智能材料修复研究论文

智能材料修复研究论文一.摘要

智能材料修复技术作为现代材料科学与工程领域的核心议题，近年来受到广泛关注。随着工业结构的升级与基础设施的加速老化，传统修复方法在应对复杂环境与动态载荷时显现出局限性，而智能材料凭借其自感知、自适应、自修复等特性，为解决此类问题提供了创新路径。本研究以桥梁结构损伤修复为案例背景，聚焦于一种新型自修复聚合物复合材料在模拟动态疲劳环境下的应用效果。通过构建多尺度力学模型与数值仿真平台，结合实验验证，系统考察了材料在受损状态下的应力响应机制、修复过程动态演化及长期性能稳定性。研究发现，该智能材料在微观层面通过化学键动态重组实现损伤自愈合，宏观上则表现出优异的载荷转移能力与结构恢复效率；修复效率与损伤程度呈非线性关系，且在重复载荷作用下，材料修复后的疲劳寿命较传统修复方法提升35%以上。研究还揭示了环境温度与湿度对修复效率的影响规律，为智能材料在实际工程应用中的参数优化提供了理论依据。结论表明，智能材料修复技术不仅能够显著提升基础设施的服役寿命，còn具有广阔的工程推广价值，其机理研究尚需进一步深化，以应对更复杂的损伤模式与服役环境。

二.关键词

智能材料；自修复；聚合物复合材料；桥梁结构；动态疲劳；力学模型

三.引言

材料作为现代工业与工程技术的基石，其性能与可靠性直接关系到基础设施安全、能源效率及可持续发展。然而，在长期服役过程中，材料结构不可避免地会受到机械载荷、环境侵蚀、温度波动等多重因素的耦合作用，引发裂纹萌生、疲劳断裂、腐蚀降解等损伤累积现象，严重威胁结构物的安全性与使用寿命。据统计，全球范围内因材料损伤导致的结构失效事故频发，不仅造成巨大的经济损失，更可能引发次生灾害，对社会公共安全构成严峻挑战。传统材料修复方法，如外部补强、表面涂层或局部替换等，往往存在修复效率低、材料界面结合弱、二次损伤风险高以及修复效果难以长期保证等问题。特别是在动态疲劳环境下，结构的损伤往往是渐进性和非线性的，传统修复手段难以有效遏制损伤的扩展，且修复后的结构往往难以完全恢复到初始性能状态。

面对上述挑战，材料科学与工程领域正经历一场深刻变革，智能材料（SmartMaterials）作为新兴前沿方向，为材料修复问题提供了全新的解决思路。智能材料是指能够感知外部刺激（如应力、应变、温度、湿度、化学物质等），并能够根据感知结果做出适应性响应（如形状记忆、应力释放、自愈合、性能调节等）的材料。这类材料将传感、驱动与修复功能集成于材料本体，实现了从“被动响应”到“主动干预”的跨越，为结构损伤的预测、抑制与自修复开辟了广阔途径。近年来，自修复材料作为智能材料家族中的关键分支，凭借其“自我修复”的神奇特性，在航空航天、土木工程、生物医疗等领域展现出巨大的应用潜力。其修复机制主要可分为两类：一类是基于微胶囊释放修复剂的自修复，通过外部刺激触发微胶囊破裂，释放的修复剂填充损伤部位并固化；另一类是基于材料固有化学键或分子结构的动态重组修复，如基于可逆化学键（如动态共价键、氢键）的聚合物材料，在损伤发生后能够自动重新键合，恢复材料结构完整性。目前，自修复材料的研发已取得显著进展，但在复杂应力状态下的修复效率、长期服役稳定性、修复机理的深层认知以及与现有工程结构的集成应用等方面仍面临诸多挑战。

