复合材料液体成型工艺(liquid composite molding, LCM)作为低成本、高效率的制造技术,尤其适用于大尺寸复杂构件的生产。然而,LCM工艺中树脂浸润不均、固化应力集中等问题易引发孔隙、干斑、分层及固化变形等缺陷,直接影响构件的力学性能与装配精度。随着工业界对高精度、低缺陷制造需求的提升,如何实现工艺过程及缺陷的实时监测与调控,成为提升复合材料可靠性的关键挑战。
当前,中外学者针对LCM工艺监测开展了多维度研究。基于光纤传感的方法凭借高灵敏度和抗干扰能力,已广泛应用于树脂流动前沿与固化应力的监测,但其布设复杂且成本较高;电学传感(阻抗、介电、时域反射计)虽成本低、响应快,却易受电磁噪声干扰;压力/温度传感技术简单可靠,但难以兼顾多参数同步监测;超声传感通过声波特性解析缺陷,分辨率高,但信号解译复杂。此外,数值仿真与机器学习逐渐成为工艺优化的重要辅助手段,前者通过多场耦合模型预测缺陷,后者利用数据驱动方法提升监测效率,但仍面临模型泛化性不足与实时性受限等问题。现有研究虽在单一监测方法上取得进展,但多物理场耦合监测、跨尺度数据融合及工程化应用仍是亟待突破的难点。
现系统梳理LCM工艺缺陷的形成机理与监测方法,厘清不同技术的优势与局限性,并探讨智能化监测的未来发展方向。一是归纳浸润与固化阶段的缺陷类型及其成因;二是对比分析光纤、电学、压力/温度、超声等监测方法的技术原理与应用案例;三是评述数值模拟与机器学习在工艺预测与缺陷诊断中的研究进展;四是总结多传感器融合、数字孪生及绿色制造等新兴技术的潜力与挑战。期望为复合材料液体成型工艺的在线监测技术提供理论参考,推动高精度、低能耗监测系统的工程化应用,助力复合材料制造向智能化与可持续方向演进。
1 复合材料制造工艺概述
树脂基复合材料因其具备轻量化、高比强度和比刚度、良好的耐腐蚀和抗疲劳性能及灵活的可设计性和成型工艺性等特点,已经广泛应用于航空航天、轨道交通、新能源装备等重大高端制造领域
[1-2]。目前,针对树脂基复合材料的制造技术主要包括手糊成型、纤维自动铺放技术、热压罐成型、模压成型、拉拔成型、真空辅助注塑和树脂传递模塑等
[3-5],主要适用范围和应用领域如
表1所示。
以树脂传递模塑(resin transfer molding, RTM)和真空辅助树脂注塑(vacuum assisted resin infusion, VARI)为代表的复合材料LCM技术凭借低成本、高效率且适用于制造大尺寸复杂构件等优势,已成为一种常用的树脂基复合材料制造技术。复合材料LCM工艺是将低黏度树脂通过外部压力或真空负压注入预先铺设纤维增强体的闭合或半闭合模具中,依靠树脂在模腔内逐步浸润纤维增强材料,并在一定温度和压力下固化成型得到所需构件
[6-7],如
图1所示。然而,纤维预成型体表面铺设的多孔导流介质、树脂流动边缘效应以及纤维布渗透率不均匀等因素导致树脂在浸润过程中出现干斑或孔隙,固化过程产生的高残余应力导致出现翘曲、分层以及基体开裂等制造缺陷,会严重影响复合材料构件的力学性能、尺寸精度和装配质量
[8]。开展复合材料液体成型工艺在线监测方法研究,能够通过智能传感技术实时监测树脂在纤维预成型体内的流动规律,获得纤维预成型体在浸润和固化阶段的树脂流动前沿、温度、固化度以及残余应力等多个物理参量,优化液体成型工艺,有效减少成型工艺缺陷的产生,提高复合材料LCM构件的可靠性和安全性。
复合材料LCM工艺在线监测是提升构件成型质量与工艺稳定性的核心环节。目前复合材料LCM工艺过程及缺陷监测技术主要包括光纤传感监测技术
[9-10]、电学传感监测技术
[11-12]、压力/温度传感监测技术
[13-14]、超声传感监测技术
[15-16]等。随着智能传感技术、数据分析方法和机器学习算法的快速发展,在线监测方法逐步从单一参数测量向多模态融合、智能诊断和控制方向演变
[17-18]。现围绕树脂基复合材料LCM工艺监测方法,着重介绍了复合材料LCM工艺缺陷类型及形成机理、工艺过程及缺陷在线监测方法等方面的中外研究现状,并对未来发展趋势进行了讨论,旨在推动树脂基复合材料低缺陷高质量LCM技术在实际工程中的应用。
2 液体成型工艺缺陷类型及形成机理
复合材料液体成型工艺缺陷主要可分为两类
[19-20]:浸润阶段缺陷(孔隙、纤维干斑、树脂分布不均)和固化阶段缺陷(分层、开裂、固化变形)(
图2),工艺缺陷类型及形成机理对比如
表2所示。
浸润阶段的树脂流动前沿受纤维渗透率、注射压力、温度以及导流介质的影响,出现超前-迟滞现象
[21],形成局部停滞区域(
图3);固化阶段的温度梯度与交联反应则会导致材料收缩不均,引发复合材料内部应力集中,产生缺陷。
2.1 孔隙缺陷
在复合材料LCM工艺过程中,孔隙缺陷的形成机理主要源于以下3个方面。
(1)纤维预制体结构复杂,树脂浸润过程中纤维束间和多层纤维铺层界面包裹的空气难以排出。
(2)树脂固化反应在模具内产生的高热量,使型腔内气体在短时间内无法完全排出。
