反應性熱塑性體系包括單體和/或低聚物（環狀或線性形式）的混合物，其通過加入引發劑和活化劑而轉化為聚合物。由于其低分子量，單體和低聚物表現出類水粘度，并且可以容易地浸漬干增強體，從而克服了復合材料制造中熱塑性基體的主要問題。

由于其低粘度，反應性熱塑性塑料可用于液體復合材料模塑技術，如熱塑性樹脂轉移模塑（T-RTM）或真空灌注。反應性熱塑性塑料在原位聚合，即在模具中聚合。目前，可獲得許多適用于原位聚合的反應性熱塑性塑料，包括熱塑性聚氨酯-polyurethanes,和聚酯-polyesters、聚酰胺-PA- polyamides、聚碳酸酯-polycarbonates 和聚甲基甲基丙烯酸酯-polymethylmethacrylates 。這些聚合物中最有前途的是 PA-6。

以下是歐洲“可持續流動復合材料”項目研發報道。

 

圖片來源：從DLR項目視頻中提取的靜態圖像

“可持續流動復合材料”項目由Faurecia Clean mobility（法國南特）于2018年啟動，旨在開發一種智能熱塑性復合材料樹脂轉移模塑（T-RTM）工藝，該工藝使用綜合傳感器網絡，包括智能模具的數據以及注塑機和熱壓機的機器數據。該項目將于2021年底完成，CosiMo的合作伙伴已經獲得了閉環控制的知識和經驗，該閉環控制將實時傳感器數據與實驗室數據和模擬數據中的材料參數相結合。CosiMo由巴伐利亞州經濟事務、區域發展和能源部在校園碳4.0計劃中資助。

該演示部件長1100毫米，寬530毫米，由Faurecia Clean Mobility位于德國奧格斯堡的研究中心設計。目標是探索材料和工藝限制，包括金屬和泡沫芯、復雜的幾何形狀、2.5至10毫米不等的各種半徑和厚度。奧格斯堡紡織技術研究所（ITA）提供的玻璃纖維無紡布高達1000克/平方米。研究了玻璃纖維無卷曲織物和碳纖維單向帶的局部補強性能。玻璃纖維材料允許使用來自報廢復合材料部件的回收纖維。

 

DLR ZLP 正在拆除的 T-RTM 演示電池箱蓋挑戰部件

根據 Faurecia Clean Mobility的零件設計和奧格斯堡制造的預成型工具，CosiMo的T-RTM工藝使用了KraussMaffei（德國慕尼黑）3K（三部件）注塑機。該工藝是Tecnalia（西班牙Donostia San Sebastián）專利的 2K工藝的衍生物，KraussMaffei 在2016年德國杜塞爾多夫 K 展上展示了該工藝。3K注塑機與4400千牛頓Wickert（德國普法爾茨的Landau）熱壓機相結合，其中安裝了鋼RTM工具。RTM工具由德國迪特福特的Siebenhurst制造。

 

CosiMo 項目合作伙伴和主要研究領域

該項目的主要目標是研究使用傳感器 RTM 模具和熱壓的單步 T-RTM 工藝的完全自動化和基于傳感器的過程控制。德國航空航天中心（DLR）輕型生產技術中心（ZLP，Augsburg）在該項目中制造了大約100個演示零件。DLR ZLP的CosiMo制造項目負責人Jan Faber表示：“這些零件由不同的增強材料制成，質量高，再現性強。”

作為“HAP 3-智能工裝”工作包的項目負責人， DLR ZLP 還提供了“HAP 1-定制非織造布”和“HAP 2-反應系統”工作包中基本材料特性與“HAP 4-數據驅動過程控制”之間的關鍵接口。

傳感器網絡

70多個傳感器集成到鋼制RTM模具中，以監測樹脂注射和原位聚合過程中的工藝參數。該網絡包括各種傳感器，包括 Kistler（瑞士溫特圖爾）的組合壓力/溫度傳感器、Netzsch（德國塞爾布）的介電傳感器和奧格斯堡大學開發的超聲波傳感器。后者基于廣泛使用的商用壓電傳感器的概念，但針對熱塑性復合材料加工的高溫和模內集成要求進行了修改。iba AG（德國Fürth）提供的中央數據采集系統收集、處理材料、工藝和機器數據，然后將其發布到機器學習平臺。