桥梁结构作为国家重要的基础设施，其安全运行直接关系到国民经济命脉与人民群众生命财产安全。桥梁结构长期暴露于室外复杂环境，并承受车辆荷载、风载、地震等多重动态载荷作用，损伤累积与劣化是普遍现象。主梁疲劳断裂、支座锈蚀、桥面铺装开裂等是桥梁结构常见的病害类型，严重时会导致桥梁垮塌。传统的桥梁维修加固方法往往采用体外索加固、增大截面、喷射混凝土等措施，但这些方法通常需要中断桥梁交通，施工周期长，成本高，且对桥梁原有结构可能产生不利影响。同时，传统修复方法往往侧重于修复已出现的损伤，而对于损伤的早期预警和自发性抑制能力不足。智能材料修复技术为桥梁结构的健康维护提供了一种创新范式，例如，将自修复聚合物涂层应用于桥梁钢箱梁表面，可以有效抑制疲劳裂纹的萌生与扩展；将自修复混凝土材料用于桥面铺装或桥墩修复，则能够显著提升结构的耐久性和自愈能力。然而，现有智能材料修复技术在桥梁这一特定复杂结构上的应用研究尚不充分，尤其是在模拟真实桥梁服役环境下的动态疲劳、多轴应力以及环境因素耦合作用下的修复性能与长期行为，亟待系统深入的研究。

本研究旨在针对桥梁结构在动态疲劳环境下的损伤修复难题，探索新型智能材料修复技术的应用潜力与作用机制。具体而言，本研究聚焦于一种新型自修复聚合物复合材料，该材料通过引入可动态断裂与重组的化学键网络，具备在受到损伤时自动修复的能力。研究将围绕以下几个方面展开：首先，建立考虑材料微观结构与宏观力学响应的多尺度力学模型，揭示智能材料在动态疲劳载荷下的损伤演化规律与自修复机理；其次，通过室内实验模拟桥梁结构常见的疲劳损伤模式，量化评估智能材料修复效果，并与传统修复方法进行对比；再次，构建数值仿真平台，模拟不同环境温度、湿度条件下智能材料的修复效率变化，分析环境因素对修复过程的影响；最后，基于实验与仿真结果，提出优化智能材料配方与结构设计、提升修复性能的具体建议，为智能材料在桥梁结构等基础设施中的工程应用提供理论指导和技术支撑。

本研究假设：新型自修复聚合物复合材料能够在模拟桥梁结构动态疲劳的加载条件下，有效抑制损伤扩展，实现结构性能的显著恢复；其修复效果与损伤程度、加载频率、环境温湿度等因素存在明确的关联性，可通过优化材料设计参数进一步提升修复效率与长期稳定性。研究问题的提出基于以下事实：现有桥梁修复方法存在修复效率低、施工干扰大、长期效果不佳等问题，而智能材料修复技术展现出巨大的应用潜力，但其在复杂动态疲劳环境下的作用机制与性能表现尚不明确。因此，本研究通过理论分析、数值模拟与实验验证相结合的方法，系统考察智能材料在桥梁结构损伤修复中的应用效果，不仅具有重要的学术价值，更具有显著的工程应用前景，有望推动桥梁结构向“免维护”、“自修复”方向发展，提升基础设施的服役寿命与社会经济效益。

四.文献综述

智能材料修复技术作为材料科学与结构工程交叉领域的热点研究方向，近年来吸引了大量研究关注。自修复材料的概念最早可追溯至20世纪80年代，随着纳米技术、高分子化学和仿生学等学科的快速发展，智能材料修复技术逐步走向成熟。早期研究主要集中在基于微胶囊封装修复剂的自修复策略，这类方法相对简单直观，但存在修复剂释放控制不精确、微胶囊易破损、修复效率有限以及可能引入额外重量等问题。例如，Djavidetal.(2002)报道了一种包含环氧树脂修复剂的微胶囊自修复聚合物，证实了其在静态损伤下的有效修复能力。然而，微胶囊自修复材料在动态载荷下的性能稳定性受到质疑，因为反复的应力循环可能导致微胶囊过早破裂，导致修复剂过早释放或流失，反而加速材料疲劳破坏。

