当前位置: 首页> 学位论文 >详情
原文传递 基于分子动力学模拟的沥青混合料感应热自愈合微观机理分析
论文题名: 基于分子动力学模拟的沥青混合料感应热自愈合微观机理分析
关键词: 沥青混合料感应热自愈合;感应热;分子动力学;粗粒化
摘要: 沥青混合料感应热自愈合技术在路面预防性养护技术中具有综合经济效益高、节能减排等诸多优势,但由于缺乏有效的微观试验表征方法,现阶段对沥青混合料在自愈合过程中的裂缝愈合机理仍不明确,阻碍了该技术的进一步发展。而分子动力学则为上述问题提供新的思路,通过分子模拟,可以对沥青材料内部微裂纹的发展情况进行观测,对其各类型分子的运动轨迹进行实时追踪,具有操作简便、可视化程度高等优点。为此,本文采用了分子动力学对沥青混合料自愈合的微观机理进行了分析。
  本章综述了沥青分子结构模型的发展,选择Greenfield课题组构建的四组分12类分子的AAA-1类沥青分子体系作为本文基质沥青的分子结构。通过试算,将平衡步骤划分为6个步骤:分子投放、几何优化、模型检查、模型组合、模型压缩、模型稳定。提出了密度、玻璃态转变温度、黏度、溶度参数等对模型的合理性验证。计算表明,沥青模型在298.15K温度下的密度平均值ρs为0.8418g/cm3,玻璃态转变温度Tg为261.73K,沥青360K时的黏度为1145Pa·s-1,溶度参数为17.55(J/cm3)-0.5,均满足试验结果,证明了该模型的合理性。
  本章建立了沥青自愈合分子模型。指出沥青分子在自愈合过程中表现出一种整体“伸展”与“压缩”行为,模型体积“压缩“与沥青分子“伸展”是导致沥青内部真空微裂缝消失的根本原因。量化分析表明,沥青分子相对浓度在其自愈合前呈双峰分布,自愈合后变为平均分布。在自愈合过程中存在2个短暂的平台期,此时沥青裂缝宽度处于动态平衡状态。采用MSD对沥青分子各组分分子的扩散速度进行了分析,沥青质在自愈合过程中扩散速率最慢,饱和分分子的扩散速率最快,而芳香分与胶质的扩散系数接近扩散系数的平均值6.227×10-4cm2/s。不同种类分子间,Asphaltene-thiophene分子与Thioisorenieratane分子扩散最快,Asphaltene-phenol分子与Asphaltene-pyrrole分子扩散最慢。能量分析表明,沥青自愈合主要以非键合项中的范德华力为主。
  本章首先通过铁原子超晶胞与SiO2超晶胞建立了研究沥青混合料自愈合的分子动力学模型,但由于分子动力学中力场或周期性边界的影响导致该模型中分子运动方式与常规相悖。其次,建立了老化沥青与SBS改性沥青分子模型以分析不同沥青中,由于分子组成成分变化引起的分子扩散速率改变。研究表明,SBS分子的加入有助于沥青分子扩散。在沥青分子老化后,分子的扩散速率会大幅降低,各组分分子平均扩散速率依次为饱和分≈极性芳香分>芳香分>沥青质。SBS改性沥青各组分分子平均扩散速率依次为饱和分>芳香分>极性芳香分>沥青质>SBS。SBS分子对饱和分、芳香分与极性芳香分组分分子的扩散均有明显的促进作用。不同种类分子的统计分析表明,老化沥青扩散系数最大的3种分子为PaD>PaE>SaA,扩散系数最小的3种分子为AsC>AsA>AsB。SBS改性沥青中,SBS分子的扩散系数较低,但基质沥青中加入SBS分子后,沥青内部特定分子的扩散速率得到了显著提升,如PaC与NaB分子,表明SBS具有间接增强沥青自愈合的作用。沥青自愈合机理的分析表明,由于沥青质分子中包含有大量的多环芳烃,具有相对稳定的分子结构,对自愈合的贡献较低。饱和分对于沥青混合料的自愈合具有较大贡献,后期如需通过改变沥青的化学成份来提高沥青混合料的自愈合速率,重点应该放在增加饱和分分子的长度及数量。
  为进一步发展沥青体系的分子模拟方法,为沥青感应热自愈合的多尺度研究奠定了基础。本章提出了沥青分子的粗粒化划分方法,建立了沥青体系的粗粒化力场,包括珠子间的成键距离r0,非键相互作用力常数ε以及珠子间最小距离σ。粗粒化珠子基本满足如下规律:粗粒化珠子所含碳原子数越多,珠子间的成键距离越远,相互作用力越强,珠子间的非健距离越远。同等算力下,粗粒化分子模型的模拟尺度扩增了近600倍。本文所建立粗粒化沥青分子模型密度为1.233g/cm^3,接近实际沥青密度。研究指出,沥青分子在平衡过程中,形成了有一定规模的稳定聚集体,该聚集体符合胶体理论的基本假定。分子扩散主要以芳香分为主,沥青质的位置变化较小,通过吸附芳香分与饱和分分子向其靠拢,从而形成稳定的聚集体。同时,沥青质分子的相对浓度峰值高于饱和分与芳香分,且分布位置靠近聚集体核心,表明沥青质分子在聚集体内部具有相对较高的聚集度,作为核心起稳定聚集体的作用。
作者: 李冠男
专业: 交通运输工程;道路与铁道工程
导师: 何亮
授予学位: 硕士
授予学位单位: 重庆交通大学
学位年度: 2019
检索历史
应用推荐