(3)成型工艺参数控制不当,如真空度不足、注射压力过低或过高、固化升温速率过快等,影响树脂对纤维的浸渍效果和空气的排出,进而形成孔隙。孔隙的存在削弱了纤维与树脂之间的界面结合强度,加剧了应力集中现象,易引发裂纹扩展,从而降低复合材料构件的面内拉伸、层间剪切、压缩及弯曲强度。此外,孔隙还会大幅缩短复合材料在循环载荷下的疲劳寿命和恶劣环境下的使用寿命。研究表明,通过低速注入、真空作用和振动处理等方法能够有效消除孔隙缺陷,提高复合材料构件的成型质量
[22-23]。
2.2 干斑缺陷
干斑缺陷是指在复合材料LCM工艺中,部分干纤维区域未被树脂充分浸润,呈现干燥状态。其形成机理取决于纤维预制体的渗透率分布。
(1)纤维预制体在制备过程中出现纤维堆积和铺层方向不一致,导致不同区域的渗透率差异较大,低渗透区域的树脂在浸润过程中流动受阻,难以在规定时间内完全浸润纤维,从而形成干斑。
(2)树脂流动性不足、注射口与排气口设置不合理以及工艺过程中的渗漏等因素,导致干斑缺陷的形成。干斑缺陷严重破坏了复合材料的均匀性和完整性,降低了复合材料的整体力学性能。同时,干斑处纤维在承受载荷时无法有效发挥承载作用,易引发局部应力集中,导致材料的过早失效。此外,干斑缺陷还会影响复合材料的外观质量,降低构件的市场竞争力。研究表明,通过调节树脂黏度、修正模具流道设计和注射/排气口设计等方法能够有效排除干斑,提高复合材料构件的成型质量
[24-25]。
2.3 分层缺陷
复合材料LCM工艺分层缺陷的形成机理较为复杂,涉及多个方面。
(1)纤维预制体在铺放过程中由于人为因素出现纤维层间褶皱、重叠或间隙不均匀,导致局部纤维体积含量分布和树脂流动不均,在层间结合力薄弱位置形成分层。
(2)树脂在浸润纤维时未充分渗透到纤维束内部,导致层间存在树脂未充分填充区域,这些区域在后续固化过程中无法形成有效的结合,从而形成分层。
(3)树脂体系在液体成型过程中存在气泡,阻碍树脂与纤维的紧密结合,这些气泡位置在固化后成为薄弱点,从而形成分层。
(4)树脂在固化过程中产生不均匀热收缩,复合材料在层间产生超过层间结合强度的内应力,从而形成分层。复合材料的分层缺陷会降低其层间剪切强度和弯曲强度,还会影响复合材料的抗冲击性能和抗疲劳性能。研究表明,通过纤维自动铺贴、厚度梯度优化、合理的模具和工艺设计等方法能够有效抑制分层缺陷,提高复合材料构件的力学性能和成型质量
[26-27]。
2.4 固化变形
在复合材料LCM工艺中,固化变形是一个较为常见且影响构件质量的缺陷,而固化过程残余应力分布不均匀是导致复合材料固化变形最直接的因素。如
表2所示,复合材料固化变形的主要形成机理如下。
(1)树脂基体与增强纤维的热膨胀系数差异,导致固化后冷却过程中纤维和树脂间的结合能力下降,引起复合材料固化变形。
(2)树脂在固化过程的体积收缩,非对称或各向异性铺层纤维的位置发生变化,导致固化变形。
(3)模具和复合材料之间的相互作用和性能差异,加剧热应力的不均匀分布,导致构件的固化变形。复合材料固化过程产生的固化变形和基体开裂等严重缺陷会降低构件的成型质量。研究表明,通过优化工艺参数(固化温度和时间,树脂注射压力和温度)、改进纤维预制体设计与制备(纤维结构优化和表面处理)以及完善模具设计与制造(模具结构优化和温度调控)能够提升复合材料构件的质量,减少固化变形缺陷
[28-29]。
3 液体成型工艺过程及缺陷监测方法
复合材料LCM工艺过程主要分为树脂浸润过程及固化反应过程,工艺缺陷则主要包含干斑、孔隙、分层和固化变形。其中,浸润过程的树脂流变行为直接影响成型构件质量,而固化过程的温度场和压力场分布不均则会大幅降低成型构件的机械力学性能。工艺过程的在线监测需实时追踪树脂充模路径、浸润程度及固化状态,为工艺参数调整提供依据。中外学者做了大量基于先进传感技术、无损检测技术和模拟辅助监测技术的复合材料液体成型工艺在线监测研究工作,主要包括流动前沿、固化度、温度、残余应力等物理量监测,确保成型过程中树脂流动和固化反应充足、残余应力的累积和非均匀温度树脂转换引起的应变尽可能小,为低缺陷高质量成型制造提供反馈和调控信息。
3.1 基于光纤传感的监测方法
光纤传感器在复合材料LCM工艺过程在线监测中凭借高灵敏度、抗电磁干扰、耐高温及可分布式测量的特性,已成为关键技术手段并被广泛应用。同时,光纤传感器非侵入式的特性使其更容易与复合材料结构一体化成型,实现结构全生命周期健康监测。基于光纤传感的复合材料液体成型工艺过程监测主要分为光纤光栅(fiber bragg gratings, FBG)传感监测以及分布式光纤传感监测,利用光波长的偏移量来反映被测参数的变化
[30]。
Eum等
[31]采用长规格FBG传感器实现了液体成型过程的分布式传感,基于树脂和预成型体之间的温度差异对树脂流动前沿进行了监测,并在后续固化过程中监测树脂的固化收缩变形。该研究展示了FBG在复杂流动路径监测中的潜力,但受限于FBG的点式测量特性,对大面积构件的全覆盖监测需布置大量传感器,成本较高且信号处理复杂。Wang等
[32]将FBG传感器应用于三维编织复合材料RTM工艺中,利用树脂固化期间的传感数据和等效温度-载荷法建立了固化收缩应变模型,并基于多场耦合分析对三维复合材料织物的固化过程进行研究,获得了树脂凝胶时刻、温度、固化度和残余应力的演变曲线(
