Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西北工业大学卫冲获国家专利权

西北工业大学卫冲获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉西北工业大学申请的专利一种高强度金属-SiCf/SiC异质包壳管结构及其设计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119129156B

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411353222.1,技术领域涉及:G06F30/18;该发明授权一种高强度金属-SiCf/SiC异质包壳管结构及其设计方法是由卫冲;梁爽设计研发完成,并于2024-09-26向国家知识产权局提交的专利申请。

一种高强度金属-SiCf/SiC异质包壳管结构及其设计方法在说明书摘要公布了:本发明公开一种高强度金属‑SiCfSiC异质包壳管结构及其设计方法,该异质包壳管包括难熔金属内衬和多层编织角度为0°~45°的SiC纤维预制体;其设计方法为:A.建立多层异质包壳管几何模型;B.对多层异质包壳管几何模型进行实体网格划分;C.建立曲线坐标系;D.设置多层异质包壳管几何模型的边界条件;E.定义多层异质包壳管几何模型各组成部分的力学损伤准则;F.计算多层异质包壳管的应力应变曲线;G.确定具有高强度多层异质包壳管的结构设计。本发明设计的多层异质包壳管具有优良的轴向拉伸强度和环向拉伸强度,同时采用有限元方法进行结构设计降低材料从设计到应用的时间周期,从而实现对事故容错燃料包壳结构的快速优化。

本发明授权一种高强度金属-SiCf/SiC异质包壳管结构及其设计方法在权利要求书中公布了:1.一种高强度金属-SiCfSiC异质包壳管结构的设计方法,所述异质包壳管结构包括内层金属内衬和外层SiCfSiC复合材料,内层金属内衬为难熔金属,外层SiCfSiC复合材料是由3~5层相同编织角的SiC纤维预制体SiCf和包覆SiC纤维预制体SiCf的SiC基体组成,每层预制体中SiC纤维是以二维编织的方式存在,且编织角度在0°~45°的范围内,编织角度为SiC纤维的轴线与异质包壳管的轴线之间的夹角;其特征在于,设计方法包括以下步骤: A.建立多层异质包壳管几何模型:基于扫描电子显微镜得到的图像,记录SiC纤维、SiC基体、金属内衬的几何尺寸信息,在COMSOLMultiphysics软件中构建三组具有不同编织角度的单层预制体模型,每组单层预制体模型的编织角度为0°~45°,并通过修改单层预制体模型的相对容差值来去除单层预制体模型中存在的重叠、空隙,之后将单层预制体模型组合成多层异质包壳管几何模型; B.对多层异质包壳管几何模型进行实体网格划分:基于步骤a中建立的多层异质包壳管几何模型,对模型的各组成部分,即SiC基体、SiC纤维、金属内衬进行四面体网格的划分; C.建立曲线坐标系:通过求解拉普拉斯方程来定义SiC纤维的三个基矢量,通过向量运算来定义SiC基体和金属内衬的三个基矢量,完成对SiC基体、SiC纤维、金属内衬曲线坐标系的建立; D.设置多层异质包壳管几何模型的边界条件:在多层异质包壳管几何模型的指定表面上设置递增的位移数列,来模拟异质包壳管承受轴向拉伸和径向受压的过程; E.定义多层异质包壳管几何模型各组成部分的力学损伤准则:SiC纤维采用Hashin准则,SiC基体采用第一强度理论准则,金属内衬采用第四强度理论准则,完成对多层异质包壳管有限元模型的建立; F.计算多层异质包壳管的应力应变曲线:基于步骤e所建立的多层异质包壳管有限元模型,选择牛顿迭代法求解异质包壳管的应力应变曲线,完成对异质包壳管轴向应力应变曲线和环向应力应变曲线的绘制; G.确定具有高强度多层异质包壳管的结构设计:基于步骤f中计算的两种应力应变曲线,寻找两种应力应变曲线中最高点所对应的应力值,该应力值即为多层异质包壳管的轴向拉伸强度和环向拉伸强度,该轴向拉伸强度和环向拉伸强度对应的模型结构即为设计的具有高强度异质包壳管结构。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西北工业大学,其通讯地址为:710021 陕西省西安市友谊西路127号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。