Data-driven rheological characterization of stress buildup and relaxation in thermal greases

流变学 流变仪 材料科学 本构方程 应力松弛 机械 剪应力 剪切速率 热的 复杂流体 剪切(地质) 压力(语言学) 复合材料 蠕动 热力学 有限元法 物理 语言学 哲学
作者
Pranay P. Nagrani,Ritwik V. Kulkarni,Parth U. Kelkar,Ria D. Corder,Kendra A. Erk,Amy Marconnet,Ivan C. Christov
出处
期刊:Journal of Rheology [Society of Rheology]
卷期号:67 (6): 1129-1140 被引量:1
标识
DOI:10.1122/8.0000679
摘要

Thermal greases, often used as thermal interface materials, are complex paste-like mixtures composed of a base polymer in which dense metallic (or ceramic) filler particles are dispersed to improve the heat transfer properties of the material. They have complex rheological properties that impact the performance of the thermal interface material over its lifetime. We perform rheological experiments on thermal greases and observe both stress relaxation and stress buildup regimes. This time-dependent rheological behavior of such complex fluid-like materials is not captured by steady shear-thinning models often used to describe these materials. We find that thixo-elasto-visco-plastic (TEVP) and nonlinear-elasto-visco-plastic (NEVP) constitutive models characterize the observed stress relaxation and buildup regimes respectively. Specifically, we use the models within a data-driven approach based on physics-informed neural networks (PINNs). PINNs are used to solve the inverse problem of determining the rheological model parameters from the dynamic response in experiments. This training data is generated by startup flow experiments at different (constant) shear rates using a shear rheometer. We validate the ``learned'' models by comparing their predicted shear stress evolution to experiments under shear rates not used in the training datasets. We further validate the learned TEVP model by solving a forward problem numerically to determine the shear stress evolution for an input step-strain profile. Meanwhile, the NEVP model is further validated by comparison to a steady Herschel--Bulkley fit of the material's flow curve.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xiaoluuu完成签到 ,获得积分10
刚刚
4秒前
JavedAli完成签到,获得积分10
6秒前
jessicaw完成签到,获得积分10
6秒前
CH完成签到,获得积分20
8秒前
西柚完成签到,获得积分10
11秒前
潇洒的语蝶完成签到 ,获得积分10
11秒前
19秒前
19秒前
水星完成签到 ,获得积分10
34秒前
西陆完成签到,获得积分10
34秒前
木偶人完成签到,获得积分10
36秒前
Elio完成签到 ,获得积分10
40秒前
灵巧的初蝶完成签到,获得积分10
41秒前
小芳芳完成签到 ,获得积分10
41秒前
公子扶腰完成签到,获得积分10
42秒前
向建完成签到 ,获得积分10
44秒前
xyl_507完成签到 ,获得积分0
45秒前
支雨泽完成签到,获得积分10
46秒前
永安完成签到 ,获得积分0
48秒前
方方完成签到 ,获得积分10
52秒前
鱼儿忆流年完成签到 ,获得积分10
53秒前
yzy完成签到,获得积分10
56秒前
小潘完成签到 ,获得积分10
56秒前
善学以致用应助mm采纳,获得10
1分钟前
内向东蒽完成签到 ,获得积分10
1分钟前
1分钟前
PLT完成签到,获得积分10
1分钟前
doctorw完成签到 ,获得积分10
1分钟前
DAHove完成签到 ,获得积分10
1分钟前
mm应助文件撤销了驳回
1分钟前
方好完成签到,获得积分10
1分钟前
刀笔吏完成签到,获得积分10
1分钟前
吃吃货完成签到 ,获得积分10
1分钟前
瑞曦完成签到 ,获得积分10
1分钟前
容容容完成签到 ,获得积分10
1分钟前
Grace159完成签到 ,获得积分10
1分钟前
zhangy559完成签到 ,获得积分10
1分钟前
yqcsysu完成签到 ,获得积分10
1分钟前
cjq完成签到,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709891
关于积分的说明 7418319
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246122
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921