图4)。该工作通过多物理场建模提升了FBG数据的解释能力,为工艺优化提供了重要依据,但模型依赖材料参数的准确性,在实际生产中可能存在适配偏差。
温度-应变交叉敏感特性导致单个FBG传感器难以实现复合材料内部应变的实时监测,所以多项研究尝试通过温度补偿方式进行解耦。祝颖丹
[33]利用长短周期双光纤光栅传感器实现了LCM工艺流动前沿以及固化过程监测,为光纤光栅交叉敏感传感网络应用于复合材料提供了新的思路,该方法在一定程度上缓解了温度与应变的交叉敏感问题,但传感器设计与解调系统较为复杂。Buggy等
[34]通过研究树脂固化期间长周期光纤光栅的波长偏移和倾斜光纤光栅传感器的光谱响应,验证了两种光纤传感器对环氧树脂固化的敏感性和用于液体成型固化监测的可行性。该研究表明光谱响应与固化度之间存在良好的相关性,为非接触式固化监测提供了可能,但光谱解译需依赖标定实验,且对环境扰动较为敏感。为隔离FBG传感器受外部载荷的影响,孙亮亮
[35]利用钢管封装的FBG传感器在线监测了复合材料固化过程中厚度方向的残余应力及温度分布,并得出了使用低热膨胀系数的材料作为模具可以降低残余应力和变形的结论。
传统FBG传感器通常需要剥除涂层、刻写光栅并进行二次涂覆,这会削弱光纤的机械性能并限制传感点数量。Liu等
[36]提出并验证了基于弱光纤光栅(wFBG)阵列的原位监测方案,实现了800 mm长度复合材料的平面内流动监测与50层玻璃纤维织物的三维流动监测,并检测到了制造过程中的干斑缺陷,提供了一种有效监控大厚度或大尺寸复杂结构复合材料在LCM工艺中树脂流动的技术。相较于普通FBG,wFBG具有更强的回向散射强度、提升了信噪比,可以在单根光纤上集成更多测点。尽管降低了传感器本身成本,但与其配套的高速解调设备成本仍然昂贵。
基于FBG传感的复合材料液体成型工艺过程监测主要为点监测,而对于大型复杂结构,需要在不同位置嵌入足够多的FBG传感器才能实现大规模测量,容易造成光信号分析困难、引线交叉和可靠性低等问题。分布式光纤传感器能根据光纤的散射传播理论对传感光纤各点的空间分布以及随时间变化的信息进行采集分析,有助于解决上述关键问题
[37]。Sánchez等
[38]应用基于光频域反射计的分布式传感技术监测树脂流动前沿,并根据温度和应变测量结果计算了固化中的残余应力变化,成功识别出树脂玻璃态转变和脱模过程(
图5)。该研究展示了分布式光纤在大尺度应变与温度场同步监测中的优势,但系统成本高、数据处理复杂,且对光纤布设工艺要求严格。
Wang等
[39]利用基于菲涅耳反射的分布式光纤监测了工艺环境下碳纤维复合材料液体成型工艺的二维树脂流动前沿分布以及固化过程,并与间接测量的热电偶结果进行对比,结果验证了分布式光纤对监测液体树脂浸润过程的可行性。该工作为分布式光纤在工业环境中的应用提供了案例,但信号衰减与空间分辨率之间的平衡仍需优化。Rufai等
[40]将分布式光纤传感器嵌入玻璃纤维织物层间,通过改变传感器位置、原材料种类和加工方式,完成了树脂灌注和层板固化过程中的原位应变测量,表明了微编织光纤适用于复合材料结构的实时应变监测。该方法提升了传感器与复合材料的兼容性,但微编织工艺可能影响局部纤维分布,需进一步评估对构件性能的影响。
总体而言,分布式光纤传感器主要是通过结构变形或外界温度变化引起的光信号波动实现温度和应变的同时测量,然后基于温度补偿法计算固化过程残余应力的累积。光纤传感方法的最大优势在于体积小、材料与增强纤维相近,嵌入对成型构件整体性能影响小,灵敏度高,且具有良好的绝缘性和安全性,适用于LCM工艺监测。然而,光纤连接口设计较复杂,在测量多个参数时需要进行信号解耦,且成本较高,限制了其在大规模生产中的普及。
此外,将光纤传感器与其他监测方法相结合,有助于建立更为完善的成型工艺过程在线监测体系,如Ramakrishnan等
[41]提出了一种用于同时测量复合材料温度、轴向应变和热应变的混合光纤传感器系统,其中的温度通过FBG传感器测量,轴向应变通过丙烯酸涂层保偏光子晶体光纤(polarization-maintaining photonic crystal fibers, PM-PCF)传感器测量,热应变通过去涂层PM-PCF传感器测量。该系统实现了多参数解耦测量,但集成复杂度高,难以直接推广至工业现场。康旭辉等
[42]提出了一种基于经典层合板理论、“热电偶+光纤光栅传感器”和“毛细血管压力传感器”相结合的测量方法,实现了成型过程温度、压力和应变等多参量的同步在线监测,并通过典型飞机构件固化实验验证了监测系统的可靠性。该研究为多传感器融合监测提供了工程案例,但系统标定与数据同步仍是实际应用的难点。唐酢引等
[43]通过FBG和法布里珀罗腔(Fabry Perot, FP)传感器串联并集成于毛细管内,构建了全光纤监测系统。在该系统中,FBG负责捕捉温度变化和固化后的应变演化,而FP腔则利用树脂进入腔体引起的折射率精确判定流动前沿到达时间。研究表明,这种集成方案对树脂流动前沿的监测误差可控制在10%以内,并能有效捕捉夹芯板界面处的流动特征,解决了大厚度结构内部监测的难题。Yu等
