Prepreg sarma makinesi kullanılarak nanoparçacık takviyeli kompozitlerin üretimi

Öz

Bu çalışmada, havacılık ve uzay endüstrisinde yüksek performanslı uygulamalar için kritik öneme sahip karbon fiber takviyeli polimer kompozitlerin üretimine yönelik bir prepreg sarma makinesi tasarlanmış ve imal edilmiştir. Geliştirilen sistem; reçinenin dokuma kumaşa hassas oranlarda emdirilmesini ve takviye elemanlarının üniform dağılımını sağlayan, baskı kuvveti ayarlanabilir çift mandrelli bir sıkıştırma mekanizmasına sahiptir. Makinenin fonksiyonel performansını doğrulamak amacıyla epoksi matrisine ağırlıkça %0.5 oranında grafen nanoplaket ve çok duvarlı karbon nanotüp entegre edilerek prepregler üretilmiştir. ASTM D3171 standardına göre yapılan analizler, tasarlanan makinenin başarılı bir şekilde çalıştığını, tutarlı elyaf hacim oranlarını sağladığını ve operasyonel olarak yüksek performans sergilediğini kanıtlamıştır. Mekanik testlerde, katkısız numunelere kıyasla grafen nanoplaket takviyeli kompozitlerin çekme dayanımında %41.83, çok duvarlı karbon nanotüp takviyelilerde ise %46.27 artış gözlemlenmiştir. Bununla birlikte, grafen takviyeli numunelerde boşluk oranı %13.51 iken; çok duvarlı karbon nanotüp ilavesinin artan viskozite ve aglomerasyon etkisiyle bu oranı %21.09’a yükselttiği tespit edilmiştir.

Anahtar Kelimeler

• Prepreg sarma Makinası
• Karbon Elyaf
• Grafen
• Çok Duvarlı Karbon Nanotüp
• Kompozit Üretimi

Destekleyen Kurum

Gazi Üniversitesi

Proje Numarası

FGA-2024-9598

Etik Beyan

Yapılan makale derginizin etik kurallarına uymakta olup etik kurul raporu gerektirecek herhangi bir içeriğe sahip değildir.

Teşekkür

Bu çalışma, Gazi Üniversitesi Bilimsel Araştırma Projeleri Birimi tarafından desteklenmiştir. FGA-2024-9598 numaralı proje kapsamında sağlanan desteklerinden dolayı Gazi Üniversitesi'ne teşekkürlerimizi sunarız. Ayrıca, numune hazırlama sürecindeki iş birlikleri ve polimerizasyon çalışmalarına olan katkıları nedeniyle CES İleri Kompozit ve Savunma Teknolojileri A.Ş.'ye şükranlarımızı sunarız.

Production of nanoparticle reinforced composites using a prepreg winding machine

Öz

In this study, a prepreg winding machine was designed and manufactured for the production of carbon fiber-reinforced polymer composites, which are of critical importance for high-performance applications in the aerospace industry. The developed system features an adjustable-pressure, dual-mandrel compression mechanism that ensures the resin is impregnated into the woven fabric at precise ratios and guarantees the uniform distribution of reinforcing elements. To validate the machine’s functional performance, prepregs were produced by integrating graphene nanoplatelets and multi-walled carbon nanotubes at a weight percentage of 0.5% into an epoxy matrix. Analyses conducted in accordance with the ASTM D3171 standard have proven that the designed machine operates successfully, provides consistent fiber volume fractions, and demonstrates high operational performance. In mechanical tests, a 41.83% increase in tensile strength was observed in graphene nanoplate-reinforced composites compared to unmodified samples, while a 46.27% increase was observed in multi-walled carbon nanotube-reinforced composites. However, while the porosity in graphene-reinforced samples was 13.51%, it was found that the addition of multi-walled carbon nanotubes increased this value to 21.09% due to the effects of increased viscosity and agglomeration.

Anahtar Kelimeler

• Prepreg Winding Machine
• Carbon Fiber
• Nanoparticle
• Composite Manufacturing

Destekleyen Kurum

Gazi University

Proje Numarası

FGA-2024-9598

Etik Beyan

This study adheres to the ethical standards of your journal and does not involve any procedures requiring formal ethics committee clearance.