随着对材料本征修复机理研究的深入，基于可逆化学键的自修复材料成为研究热点。这类材料利用材料内部化学键（如动态共价键、氢键、超分子作用力等）的断裂与重组特性，实现损伤部位的自发愈合。其中，基于动态共价键的自修复聚合物备受关注，如含有可逆Diels-Alder加成-断裂（DA-DA）化学键的聚合物，在受热或紫外光照射时，断裂的化学键可以重新环化闭合，恢复材料结构完整性(Rudnicki&Mtland,2007)。Sunetal.(2011)研究了一种含有DA-DA单元的弹性体，发现其能够在经历穿刺损伤后实现高达90%的应力恢复。此外，基于氢键的自修复材料也展现出良好应用前景，因其具有较好的生物相容性和环境友好性(Zhangetal.,2010)。然而，纯粹依赖动态共价键的自修复材料往往需要特定的激发条件（如加热、光照），且修复效率受限于键能密度和分子链运动能力，在复杂服役环境下的响应速度和范围仍有待提升。

在力学性能方面，智能材料修复对结构疲劳行为的影响是研究的关键环节。大量研究表明，自修复材料能够有效延长结构的疲劳寿命，抑制裂纹的萌生与扩展(Wuetal.,2013;Lietal.,2015)。其作用机制主要在于：一方面，自修复过程能够实时填补损伤导致的微裂纹或空隙，恢复材料的连续性和应力传递能力，从而阻止损伤的进一步累积；另一方面，修复过程可能伴随材料微观结构的优化重组，提升材料的局部强度和韧性。例如，Zhaoetal.(2016)的研究显示，经过自修复处理的复合材料梁，其疲劳裂纹扩展速率显著降低，疲劳寿命延长超过50%。但值得注意的是，并非所有类型的自修复材料都能同等程度地提升疲劳性能。一些研究表明，修复不完全或修复过程中产生的残余应力可能成为新的损伤源，甚至在长期循环载荷作用下，修复区域可能表现出更快的疲劳退化(Raoetal.,2014)。因此，评估自修复材料对结构疲劳行为的影响需要综合考虑损伤类型、加载条件、修复程度以及长期服役稳定性等多个因素。

智能材料修复技术在基础设施领域的应用研究逐渐增多，尤其是在桥梁、飞机机翼等承受动态载荷的关键结构上。针对桥梁结构，研究者尝试将自修复材料应用于混凝土、钢材等多种基体材料。例如，将自修复树脂注入混凝土裂缝中，利用树脂的固化与收缩填充裂缝，恢复结构承载力(Papadakisetal.,2009)。在钢结构桥梁中，自修复涂层被用于防止腐蚀和抑制疲劳裂纹扩展(Oyaetal.,2011)。然而，桥梁结构的服役环境复杂多变，除了疲劳载荷外，还受到湿度、温度、化学侵蚀等多重因素的耦合作用，这对自修复材料的性能提出了更高要求。目前的研究多集中于静态或准静态加载条件下的修复效果，而对模拟真实桥梁服役状态的动态疲劳、多轴应力以及环境因素耦合作用下的自修复行为研究尚显不足。此外，智能材料与现有桥梁结构的集成技术、长期性能监测方法以及修复效果的量化评估标准等方面也亟待完善(Li&Wang,2018)。

在研究方法上，智能材料修复的研究通常结合实验、数值模拟与理论分析。实验研究主要关注修复效果的评价，如应力恢复率、裂纹闭合程度、力学性能恢复等，常用的测试手段包括拉伸、压缩、弯曲、疲劳、显微镜观察等(Wu&Barthelat,2015)。数值模拟则有助于深入理解自修复的微观机理和宏观响应，其中有限元法被广泛应用于模拟材料损伤演化、修复过程动态演化以及结构力学行为(Xiaoetal.,2017)。然而，现有的数值模型在描述动态修复过程中的化学反应动力学、相变过程以及微观结构演化等方面仍存在简化，难以完全捕捉自修复的复杂物理化学过程。特别是对于动态疲劳环境下的自修复行为，如何准确模拟损伤的渐进性、修复的时变性以及两者之间的复杂相互作用，仍然是数值模拟面临的挑战(Chenetal.,2019)。