[44-45]提出了一种基于压电和光纤传感神经网络的复合材料全生命周期健康监测方法,实现了复合材料LCM工艺过程中树脂流动前沿、关键相变阶段、固化度和残余应变等多个参量的在线监测(
图6),并通过对比差示扫描量热(differential scanning calorimetry, DSC)和动态机械分析(dynamic mechanical analysis, DMA)技术证实了测量结果的准确性。该工作将传感网络与机器学习结合,提升了监测系统的智能诊断能力,是未来智能监测的重要方向。
3.2 基于电学传感的监测方法
基于电学传感的复合材料LCM工艺过程及缺陷监测方法主要有阻抗法、介电法和时域反射计。这些方法通过测量树脂-纤维体系的电学参数变化,反映树脂流动状态、固化程度及缺陷信息。
阻抗传感器通常基于导电纤维或纳米材料(如碳纳米管)的电阻变化来监测树脂浸润状态。然而,基于阻抗法的电学传感器由于传感元件尺寸的限制,需在实验测量时采用几百兆欧的阻抗,使被测电压偏小,同时产生的电噪声可能会覆盖原信号,从而出现较大的测量误差
[46]。因此,Wang等
[47]提出一种将碳纳米管包覆纤维、还原氧化石墨烯包覆纤维和碳纤维传感器分别组装并编织于平纹织物的方法,利用传感器的压阻响应监测树脂的固化特性。该研究表明纳米材料修饰可显著提升传感器的灵敏度,但传感器的一致性和长期稳定性仍有待提高。Luo等
[48]在纤维表面上涂覆纳米石墨片薄膜,将纤维制成压缩电阻应变传感器,通过监测电阻变化获得复合材料固化过程的内部应变信息。该方法实现了应变与固化状态的关联监测,但温度漂移和界面退化可能影响测量可靠性。Zhang等
[49]制备了一种多功能柔性MXene/CNT薄膜,通过在线监测系统采集复合材料液体成型过程中MXene/CNT传感器的电阻信息,揭示了该传感器的电阻响应传感机制以及树脂流动状态和电阻信号的响应规律(
图7)。该工作展示了二维材料在柔性传感中的应用潜力,但MXene材料的环境稳定性与工艺兼容性需进一步验证。
Lu等
[50-51]将一种由多壁碳纳米管单分散体组成的高柔性、高灵敏度巴基纸传感器集成于复杂曲面和关键应力区域,通过嵌入复合材料层板的巴基纸传感器相对电阻变化,监测环氧树脂/玻璃复合材料固化行为,获得树脂的最低黏度和固化凝胶点,并利用其改善固化工艺缺陷和优化成型构件质量。该传感器表现出良好的柔性与灵敏度,但巴基纸与树脂的界面结合强度及长期服役性能仍需考察。为解决传统机电阻抗传感器相对体积大、精度低、操作难度高的问题,张佳奇等
[52]采用结合超声导波与机电阻抗技术的压电传感器监测复合材料固化过程。在固化过程中,超声导波信号幅值与机电阻抗共振峰频率均呈现先减小、后增大并逐渐平稳的变化趋势,该特征能有效表征固化进程。机电阻抗需要高频阻抗分析仪,而超声导波需要高采样的波形采集系统,两者结合的系统复杂性显著增加,且剔除温度影响,只提取固化特征,具有较大的技术挑战。
介电传感器基本原理是测量两个传感器板之间介质的电容,利用树脂的介电性能(介电常数、电导率等)和电测量参数变化来反映复合材料成型过程的结构特性,实现黏度、凝胶、玻璃化转变和固化度等树脂流动前沿以及固化状态在线监测的方法,具有成本低、精度高、响应快等优点。Carlone等
[53]采用平行板介电传感器监测复合材料LCM工艺树脂流动前沿位置及固化度的变化,实现了双尺度多孔介质中对非饱和流动前沿和饱和流动前沿位置的跟踪。该方法对流动前沿识别较为灵敏,但介电信号易受纤维取向、温度及湿度影响。Yenilmez等
[54]将一个由50个介电传感器组成的传感网络嵌入模具的上下表面,实现了复合材料RTM工艺过程的精确监测和缺陷控制。该大规模传感网络提升了监测的空间覆盖率,但布线复杂、信号交叉干扰问题突出。Yenilmez等
[55]在RTM工艺中使用平面电容式区域传感器阵列集成在聚酰亚胺薄膜上,并置于预成型体底层来实现对树脂浸润截面的监测,通过建立面内和面外的等效电路模型,提出了一种确定流动方向和浸润比例的方法。该研究为二维流动监测提供了新思路,但模型依赖于预设的等效电路,对复杂流动模式的适应性有限。Yang等
[56]开发了一种基于叉指电极的介电传感器系统,通过解析表达式和有限元方法优化传感器的几何形状并最大化灵敏度,成功将信噪比大于55 dB的系统应用于真空辅助树脂注入法制备玻璃纤维增强复合材料的生产过程监测。该工作通过传感器优化提升了信噪比,但叉指电极的微细加工增加了成本与工艺难度。
于正慧
[57]基于平面电容传感器监测技术,通过对该传感器结构参数的优化设计和分析仿真实验结果,验证了平面电容传感器对碳纤维复合材料构件表面缺陷监测的可行性。该研究侧重于表面缺陷检测,对内部缺陷的监测能力较弱。张峰嘉等
[58]提出了一种柔性嵌入式平行板电容传感器,在复合材料LCM工艺中实现了真空漏气与树脂流动前沿在线监测,并利用凡士林和固定剂预制缺陷,验证了该传感器用于监测干斑等缺陷的可行性(
图8)。该传感器设计灵活、对构件影响小,但电容信号易受边缘效应与寄生电容干扰。
电时域反射计(time domain reflectometer, TDR)利用树脂渗透过程中电磁波脉冲发射和折射信号变化来监测树脂流动前沿,计算树脂的流动位置和速度。此外,通过树脂在固化过程中的介电常数变化引起的返回电阻信号变化来监测树脂的固化状态。Dominauskas等
