Ontrafelen van in-situ constituenteigenschappen in vezelversterkte composieten: digitale beeldcorrelatie en machine learning toegepast op synchrotron computertomografiebeelden

Modellen zijn maar zo goed als hun inputs. Beeld je in dat deze inputs niet alleen labo- of operatorafhankelijk zijn, maar ook monstergrootte-afhankelijk en gemeten in niet-representatieve omstandigheden. Dit zou onvermijdelijk leiden tot onbetrouwbare modelvoorspellingen en een gebrek aan begrip van de zaken die het gedrag bepalen. Deze situatie is helaas van toepassing op de state of the art in micromechanische modellering van vezelversterkte composieten. Deze problemen vertragen composietinnovaties in sectoren zoals automobiel, luchtvaart en windenergie. Dit project ontwikkelt daarom een nieuwe testmethodologie die toelaat om betrouwbare metingen van de in-situ matrix- en interface-eigenschappen uit te voeren. Deze methodologie gebruikt de laatste vooruitgangen in computertomografie om partikel-gevulde vezelversterkte composieten te scannen bij submicron voxelgroottes. Digitale beeldcorrelatie (DVC) volgt deze partikels in de 3D beelden bij toenemende belasting, waardoor we een rekresolutie van 8-15 µm kunnen behalen, en dus de matrix- en interface-eigenschappen kunnen extraheren met een hoge nauwkeurigheid. Omwille van de grootte van de data zullen we machine learning technieken gebruiken om efficiënt de meest interessante regio’s te identificeren, zodat we daar de rekvelden kunnen extraheren en de matrix- en interface-eigenschappen kunnen reverse engineeren. Omdat we composieten testen met honderden vezels in plaats van één vezel, kunnen deze eigenschappen gemeten worden in omstandigheden die representatief zijn voor echte composieten. Deze kenmerken zullen ons toelaten om fundamenteel begrip te ontwikkelen voor de in-situ matrix- en interface-eigenschappen. Dit begrip zal toelaten om een doorbraak te forceren in micromechanische modellering, wat het ontwerp en implementatie van verbeterde composieten als nieuwe generatie materialen voor duurzame ontwikkelingen zou katalyseren.