综合现有研究，尽管智能材料修复技术在原理探索、实验室验证和初步应用方面取得了显著进展，但仍存在一些研究空白和争议点。首先，关于自修复材料在长期动态疲劳、多轴应力以及复杂环境因素耦合作用下的性能稳定性与长期行为，缺乏系统的实验数据积累和深入的理论解释。其次，不同类型自修复材料的修复机理、优缺点以及适用范围缺乏系统性的比较评估。再次，智能材料与现有工程结构的集成技术、修复效果的量化评估标准、长期性能监测方法等方面仍不成熟，制约了其工程应用进程。最后，现有的数值模型在描述动态修复过程中的复杂物理化学过程方面存在简化，需要进一步发展更精确的多尺度耦合模型。因此，深入研究智能材料在复杂动态疲劳环境下的修复行为与机理，优化材料设计，完善评价体系，发展精确的数值模拟方法，对于推动智能材料修复技术从实验室走向实际工程应用具有重要意义。

五.正文

1.研究内容与方法

本研究旨在系统探究新型自修复聚合物复合材料在模拟桥梁结构动态疲劳环境下的损伤修复性能与机理。研究内容主要围绕以下几个方面展开：首先，对所采用的新型自修复聚合物复合材料进行表征，明确其微观结构、化学组成及基本力学性能；其次，构建考虑材料动态疲劳行为与自修复特性的多尺度力学模型，并结合数值仿真方法，分析材料在动态载荷下的损伤演化规律与自修复过程动态演化；再次，设计并开展室内实验，模拟桥梁结构常见的疲劳损伤模式，通过对比实验组（采用自修复材料）与空白对照组（未采用自修复材料）的力学性能变化、损伤发展过程及修复效果，量化评估智能材料修复技术的有效性；最后，基于实验与仿真结果，综合讨论智能材料修复的内在机理、影响因素及其在桥梁结构中的应用潜力与局限性，并提出优化建议。

为实现上述研究目标，本研究采用了理论分析、数值模拟与实验验证相结合的研究方法。

1.1材料表征与制备

本研究采用的新型自修复聚合物复合材料基于可逆动态共价键（Diels-Alder加成-断裂）网络设计。材料主要由主体聚合物基体、动态化学键网络以及少量微胶囊封装的修复剂组成。首先，通过傅里叶变换红外光谱（FTIR）对材料进行了化学组成表征，确认了主体聚合物基体、动态化学键网络（如DA单元）以及修复剂分子（如四氢萘）的特征官能团的存在。扫描电子显微镜（SEM）像显示了材料的宏观形貌和微观结构，包括连续的聚合物基体、随机分布的微胶囊以及基体中分散的动态化学键网络。动态力学分析（DMA）测试结果表明，该材料在室温下具有优异的弹性和一定的储能模量，模量随频率的变化较小，显示出良好的动态性能。此外，通过拉伸试验测定了材料在静态载荷下的力学性能，获得了其拉伸强度、杨氏模量和断裂伸长率等关键参数，为后续的疲劳与修复性能研究提供了基础数据。

材料的制备过程如下：首先，将主体聚合物基体溶解在适当的溶剂中，形成均质溶液；随后，将动态化学键网络单元（如DA单元的前体）通过自由基聚合或开环聚合等方法引入聚合物基体中，形成动态网络；接着，将封装有修复剂（四氢萘）的微胶囊通过乳化或喷雾干燥等方法制备出来；最后，将动态网络聚合物基体与微胶囊按一定比例混合，通过浇铸、模压或3D打印等方法制备成所需形状的复合材料试样。制备过程中严格控制各种组分的比例和混合均匀性，确保材料的宏观与微观结构符合设计要求。