過程模擬和優化

傳感器網絡能夠監測樹脂流動和聚合，并跟蹤復雜工具幾何結構中的零件參數。使用溫度和壓力等工藝參數實時分析樹脂填充和聚合行為。

 

DLR ZLP 的 Wickert 熱壓和 T-RTM 設備設置

來自傳感器的過程參數數據也用于優化過程模擬模型?；谙惹岸x的制造演示器，使用ESI PAM復合材料軟件（ESI Group，Rungis，France）對零件制造的子過程（如樹脂填充模擬）和聚合部件的特性（如變形模擬）進行建模。DLR ZLP 將這些模擬結果與實際工藝數據進行了比較， 以優化 T-RTM 工藝， 作為 HP3 Workpackage 活動的一部分。

該項目隨后開發了基于機器學習方法的自動化和模擬數據驅動的過程控制。奧格斯堡大學軟件與系統工程研究所（ISSE，教授Reif）生成了機器學習訓練數據，并開發了人工智能（AI）模型，預測聚合狀態、聚合所需時間以及樹脂注射、填充和聚合子過程中的潛在問題。這是與該項目的另一個關鍵合作伙伴 Kuka（德國奧格斯堡）合作完成的。

奧格斯堡大學材料資源管理研究所（MRM）開發了一個描述聚合過程的動力學模型。Netzsch 也是一個關鍵的合作者，將其熱固性過程監測的知識轉移到熱塑性過程監測中，以幫助建立預測人工智能模型預測 PA6 聚合應在何時完成以及聚合狀態的能力。

零件制造和測試

對于零件生產，將鋼制模具加熱至170°C，將反應性己內酰胺樹脂組分加熱至120°C。將預成型件放入模具中，然后將模具閉合。在短暫停留以使預成型體達到模具溫度后，注入己內酰胺單體，這需要20-25秒。工藝模擬表明，注射后原位聚合需要5.7分鐘，轉化率為98.5%。在此之后，打開壓機，在170°C下脫模。

 

DLR ZLP為CosiMo項目生產了大約100個高質量的示范電池箱蓋挑戰部件。

通過紅外光譜、流變儀數據和聚合的 DEA 傳感器分析來確認聚合度。使用包括顯微鏡、熱成像和空氣耦合超聲在內的無損檢測對成品零件進行評估。零件質量與工藝傳感器數據相關，并與市場上類似的玻璃纖維/熱塑性零件進行比較。

未來發展

Faber說，對于DLR ZLP來說，這個項目是成功的。他說：“我們已經完成了我們的部分，并發展了許多關于使用傳感器實現復合材料加工的全數字閉環控制的知識。” “對于工業批量生產，沒有人會安裝這么多傳感器，這不是我們所期望的。但對于這項研究調查，這個大型傳感器網絡非常精確，有助于我們全面了解工藝和材料行為。我們可以看到工藝中因零件厚度或集成材料（如泡沫芯）。”

他指出，這個項目已經產生了很多知識，并認為未來有潛力將其應用于較慢的RTM和灌注工藝，在這些工藝中，零件質量問題的風險歷來非常高。Faber還將于周三在“己內酰胺T-RTM生產中基于傳感器的原位聚合過程監測”中介紹CosiMo項目的進展和結果。

DLR ZLP 也是奧格斯堡人工智能生產網絡的三個關鍵合作伙伴之一，該網絡成立于2021年1月，還匯集了奧格斯堡大學和弗勞恩霍夫鑄造、復合材料和加工技術研究所。正如人工智能生產網絡主任Markus Sause博士所解釋的那樣，他也是CosiMo項目開發超聲波傳感器的研究員，“我們將把 CosiMo項目中強調的合作藍圖擴大到更大的規模，開發人工智能技術用于生產，重點關注復合材料。我們位于奧格斯堡的5000平方米新工廠于2022年開業，并在2022年全年配備各種機器，使公司能夠看到人工智能的演示生產環境中的真實流程。”

與此同時，Faurecia Clean Mobility將在內部擴展通過CosiMo項目獲得的知識，該項目與Faurecia的可持續發展戰略和生態轉型完全一致。Faurecia還感謝巴伐利亞聯邦經濟事務、區域發展和能源部為該研究項目提供的財政支持。

 

注：本文根據《CosiMo: Smart thermoplastic RTM process demonstrated for battery box cover challenge simulator》2021.9.24 和 網上其它資料匯編。