Teşekkür

This study was supported by the Gazi University Scientific Research Projects Unit. We would like to thank Gazi University for the support provided under the project code FGA-2024-9598. Additionally, we would like to express our gratitude to CES Advanced Composites & Defence Technologies Inc. for their cooperation in sample preparation and their contributions to the polymerization studies.

Kaynakça

1. United Nations Office on Drugs and Crime. Global Study on Homicide 2023. https://www.unodc.org/unodc/en/data-and-analysis/global-study-on-homicide.html (Erişim Tarihi: 17.01.2026).
2. Zhao ZQ, Zheng P, Xu ST, Wu X. Object detection with deep learning: A review. IEEE Transactions on Neural Networks and Learning Systems, 30(11), 3212-3232, 2020.
3. Pérez-Hernández F, Tabik S, Lamas A, Olmos R, Fujita H, Herrera F. Object detection binary classifiers methodology based on deep learning to identify small objects handled similarly: Application in video surveillance. Knowledge-Based Systems, 194, 105590, 2020.
4. Zulfqar S, Saeed S, Zia MA, Ali A, Mehmood F, Ali A. A comprehensive overview of deep learning models for object detection from videos/images. International Journal of Artificial Intelligence and Soft Computing, 2026.
5. Amador-Salgado Y, Padilla-Medina JA, Pérez-Pinal FJ, Barranco-Gutiérrez AI, Rodríguez-Licea MA, Martínez-Nolasco JJ. Knife detection using indoor surveillance camera. 2021 IEEE World AI IoT Congress (AIIoT), Texas, USA, 10-13 May 2021.
6. Berardini D, Migliorelli L, Galdelli A, Frontoni E, Mancini A, Moccia S. A deep-learning framework running on edge devices for handgun and knife detection from indoor video-surveillance cameras. Multimedia Tools and Applications, 83(7), 19109-19127, 2024.
7. Ağdaş MT, Gülseçen S. Güvenlik kameralarında otomatik silah ve bıçak tespit sistemi: Karşılaştırmalı YOLO modelleri. Avrupa Bilim ve Teknoloji Dergisi, (41), 16-22, 2022.
8. Huynh SPT, Dang TQ, Nguyen HD, Tran PNH, Nguyen NQV. Knife detection using YOLOv5: A deep learning approach. Proceedings of the 2024 9th International Conference on Intelligent Information Technology, Da Nang, Vietnam, 23-25 February 2024.

9. Ku FS, Suguna M. Subduing crime and threat in real-time by detecting weapons using YOLOv8. 2023 International Conference on Circuit Power and Computing Technologies (ICCPCT), Kollam, India, 10-11 August 2023.
10. Roboflow. Knife Detection Merge Dataset. https://app.roboflow.com/mayk/knifesdetectionmerge (Erişim Tarihi: 18.01.2026).
11. Roboflow. Knife Detection (knife-yc1b3). https://app.roboflow.com/mayk/knife-yc1b3-lhgqv/1 (Erişim Tarihi: 18.01.2026).
12. Roboflow. Knife Detection (knife-detection-lpiw1). https://app.roboflow.com/mayk/knife-detection-lpiw1-7pekn/1 (Erişim Tarihi: 18.01.2026).
13. Sohan M, Sai Ram T, Rami Reddy CV. A review on YOLOv8 and its advancements. International Conference on Data Intelligence and Cognitive Informatics, Singapore, 18-19 December 2024.
14. Adnan MA, Ahammed F, Rahman MF, Alam N, Prince IA, Ahamed MT. Raspberry Pi-powered IoT device for blind navigation using MobileNetV3-SSD image processing. 2023 International Conference on Information and Communication Technology for Sustainable Development (ICICT4SD), Dhaka, Bangladesh, 22-23 September 2023.
15. Zhao Y, Lv W, Xu S, Wei J, Wang G, Dang Q, Chen J. DETRs beat YOLOs on real-time object detection. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, Seattle, USA, 16-22 June 2024.
16. Tan L, Huangfu T, Wu L, Chen W. Comparison of RetinaNet, SSD, and YOLO v3 for real-time pill identification. BMC Medical Informatics and Decision Making, 21(1), 324, 2021.