硅泡沫材料物理化学松弛自适应分离方法
CN106597149B (zh) 一种基于加速灵敏度的振荡器剩余寿命估计方法
CN115950557A (zh) 一种基于压力变送器的温度智能补偿方法
CN110007265A (zh) 一种基于深度神经网络的波达方向估计方法
CN108877824B (zh) 一种跟踪性能高的组合步长回声消除方法
CN109405884B (zh) 基于温湿度传感器的实现湿度校准功能的系统及方法
CN104778360A (zh) 火工冲击数据预处理方法及系统
CN117331027B (zh) 一种基于子空间匹配度量的声源数估计方法及系统
CN101614799B (zh) 应用于电流传感器角差在线监测系统的信号分离择优方法
CN112800615A (zh) 硅泡沫材料剩余寿命预测方法
Golding et al. Study of an adaptive quantizer
CN113919388B (zh) 一种融合信号频谱幅值调制和深度学习的机电装备故障诊断方法及装置
CN114647964A (zh) 体声波谐振器和滤波器的设计方法
CN115032458A (zh) 一种基于电网系统的谐波阻抗估计方法及计算机存储介质
Nisbet et al. Reduced state methods in nonlinear prediction
CN110890875B (zh) 基于广义相关诱导度量改进的比例仿射投影滤波方法
CN110896308A (zh) 一种单音信号重构方法
CN112422460B (zh) 确定天线阵列的均衡权值的方法、电子设备
US3094864A (en) Omni-directional vibration and acceleration sensing transducer
CN113808675A (zh) 发泡橡胶材料老化性能反映方法和装置
CN113468772B (zh) 电芯随机振动的处理方法与装置
CN111010192A (zh) 电力系统扰动信号重构方法、预处理方法、终端及系统
CN118420853B (zh) 一种疏水抗静电聚氨酯的制备方法
CN116227143B (zh) 一种考虑橡胶老化机理的电连接器密封可靠性预计方法
US11999615B2 (en) Nitride piezoelectric body and MEMS device using same

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant