随着电子设备的广泛使用,电磁干扰(EMI)已成为现代社会的一个严重问题。强电磁干扰不仅会导致精密仪器失效,也会对人体健康带来危害。因此,能够降低或消除电磁干扰的电磁屏蔽材料引起了人们的广泛关注。其中,高温电磁屏蔽材料既能消除电磁干扰又能抵御高温,在先进航空、大功率发动机、电子电器等尖端科技领域有广泛应用前景。
传统铜或银等金属电磁屏蔽材料具有重量大、易生锈腐蚀、加工程序复杂等不足,限制了其在高温电磁屏蔽领域的应用。近年来电磁屏蔽导电高分子复合材料(CPC)因其重量轻、耐腐蚀、易加工等优点引起越来越多关注。但多数CPC玻璃化转变温度(Tg)较低,在高温如250 oC时会碳化或降解,难以用于高温电磁屏蔽。此外,CPC几乎都是薄膜/板,而能适应仪器实际形状的材料在应用中更有吸引力。
哈尔滨工业大学肖鑫礼等将短切碳纤维和炭黑作为导电填料加入形状记忆聚酰亚胺(SMPI)基体中,首次研制出Tg为308 oC的电磁屏蔽形状记忆聚酰亚胺(EMSMPI)。该EMSMPI重量损失为5 %时的分解温度(Td) 为578oC,远高于其他电磁屏蔽CPC材料。其0.35 mm厚的薄膜在X-波段屏蔽效能超过23.9 dB,以吸收衰减为主 (14.85 dB),而纯SMPI不具备屏蔽效能(图1.a)。该材料循环使用步骤如下:(1) EMSMPI在340 oC热台上加工成暂时形状,(2)室温5分钟固定暂时形状,(3)放回340 oC热台上回复初始形状,(4)再次测定其电磁屏蔽效应。经过30个循环后电磁屏蔽效能依然超过20 dB (图1.b)。可循环性使EMSMPI在被加工成多种形状以适应器件的同时保持其电磁屏蔽效能,具有重要实际应用价值。
图1. 电磁屏蔽形状记忆聚酰亚胺0.35 mm厚薄膜的屏蔽效能(a)及30次循环后屏蔽效能(b).
同时EMSMPI具有较高力学性能,0.35 mm厚的薄膜打孔后重0.0545 g (图2.a),将为其自身重量43,000多倍的不锈钢反应釜(2.370 Kg)悬挂于孔中后,不会造成孔和薄膜的扭曲或损伤(图2.b~2.c)。该薄膜能够单侧承载500g重的砝码(图2.d),证明该材料同时具备韧性高和强度大的特征。
图2. EMSMPI打孔 (a),悬挂为其自身重量43,000倍的金属 (b,c), 单侧承载500g砝码 (d).
相对其他电磁屏蔽材料,EMSMPI的一个显著优势是其便捷的形状可加工性。初始EMSMPI为平整薄膜 (图3.a),在340 oC逐步被加工成包覆方钢管一个面(图3.b),两个面(图3.c),和三个面(图3.d)。末端热处理使其可紧贴在钢管的另一面(图3.e),形成包住方钢管的电磁屏蔽聚酰亚胺方管(图3.f)。此外,EMSMPI还可加工成圆形(图3.g),五边形(图3.h),六边形(图3.i)等形状。形状可加工性使其形状可随器件形貌或尺寸变化,在精密仪器的电磁屏蔽中具有重要应用前景。
图3. EMSMPI形状可加工性的展示。初始形状 (a),变成方管的步骤(b-f), 以及其他形状 (g-i).
EMSMPI的暂时形状在280 oC高温时可保持其稳定形状和屏蔽效能,因此特别适合用于高温精密仪器的电磁屏蔽。
参考文献:Deyan Kong, Jie Li, Anru Guo, Xinli Xiao*. High Temperature Electromagnetic Shielding Shape Memory Polymer Composite. Chem. Eng. J. 2020. 10.1016/j.cej.2020.127365.
原文链接:https://www.sciencedirect.com/science/article/abs/pii/S1385894720334896?via%3Dihub
- 武汉纺织大学于志财团队 Adv. Fiber Mater.:基于动态共价键自修复热电纤维的制备及无源温度传感应用 2024-04-27
- 南理工傅佳骏教授课题组 Adv. Mater.:高致动能量密度、超强韧、可修复形状记忆聚合物材料 2024-04-27
- 哈工大冷劲松院士团队《Adv. Funct. Mater.》:可光焊接的光热、荧光、形状记忆金属-酚交联聚合物及其功能化4D器件 2024-04-12
- 华南理工大学郭建华教授团队 CEJ:具有垂直排列结构的高导热强电磁屏蔽碳纤维/硅橡胶复合材料 2024-04-29
- 浙江大学徐志康/张超团队、吕朝锋团队 Adv. Mater.:超重力场作用下的异质取向纳米复合水凝胶-“以少胜多”的电磁屏蔽性能 2024-04-19
- 中国林科院林化所贾普友副研究员、周永红研究员《Polym. Rev.》:纤维素基复合材料的结构设计及在EMI屏蔽应用研究进展 2024-04-08
- 长春应化所孙昭艳研究员团队 Macromolecules:基于化学知识数据增强的图神经网络开发高耐热高分子材料 2024-04-25