[59]提出一种分布式TDR传感网络来监测多个树脂流动前沿位置,解决了电时域反射计信号在树脂导流过程中因衰减和损耗导致的测量精度低和灵敏度不高等问题。该网络提升了监测的覆盖范围,但系统复杂、成本较高。Pandey等
[60]提出一种利用高频时域反射计实时监测复合材料成型过程的树脂流动前沿的方法,同时通过测量固化过程中阻抗变化来监测复合材料的固化度。该方法实现了流动与固化的同步监测,但高频信号在导电纤维中衰减严重,限制了其在碳纤维复合材料中的应用。
为了解决TDR在导电纤维结构固化过程中存在的信号混乱和测量精度低等问题,Buchmann等
[61]研究了一种能消除电磁场对传感器信号影响的差分电时域反射法,并成功应用于碳纤维复合材料液体成型过程中的树脂流动前沿以及固化度监测。该差分设计有效抑制了共模干扰,但系统复杂度进一步增加。
综上所述,基于电学传感的监测方法可以实现复合材料液体成型过程的点、线监测,具有成本低、灵敏度高、集成性好等优势,特别适用于对成本敏感的大批量生产场景。然而,与其他监测方法相比,电学方法仍存在传感信号对噪声敏感、易受电磁干扰、长期稳定性不足等缺点
[62]。此外,在碳纤维等导电增强材料中,电场畸变与信号衰减问题尤为突出,需通过传感器设计优化与信号处理算法进行补偿。基于上述的研究综述,3种基于电学传感监测方法的原理及其测量精度对比如
表3所示。
3.3 基于压力/温度传感的监测方法
基于压力/温度传感监测复合材料液体成型的核心在于通过实时压力/温度场分析实现对树脂流动不均匀、固化不完全、孔隙率异常等工艺缺陷的原位监测。
压力传感器的监测原理是通过测量树脂流动过程中复合材料内部压力梯度,监测树脂流动前沿等过程信息。压力传感器一般可分为电容式和电阻式两种类型,而具有压电效应的PZT传感器通过压电材料晶体结构变形产生的电响应信号来测量压力,也常用作压力传感器。Moghaddam等
[63]将电容和电阻式压力传感器嵌入纤维复合材料层板,通过实时测量层板内压力变化来确保树脂完全浸润纤维预成型。该研究证明了嵌入式压力传感的可行性,但传感器嵌入可能引入局部应力集中,影响构件性能。di Fratta等
[64]提出了一种基于压力传感系统和数值建模相结合的树脂流动监测方法,通过将树脂实际流动前剖面与估计流动前剖面进行比较,验证了利用压力数据重构任意浸润时间内树脂流动前沿的可行性。该方法通过数据同化提升了流动预测精度,但模型依赖纤维渗透率等先验参数,在实际应用中可能受限。Dimassi等
[65]使用压阻式压力传感器监测风力涡轮机叶片在树脂灌注过程中的压力梯度,得到了关于树脂流动前沿的信息,避免了干斑的产生。该案例展示了压力传感在大型构件中的应用价值,但传感器在曲面结构上的布设与封装是一大挑战。李煜坤
[66]将PZT压电陶瓷作为压力传感器对碳纤维复合材料液体成型工艺进行了由点至面、从局部到整体的多物理量实时监测。基于上述研究结果可以发现,压力传感器在复合材料液体成型过程中可监测压力梯度和树脂流动前沿,但无法监测树脂的固化特性,且需与其他传感方法结合,实现多参数测量和原位智能监测。
热电偶传感器是基于热学传感监测中最常用的温度传感器。在复合材料液体成型过程中,热电偶传感器广泛用于温度和树脂固化特性的监测,较少用于树脂流动过程的在线监测
[67]。Tuncol等
[14]将热电偶传感器用于监测复合材料LCM工艺的树脂流动前沿,但模具材料的低热导率、高树脂比热容、注入树脂和初始模具壁面之间的高温差等因素使监测误差较大,精度较低,只能满足特定的工作条件。该研究揭示了单独使用温度传感器用于液体成型工艺树脂流动监测的局限性,通常需与其他方法结合使用。Konstantopoulos等
[68]通过热电偶与纤维预制件的紧密接触来实现固化度的实时测量,但需要布置大量传感器才能保证测量的精度。此外,他还利用红外热成像技术实现了树脂流动前沿和固化度的实时测量(
图9),但该方法仅适用于开模或透明模具的工艺中,且仅能获取表面信息,对内部温度梯度与固化状态监测能力有限。
综上所述,压力与温度传感监测方法在安装便捷性、系统可靠性与成本控制方面具有显著优势,尤其适用于对工艺稳定性要求高且成本敏感的应用场合。然而,其局限性亦十分明显:压力传感难以直接表征树脂固化进程,温度传感则存在流动监测精度不足的问题。更重要的是,二者均属于单点测量技术,信息维度有限,需与其他传感技术联用,方可实现多参数同步测量与全局状态感知。
3.4 基于超声传感的监测方法
基于超声传感的监测方法是通过描述超声波幅值和波速等特征与树脂模量之间的关系来实时监测树脂固化特性,已有的研究表明,低强度超声波可用于监测高分子材料的模量变化,如玻璃态转换、结晶、交联反应或者其他与黏弹性相关的物理化学变化,如凝胶态转换点等
[69-70]。
基于超声传感的监测方法一般可分为非接触式和接触式两种。其中,接触式超声监测方法通常将传感器布置在模具表面或与固化材料直接接触,通过给传感器施加一定的电压,激励超声波。这种接触式超声监测方法操作简单,易于操作。Schmachtenberg等