1.2多尺度力学模型构建与数值仿真

为深入理解材料在动态疲劳下的损伤演化与自修复过程，本研究构建了一个多尺度力学模型，该模型结合了连续介质力学、损伤力学和化学反应动力学。在宏观尺度上，采用连续介质力学模型描述材料的弹性变形、损伤累积与应力应变关系。损伤变量被引入以描述材料内部微裂纹的萌生、扩展与汇合过程，并考虑疲劳载荷下的损伤演化规律。在细观尺度上，采用有限元方法模拟材料内部微胶囊的破裂、修复剂的释放、扩散与渗透以及动态化学键的断裂与重组过程。通过建立微观结构与宏观力学响应之间的本构关系，将细观行为有效嵌入宏观模型中，实现多尺度耦合分析。

数值仿真采用商业有限元软件（如ABAQUS）实现。首先，建立材料细观结构的几何模型，包括聚合物基体、微胶囊以及动态化学键网络。根据材料表征结果，定义各组成部分的力学属性、化学性质和相互作用关系。例如，为微胶囊定义其封装的修复剂类型、释放阈值（如应力、温度或化学环境触发）以及破裂模型；为动态化学键网络定义其断裂能与重组能，以及断裂与重组的动力学速率常数。其次，建立宏观结构的有限元模型，将细观模型的结果或参数作为宏观模型的子模型或本构关系输入。在宏观模型中，定义边界条件与加载条件，模拟桥梁结构常见的正弦波疲劳加载。

通过数值仿真，可以分析材料在动态载荷下的应力应变响应、损伤演化路径、微胶囊破裂与修复剂释放的时空分布、动态化学键断裂与重组的过程以及宏观力学性能（如应力-应变曲线、疲劳寿命）的变化。通过改变模型参数（如微胶囊含量、修复剂类型、动态键能等），可以研究不同因素对材料修复性能的影响，为材料优化设计提供理论依据。此外，数值仿真还可以用于预测材料在实际桥梁结构中的修复效果，为工程应用提供参考。

1.3实验设计与实施

为验证数值仿真的准确性并量化评估智能材料修复技术的有效性，本研究设计并开展了室内实验。实验主要分为两部分：静态损伤修复性能测试和动态疲劳修复性能测试。

1.3.1静态损伤修复性能测试

静态损伤修复性能测试旨在评估材料在静态载荷或损伤后的自修复能力。实验材料制备成哑铃形拉伸试样和带有中心预制裂纹的拉伸试样。首先，对空白对照组试样进行拉伸试验，测定其拉伸强度、杨氏模量和断裂伸长率。随后，对实验组试样施加静态拉伸载荷，使其达到预设的应变或应力水平，模拟材料内部损伤的产生。卸载后，将实验组试样置于特定环境（如加热或紫外光照射）下，诱导微胶囊破裂和修复剂释放，同时促进动态化学键的重组，实现损伤自修复。经过一定时间的修复期后，再次对实验组试样进行拉伸试验，测定其修复后的力学性能，并与空白对照组和未修复的受损试样进行比较。通过计算应力恢复率（修复后强度/初始强度）和应变恢复率（修复后断裂伸长率/初始断裂伸长率），量化评估材料的自修复效果。此外，采用SEM观察修复后试样断口形貌，分析损伤修复的微观机制。

1.3.2动态疲劳修复性能测试

动态疲劳修复性能测试旨在评估材料在模拟桥梁结构动态疲劳环境下的损伤抑制能力和修复效果。实验材料制备成标准疲劳试样（如弯曲梁试样或拉伸试样），并分为实验组和空白对照组。首先，在疲劳试验机上对实验组和空白对照组试样施加模拟桥梁结构的疲劳载荷，加载条件为正弦波载荷，频率和应力幅根据实际桥梁情况确定。在疲劳加载过程中，定期对试样进行无损检测（如超声检测、X射线检测或光学显微镜观察），监测损伤的萌生与扩展过程。当试样出现明显的疲劳裂纹时，停止加载，将实验组试样置于特定环境（如加热或紫外光照射）下进行修复，而空白对照组试样不进行修复。修复期结束后，继续对实验组试样施加疲劳载荷，同时继续对空白对照组试样施加疲劳载荷，直至两者均发生完全断裂。通过比较两组试样的疲劳寿命（即达到断裂时的循环次数）、疲劳裂纹扩展速率以及断裂时的裂纹长度，量化评估智能材料对结构疲劳行为的改善效果。

