[发明专利]一种竹编复合材料及其制备方法和应用有效
申请号: | 202010200601.2 | 申请日: | 2020-03-20 |
公开(公告)号: | CN111906877B | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 戴武军;谭益民;陈飞;欧吉阳;王文志;梁自禄 | 申请(专利权)人: | 戴武军 |
主分类号: | B27M1/06 | 分类号: | B27M1/06;B27J1/00;B27J1/02;B27M3/00;C09J147/00;C09J167/06;C09J127/06;C09J11/04 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 杨千寻;冯振宁 |
地址: | 412000 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 竹编 复合材料 及其 制备 方法 应用 | ||
本发明公开了一种竹编复合材料,经编织成型和碳化处理得到竹材基体,再向竹材基体中加入黏合剂制备而成;本发明充分利用传统竹编的力学原理,克服现有竹板材要用含甲醛黏合胶的难题,无甲醛或异氰酸酯,提高了竹编复合材料的力学性能,显著增强竹材与黏合剂之间的相容性,制备工艺流程简单,可实现工业化生产。本发明以可再生,资源丰富的天然竹材为原料,绿色环保,可降解,不但在力学性能方面满足了新型建材和风电叶片的标准,成本低廉;而且可降解、可循环、再生利用,实现生态化自然处理,不产生任何污染。
技术领域
本发明涉及竹编材料技术领域,更具体地,涉及一种竹编复合材料及其制备方法和应用。
背景技术
竹材是我国丰富的天然生物资源,具有生长区域广,成材快,价格低廉,可再生等优点;同时具有很高的径向强度/重量比,韧性好,对于瞬间冲击荷载和周期性疲劳破坏具有很强的抵抗能力,是一种很有价值的结构材料。
目前使用竹材制作的新型建材,如竹木地板、复合竹板材等,根据制作工艺和密度的不同,需要添加含有甲醛或异氰酸酯的树脂即黏合胶,实际使用过程中会对环境造成严重危害;且现有的这类材料一般都是刚性的,难以根据设计和适用需求进行加工。风电叶片是风力发电机组中的重要部件,其主梁用料通常采用玻纤、碳纤和玻璃钢复合制成,制作成本高,且废旧叶片无回收利用价值,难以处理,焚烧和掩埋都会对环境造成污染。现有的竹编材料力学性能、稳定性能、适应性差,难以满足新型建材和风电叶片的工作需求。
发明内容
本发明的目的在于针对现有技术中竹编材料的不足,提供一种竹编复合材料的制备方法,将竹材编织成型后经碳化处理制作而成,经过碳化处理后的竹材力学性能得到提高,不易变形,且竹编与黏合剂的耦合性能得到加强。
本发明的另一目的在于,提供根据上述制备方法得到的竹编复合材料,以热塑性弹性体和玻璃钢为黏合剂,竹编复合材料绿色环保,可降解,无甲醛或异氰酸酯,可工业化生产。
本发明还有一目的在于,提供上述竹编复合材料在制作风电叶片和新型建材方面的应用。
本发明的目的通过以下技术方案实现:
一种竹编复合材料的制备方法,其特征在于,包括以下步骤:
S1.制作竹材:选取3~5年生竹干制作竹片,或经拉丝处理制成竹丝;
S2.编织成型:将一定规格的竹片或竹丝编织成型,作为竹编复合材料的基体;
S3.碳化处理:将步骤S2中编织成型的基体进行碳化处理;
S4.向步骤S3碳化后的基体中加入黏合剂,得到竹编复合材料。
本发明对编织成型后的竹材基体进行碳化处理,不但提高了竹编复合材料的力学性能,还能显著增强竹材与黏合剂之间的相容性,无需额外添加耦合剂。根据竹编复合材料的用途,采用不同的编织方式,科学合理设计竹材之间的间距,得到二维平面或立体的竹编复合材料。
进一步地,所述竹片的厚度为1~8mm,宽度为1~18mm。
进一步地,步骤S2中所述编织方式为二维平面纵横向编织或多维立体编织。
进一步地,所述二维平面纵横向编织中纵向竹材之间无间距,所述横向竹材之间的间距为0.1~8cm。
进一步地,所述多维立体编织中竹材之间无间距,基体的厚度为3~6cm。
进一步地,所述竹材与竹材间,竹材的接口处采用黏合剂进行黏合。
进一步地,原材料组分的质量百分比如下:竹材:75~90%,黏合剂:10~25%,所述黏合剂为热塑性弹性体和玻璃钢。
进一步地,所述黏合剂中热塑性弹性体和玻璃钢的质量比为:5~15%:5~10%。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于戴武军,未经戴武军许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010200601.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:基于强化学习的临床决策支持设备及方法
- 下一篇:预测零件维护