[71]将超声传感器布置在厚度恒定的矩形模具的两侧,通过将超声波声速和幅值与树脂流动前沿以及树脂的固化行为相关联,成功实现了对整个液体成型过程的监测。该方法操作简单,但需要使用耦合剂以确保声波传输,可能污染模具或材料。Liebers等
[72]使用胶黏剂代替耦合剂将压电传感器固定在模具上,通过采用一发一收和脉冲回波两种传输模式实现了液体成型的流动前沿和固化度监测,不仅获得了更强的超声信号,还提高了压电传感器在监测过程中的稳定性。该固定方法减少了对工艺的干扰,但传感器拆卸或复用困难。Andreades等
[73]提出了一种将PZT压电传感器嵌入玻璃纤维织物来增强与周围环氧树脂黏结力的方法,利用非线性超声实验对层板的面内分层缺陷进行实时监测。嵌入式设计提升了传感器与结构的集成度,但若没有解决引线问题,最终会影响成型构件的力学性能和机械强度
[74]。
与接触式超声方法相比,非接触式超声监测方法在成型过程中不会干扰树脂的流动过程,也不会影响最终构件的质量。此外,非接触式超声监测方法不需要使用耦合剂,可以有效地避免监测失效和耦合剂量难以控制的问题。Scheerer等
[75-76]研发了一种可用于复合材料固化和健康监测的超声传感器,其基本思路是在RTM模具预定义的位置放置多个压电传感器来监测模具中不可见的树脂流动前沿。研究结果表明,压电传感器具有的阻抗特性可实现树脂固化度的实时监测。压电传感器与复合材料结构共固化后,可以通过被动声发射接收或主动超声导波激励两种方式实现结构健康监测(
图10)。该工作体现了超声传感在工艺监测与健康管理一体化中的潜力,但系统复杂度高,且对模具设计与传感器布局有特定要求。
Ghodhbani等
[77]提出了一种基于弹性常数和相关机械损失的超声方法来识别RTM固化过程中树脂的相变,通过超声速度和衰减的实验测量研究了树脂固化后的温度敏感性。该方法从机理层面建立了声学参数与材料状态的关联,但模型参数需针对不同树脂体系进行标定。Qing等
[78]、Liu等
[79]利用PZT压电传感网络监测了树脂的流动前沿和固化度,通过提取不同充模路径上Lamb波的传播特性来表征树脂流动,应用Lamb波和机电阻抗同时监测树脂的整体以及局部固化程度,验证了基于超声传感监测复合材料LCM工艺过程的可行性(
图11)。该研究展示了导波技术在面内监测中的优势,但Lamb波的模态复杂,信号处理与特征提取难度大。姚文胜等
[80-81]建立了树脂流动前沿位置、速度和方向的超声信号模型,并通过实验验证该模型对树脂流动速度和流向计算的有效性。同时,在玻璃纤维复合材料LCM工艺过程监测实验中验证了该超声监测系统的可行性。该模型为流动状态的定量分析提供了工具,但在复杂几何与多材料体系中适用性有待验证。
综上所述,在复合材料LCM工艺中,超声监测方法具有结构简单、操作便捷、响应迅速、灵敏度高等优点。该方法不仅能同步监测树脂流动前沿与固化过程的多个关键参数,还可用于识别工艺缺陷,从而提升构件合格率。然而,该方法也存在局限:设备通常成本较高;接触式测量需依赖耦合剂;嵌入式测量可能影响结构完整性;此外,声波在复合材料中的传播会受到纤维取向、层间界面等因素的显著干扰,导致信号解译高度依赖专业的知识与经验。
3.5 基于数值模拟辅助的监测方法
复合材料液体成型工艺缺陷控制高度依赖对树脂流动-固化过程的精准预测与实时监测,而数值模拟与传感监测的协同正成为提升工艺稳定性的关键技术
[82]。复合材料液体成型工艺的数值模拟可分为3个阶段:一是基于物理化学机理的成型工艺仿真;二是基于多物理场耦合跨尺度的数值模拟;三是基于模型和数据驱动的成型过程数字孪生。
周钰博等
[18]综述了基于物理化学机理的成型工艺仿真方法,利用有限元、有限体积和计算机图形学等辅助设计求解相关机理模型的数学方程,验证了其在增强体/预浸料铺覆、树脂的渗流、树脂的固化行为、热传导与热交换、非线性力学和残余应力与固化变形预测等方面的可行性。该类仿真为工艺理解与初版工艺设计提供了强大工具,但其精度严重依赖材料本构模型、边界条件及工艺参数的准确性。
液体成型过程树脂流动模拟逐渐从一维发展到三维,从单尺度发展到跨尺度,可以更加精细地模拟树脂与纤维预制体相互作用,为干斑和孔隙形成机制分析提供了有力工具。杨波
[83]通过建立纤维预成型体的多尺度几何模型,研究了微观纤维束和细观单胞的渗透率模拟预测方法,并开发了基于多相流技术的RTM工艺充模过程仿真算法,用于成型过程干斑和孔隙等缺陷的预测。该跨尺度方法有助于理解缺陷的起源,但计算量巨大,难以用于实时监测与调控。杨文凯
[84]针对非等温条件下复合材料RTM充模和固化过程进行了深入研究,开发了三维流场-温度场-化学场多场耦合的RTM工艺仿真程序,揭示了RTM工艺过程重要参数的变化规律,建立了非等温条件和边缘效应下干斑形成及充模过程孔隙形成预测模型。多场耦合仿真更贴近实际工艺,但模型复杂、求解耗时,通常用于离线工艺优化而非在线监测。李晨等