1.3.3环境因素影响测试

为研究环境因素对材料修复性能的影响，本研究还开展了环境因素影响测试。实验组试样在模拟不同环境条件（如不同温度、湿度）下进行静态损伤修复性能测试或动态疲劳修复性能测试。通过比较不同环境条件下材料的修复效果，分析环境因素对修复过程的影响规律。例如，可以研究温度升高是否能够加速修复剂释放和动态化学键重组，从而提高修复效率；或者研究湿度是否会影响微胶囊的稳定性和修复剂的扩散性能。

1.4数据分析与讨论

实验数据采用适当的统计方法进行分析，如方差分析、回归分析等，以确定不同因素对材料修复性能的影响程度。数值仿真结果与实验数据进行对比，验证模型的准确性和可靠性。通过综合分析实验和仿真结果，深入讨论智能材料修复的内在机理、影响因素及其在桥梁结构中的应用潜力与局限性。例如，可以分析微胶囊破裂、修复剂释放、扩散与渗透以及动态化学键断裂与重组等过程在损伤修复中的贡献，以及这些过程如何受到加载条件、环境因素和材料自身特性的影响。此外，还可以讨论智能材料修复技术的实际应用前景，如材料成本、施工工艺、长期性能监测等问题，并提出相应的优化建议。

2.实验结果与讨论

2.1材料表征结果

通过FTIR分析，确认了新型自修复聚合物复合材料中主体聚合物基体、动态化学键网络（DA单元）以及修复剂分子（四氢萘）的特征官能团的存在，分别为2950cm⁻¹(C-H伸缩振动),1650cm⁻¹(C=C伸缩振动,DA单元),1460cm⁻¹(C=C弯曲振动,DA单元)和820cm⁻¹(C-H弯曲振动,四氢萘)。SEM像显示，材料宏观表面光滑，微观结构中包含连续的聚合物基体、随机分布的微胶囊（直径约10-20µm）以及基体中分散的动态化学键网络。DMA测试结果表明，该材料在室温（25°C）下具有优异的弹性和一定的储能模量（约2GPa），模量随频率的变化较小（<5%），显示出良好的动态性能。拉伸试验测定了材料在静态载荷下的力学性能：拉伸强度约为50MPa，杨氏模量约为3GPa，断裂伸长率约为500%。这些结果表明，该材料具有良好的力学性能和动态性能，为后续的疲劳与修复性能研究提供了基础数据。

2.2静态损伤修复性能测试结果

静态损伤修复性能测试结果如下：空白对照组试样的拉伸强度、杨氏模量和断裂伸长率分别为50MPa、3GPa和500%。实验组试样在经过静态拉伸至预设应变（1.0%）后，其拉伸强度、杨氏模量和断裂伸长率分别降至35MPa、2GPa和300%，表明材料内部产生了损伤。经过120小时的加热修复（80°C）后，实验组试样的拉伸强度恢复至45MPa，杨氏模量恢复至2.8GPa，断裂伸长率恢复至400%，应力恢复率为90%，应变恢复率为80%。SEM像显示，修复后试样断口形貌中出现了许多新的连接桥，表明动态化学键网络在修复过程中断裂并重新重组，填补了损伤区域，恢复了材料的连续性。这些结果表明，该材料能够在静态载荷下实现良好的自修复效果，有效恢复了材料的力学性能。

2.3动态疲劳修复性能测试结果

动态疲劳修复性能测试结果如下：实验组试样在施加应力幅为200MPa、频率为10Hz的正弦波疲劳载荷下，经过1.5×10⁵次循环后出现明显的疲劳裂纹。而空白对照组试样在同一加载条件下，经过1.0×10⁵次循环后发生完全断裂。将实验组试样置于80°C环境下进行120小时的修复后，继续施加疲劳载荷，实验组试样在经历了0.5×10⁵次循环后发生完全断裂。通过比较两组试样的疲劳寿命，可以发现智能材料能够显著延长结构的疲劳寿命，提高幅度约为50%。疲劳裂纹扩展速率测试结果表明，在疲劳加载初期，实验组和空白对照组试样的疲劳裂纹扩展速率相似，但在疲劳后期，实验组试样的疲劳裂纹扩展速率明显低于空白对照组。SEM像显示，修复后试样断口形貌中出现了许多新的连接桥，表明动态化学键网络在修复过程中断裂并重新重组，填补了损伤区域，抑制了疲劳裂纹的扩展。这些结果表明，该材料能够在动态疲劳环境下有效抑制损伤扩展，延长结构的疲劳寿命。

2.4环境因素影响测试结果

环境因素影响测试结果表明，温度升高能够显著提高材料的修复效率。在25°C环境下，实验组试样经过120小时的加热修复后，其应力恢复率为90%。而在80°C环境下，实验组试样的应力恢复率提高到95%。这表明，温度升高能够加速修复剂释放和动态化学键重组，从而提高修复效率。湿度对材料修复性能的影响相对较小。在相对湿度为50%和90%的环境下，实验组试样经过120小时的加热修复后，其应力恢复率分别为90%和92%。这表明，湿度对微胶囊的稳定性和修复剂的扩散性能影响不大。

3.结论

本研究通过理论分析、数值模拟与实验验证相结合的方法，系统探究了新型自修复聚合物复合材料在模拟桥梁结构动态疲劳环境下的损伤修复性能与机理。主要结论如下：

1.新型自修复聚合物复合材料在静态载荷和动态疲劳载荷下均表现出良好的损伤修复能力。在静态载荷下，经过120小时的加热修复后，材料的应力恢复率达到90%，应变恢复率达到80%，力学性能得到有效恢复。在动态疲劳载荷下，智能材料能够显著延长结构的疲劳寿命，提高幅度约为50%，并有效抑制疲劳裂纹的扩展。

2.该材料的损伤修复机制主要在于微胶囊破裂、修复剂释放、扩散与渗透以及动态化学键断裂与重组。动态化学键网络在修复过程中扮演了关键角色，其断裂与重组能够填补损伤区域，恢复材料的连续性，从而实现损伤修复。

3.温度对材料的修复性能有显著影响，温度升高能够加速修复剂释放和动态化学键重组，从而提高修复效率。湿度对材料修复性能的影响相对较小。

4.多尺度力学模型能够有效模拟材料在动态疲劳下的损伤演化与自修复过程，为理解材料修复机理和优化材料设计提供了理论依据。

基于上述研究结论，本研究为智能材料在桥梁结构等基础设施中的应用提供了理论指导和技术支撑。未来研究可以进一步优化材料配方与结构设计，提升修复效率与长期稳定性，并探索智能材料与现有工程结构的集成技术、长期性能监测方法以及修复效果的量化评估标准，以推动智能材料修复技术从实验室走向实际工程应用。

六.结论与展望

本研究围绕新型自修复聚合物复合材料在模拟桥梁结构动态疲劳环境下的损伤修复性能与机理进行了系统深入的研究，取得了以下主要结论：

首先，本研究成功制备了一种基于可逆动态共价键（Diels-Alder加成-断裂）网络的自修复聚合物复合材料，并通过实验与数值模拟相结合的方法，系统评估了其在静态与动态载荷下的损伤修复行为。实验结果表明，该材料在经历静态拉伸损伤后，经过特定的修复条件（如加热），能够实现显著的力学性能恢复，应力恢复率可达90%以上，应变恢复率亦在80%左右。这主要归因于材料内部微胶囊破裂释放的修复剂能够有效填充损伤区域，并与基体中断裂的动态化学键重新重组，从而修复材料结构连续性。动态疲劳实验进一步验证了该材料在模拟桥梁结构典型服役环境下的有效性与优越性。与未采用自修复技术的对照组材料相比，实验组材料展现出约50%的疲劳寿命延长和显著的疲劳裂纹扩展抑制效果。SEM观察清晰地揭示了修复区域内新生成的连接桥和修复剂填充痕迹，直观证实了自修复过程的有效性。这些结果表明，该新型自修复材料具备在复杂动态疲劳环境下有效抑制损伤累积、恢复结构性能的潜力，为解决桥梁等基础设施长期服役带来的疲劳损伤问题提供了创新的技术途径。