[85-86]采用有限元方法建立了复合材料液体成型工艺的多尺度树脂流动模拟模型,提出了浸润比参数,并在微观、介观和宏观尺度上对关键区域不同时刻的渗透率进行了对比验证,表明了研究方法的可行性和工程适应性。该工作强调了模型验证的重要性,但实验验证多局限于简单几何与实验室条件。Fu等
[87]通过有限元方法模拟了3D编织纤维预成型体的RTM工艺过程,研究了树脂注入量、出口压力、树脂中挥发物的含量和固化温度对复合材料孔隙分布和树脂含量的影响。该研究展示了仿真在复杂纺织结构中的应用,但孔隙形成涉及气泡动力学,当前模型仍较为简化。Ding等
[88-89]建立了一种用于液体成型填充模拟的三维两相流数值模型,比较了多面体、四面体和六面体网格在LCM填充模拟中的性能。结果表明,采用多面体单元的模型精度接近六面体单元,高于四面体单元,且能更好地适应复杂的几何形状(
图12)。该研究为复杂构件的高效精确仿真提供了网格策略,但多面体网格的生成算法与兼容性仍是挑战。
总体而言,数值模拟能够从机理层面揭示工艺过程与缺陷形成规律,为传感器布设与监测策略制定提供指导,并可通过“仿真先行”减少试错成本。然而,其作为监测辅助手段时,面临计算实时性不足、模型泛化能力有限、与实际监测数据融合困难等问题。未来需向轻量化代理模型、实时数据同化与数字孪生方向发展。
3.6 基于机器学习辅助的监测方法
由于针对复合材料液体成型工艺过程的有限元仿真软件较为成熟,计算效率也较高,加上LCM工艺的控制模型较为简单,导致基于数据驱动的机器学习方法在成型工艺中的研究相对滞后,但近年来正成为研究热点。
Matsuzaki等
[90]提出了一种基于二维浸润分析和机器学习模型的流动介质真空辅助树脂传递成型厚度方向浸润时间预测方法。相比于传统的3D分析方法,平板模型应用该机器学习方法能够大幅缩短分析时间。该工作展示了机器学习在加速工艺分析方面的潜力,但模型训练依赖仿真数据,其对于真实工艺变异的适应性有待检验。Matveev等
[91]将一种基于贝叶斯范式的正则化集合卡尔曼滤波算法应用于RTM工艺过程,利用树脂注射过程中局部树脂压力和流动前沿位置的测量值来估计纤维增强材料的局部孔隙度和渗透率。该数据同化方法实现了工艺参数的在线辨识,但算法计算量较大,对实时硬件要求高。Mendikute等
[92]分析了用人工数据集训练的监督学习二元分类模型诊断RTM构件在树脂浸润后的质量,并有效定位了缺陷的区域。该研究证明了机器学习在缺陷自动识别中的有效性,但人工数据与真实缺陷的差异可能影响模型泛化性能。Tifkitsis等
[93]根据有限元仿真软件PAM-RTM获得的训练模型数据,建立了预测RTM工艺中的流动前沿位置和充模时间的回归模型。该模型能够快速预测工艺结果,但本质上是对仿真结果的近似,其精度上限受限于仿真模型的准确性。Lee等
[94]提出了一种利用树模型和生成对抗网络(generative adversarial network, GAN)实时识别和预测树脂流动前沿和缺陷的方法。该模型可以在不考虑纤维预制体渗透性的情况下反映树脂充模效应,与数值模拟相比显著降低了计算成本(
图13)。生成对抗网络的引入为数据增强和复杂模式学习提供了新途径,但GAN的训练不稳定性和模式崩溃问题仍需关注。
机器学习方法为处理复合材料成型过程中的高维、非线性、多模态数据提供了强大工具,能够实现缺陷的智能识别、工艺参数的实时预测与优化,并有望替代部分高成本传感器
[95]。然而,当前研究仍面临一些挑战:一是高质量训练数据获取困难,真实工艺数据标注成本高,仿真数据存在“仿真-现实”差距;二是模型的可解释性差,被视为“黑箱”,在航空等安全苛求领域应用受限;三是模型对工艺条件变化敏感,泛化能力和长期稳定性不足;四是算法集成到现有工业控制系统中的工程化路径尚不清晰。
4 存在的问题及未来发展趋势
液体成型工艺过程及缺陷监测是复合材料成型工艺优化和质量控制的重要手段,同时也是决定复合材料性能的关键,尤其在复合材料产品研制过程中有着越来越重要的作用。有关复合材料液体成型工艺过程及缺陷监测方法对比如
表4所示。然而,监测方法在LCM工艺中也面临着一些问题和挑战。
(1)多物理场耦合与跨尺度监测的机理与实现难题。LCM工艺本质上是流场、温度场、化学场及应力场强耦合的复杂过程。现有监测方法大多针对单一物理量或局部尺度,难以全面捕捉多场交互作用与跨尺度(微观孔隙-细观流动-宏观变形)传递机制。例如,孔隙在微观尺度形成,但其影响体现在宏观力学性能上;固化应力源于分子交联,但导致构件宏观变形。当前缺乏能够同步、原位监测多物理场跨尺度演变的传感技术与分析方法。多尺度数据融合算法仍不成熟,如何将局部高分辨率传感信息与全局场数据有效结合,构建完整的工艺状态图谱,是当前研究的瓶颈。
(2)传感网络布设与信号干扰的抑制。针对大尺寸、复杂曲面复合材料构件,传感网络的布设缺乏普适性指导原则。传感器类型、数量、位置的选择多依赖经验,难以在监测覆盖率、成本和对构件性能影响之间取得最优平衡。多种异构传感器(如光纤、介电、超声)的融合布设更增加了系统的复杂性。此外,复合材料本身特性带来显著的信号干扰:碳纤维的导电性导致电容传感器电场畸变;材料的声学各向异性导致超声波传播路径复杂、信号衰减严重;树脂固化放热及环境温度波动引起传感器基线漂移和热噪声。这些干扰严重降低了监测信号的可靠性与精度,亟须发展针对性的传感器设计、布设策略和抗干扰信号处理算法。
(3)实时监测系统的工程化与鲁棒性挑战。目前大多数监测研究处于实验室阶段,系统成本高昂、环境适应能力差。工业现场的温度湿度波动、机械振动、电磁噪声等严峻环境对监测系统的可靠性提出挑战。例如,用于高温树脂成型的光纤传感器会出现应变/温度响应漂移;嵌入式传感器引线在长期工艺循环中易疲劳失效。更为关键的是,基于多物理场数据的实时监测系统,其数据同步精度直接影响缺陷定位与工艺调控的准确性。当压力、温度、超声等数据流之间存在毫秒级以上的同步误差时,可能导致对快速演变工艺状态的误判,系统鲁棒性难以保证。开发适应工业环境、具备自校准与自诊断功能、高鲁棒性的在线监测系统是推向工程应用的必经之路。
(4)智能监测与主动控制闭环的构建。当前监测系统多以“感知”和“诊断”为主,与工艺执行系统的“控制”环节联系薄弱,未能形成“监测-决策-调控”的实时闭环。如何将监测信息实时转化为可执行的工艺参数调整指令(如调整注胶压力、温度或真空度),并设计相应的快速响应执行机构,是实现智能成型的关键。这涉及复杂工艺模型的在线求解、实时优化算法的开发以及高可靠性执行器的集成,目前仍处于探索阶段。
针对以上问题和挑战,未来复合材料液体成型工艺过程及缺陷在线监测方法的发展趋势如下。
(1)多传感器智能集成与多模态信息深度融合。未来将重点开发基于介电/阻抗-光纤-压电-超声的异构传感网络,并非简单拼凑,而是通过前端融合(传感器一体化设计)与后端融合(基于深度学习的特征级与决策级融合)策略,实现树脂流动位置、速度、渗透率、固化温度/应力梯度、固化度及残余应力等关键参量的同步高精度感知。利用数字孪生框架,构建虚拟传感器与物理传感器的动态互补,提升监测系统的冗余度和可靠性。
(2)从被动监测到主动预测控制的跨越。研究重点将从缺陷发生后识别转向缺陷形成前预测与抑制。集成基于模型预测控制(model predictive control,MPC)或强化学习(reinforcement learning,RL)的智能算法,根据实时监测数据预测缺陷风险,并联动控制压力阀、超声波发生装置、微波加热器等执行机构,主动调整工艺参数,构建具备“感知-决策-执行”能力的智能工装系统。开发模具嵌入式多模态传感阵列与分布式微执行机构协同作用的原型系统,验证主动控制的有效性。
(3)面向绿色制造与极端环境的监测技术。随着可持续发展理念深入,发展低功耗、可降解或可回收的环保型传感器成为趋势。同时,监测技术需适应更广阔的工艺窗口,如开发基于聚酰亚胺复合材料的碳化硅光纤用于高温树脂(>350 ℃)成型监测,基于超导量子干涉仪(superconducting quantum interference device,SQUID)的极高灵敏度传感技术用于深低温液氢复合材料储罐的缺陷监测,拓展复合材料在极端环境下的可靠制造能力。
(4)数字孪生驱动的实时仿真与闭环优化。建立高保真度的复合材料液体成型工艺数字孪生体,实现物理工艺与虚拟模型的实时交互与双向驱动。开发基于神经网络的轻量化代理模型,替代计算耗时的计算流体动力学仿真,用于实时工艺预测。采用卡尔曼滤波、粒子滤波等数据同化技术,利用实时监测数据动态修正孪生体中的关键参数(如渗透率分布、固化动力学参数),使虚拟模型持续贴近真实工艺状态,从而实现工艺参数的在线全局优化与自适应控制。
5 结论
综述了树脂基复合材料液体成型工艺过程及缺陷监测方法,介绍了复合材料的成型制造技术及其优劣势、成型过程的主要缺陷类型及形成机理以及树脂浸润和固化反应过程的在线监测方法,指出了目前面临的挑战和未来发展趋势,主要结论如下。
(1)复合材料液体成型技术对于大尺寸、复杂及高强度复合材料构件制造具有显著的成本优势。但在液体成型过程中产生的干斑、孔隙以及残余应力分布不均和回弹变形等缺陷严重影响复合材料构件的结构完整性。通过监测复合材料液体成型工艺过程及缺陷可以优化树脂注入策略和固化工艺,提升构件的力学性能和成型质量。
(2)目前复合材料液体成型工艺过程及缺陷的在线监测有多种方法,包括基于光纤光栅和分布式光纤传感监测方法、基于阻抗/介电/时域反射计的电学传感监测方法、基于压力传感监测方法、基于热电偶和热成像技术的监测方法以及基于超声传感监测方法等。此外,数值模拟和机器学习辅助监测也逐渐成为新兴复合材料结构缺陷监测方法。每种方法各有其适用条件与局限性:光纤法精度高但成本高昂;电学法成本低但易受干扰;压力/温度法简单可靠但信息维度单一;超声法功能全面但信号解译复杂;仿真与机器学习擅长预测与诊断,但分别受限于实时性与数据依赖性。未来的发展依赖于这些方法的取长补短与深度融合。
(3)未来的复合材料液体成型工艺过程及缺陷监测方法需要以“智能感知-数字孪生-自主控制”为核心,突破多物理场解耦与跨尺度监测、传感网络布设与信号干扰抑制、监测系统工程化等挑战,通过柔性工装、数字孪生与绿色制造技术的融合,推动液体成型工艺向高精度、低能耗、可持续方向演变和发展。实现从实验室到工厂、从离线到在线、从感知到管控的跨越,将是该领域研究者与工程师共同的目标。
PDF
(20036KB)