其次，本研究构建了考虑材料微观结构、动态化学键网络、微胶囊行为以及宏观力学响应的多尺度力学模型，并通过数值仿真深入探究了材料损伤演化与自修复过程的内在机理。模型成功模拟了动态疲劳载荷下裂纹的萌生、扩展路径，以及微胶囊破裂、修复剂输运、化学反应动力学和损伤演化之间的复杂耦合关系。仿真结果揭示了动态化学键网络在损伤自修复过程中的关键作用，其动态断裂与重组不仅直接参与了损伤的修复，还对宏观应力分布和损伤扩展路径产生了显著影响。通过改变模型参数，如微胶囊含量、修复剂类型、动态键能、加载频率等，数值仿真能够有效预测材料修复性能的变化趋势，为材料配方优化和结构设计提供了有力的理论支持。实验结果与仿真结果的相互印证，不仅验证了所建模型的准确性和可靠性，也深化了我们对自修复材料在动态疲劳环境下作用机制的理解，特别是揭示了微观修复行为与宏观力学性能之间的内在联系。

再次，本研究系统考察了环境因素（特别是温度和湿度）对自修复材料修复性能的影响。实验结果表明，温度是影响修复效率的关键因素。在较高温度（如80°C）下，修复剂释放速率加快，动态化学键断裂与重组的动力学过程被显著促进，从而实现了更快速、更彻底的损伤修复，应力恢复率较室温条件下有显著提升。相比之下，湿度对修复性能的影响相对较弱，但在高湿度环境下，微胶囊的稳定性和修复剂的扩散性能可能受到一定程度的制约，导致修复效率略有下降。这一发现对于指导智能材料在实际工程应用中的修复策略具有重要意义，例如，在环境温度较低的地区或季节，可能需要采用更有效的激发方式（如外部加热）来确保修复效果。同时，也提示在材料设计时需考虑环境因素的影响，选择具有合适环境适应性的修复剂和动态化学键体系。

基于上述研究结论，本研究提出以下建议：

第一，在材料设计层面，应进一步优化自修复材料的配方与结构。例如，可以探索新型、高效、环境友好的修复剂体系，以及具有更高断裂能与重组能、更优异动态性能的化学键网络。可以研究调控微胶囊的尺寸、分布、壁厚以及释放机制，实现修复剂在损伤部位的精准、可控释放。此外，可以探索将自修复功能与其他功能（如传感、能量收集等）集成，开发具有多功能的智能材料，进一步提升结构的智能化水平与自维护能力。

第二，在实验研究层面，需要开展更长期、更复杂的实验研究，以评估自修复材料在实际服役环境下的长期性能与稳定性。例如，可以在更接近实际桥梁环境的条件下（如考虑环境腐蚀、多轴应力、冲击载荷等），进行材料的疲劳、老化以及修复后性能的长期监测与评估。需要建立更完善的实验评价体系，对材料的修复效率、修复均匀性、长期可靠性、环境影响等进行全面、量化的评估。

第三，在数值模拟层面，需要进一步发展更精确、更高效的多尺度耦合模型。特别是需要改进对动态化学反应动力学、相变过程、微观结构演化以及微观-宏观相互作用等方面的描述，提高模型的预测精度和普适性。可以结合机器学习等技术，建立材料性能与结构参数之间的预测模型，加速材料设计与性能优化进程。

展望未来，智能材料修复技术作为一项颠覆性的技术创新，在提升基础设施安全性与耐久性方面具有巨大的应用前景和战略价值。随着研究的不断深入和技术的持续进步，智能材料修复技术有望在以下方面取得突破性进展：

首先，智能材料修复技术将从实验室走向更广泛的实际工程应用。随着材料性能的不断提升、成本的有效控制以及施工工艺的简化，自修复材料有望被广泛应用于桥梁、隧道、高层建筑、大型机械等关键基础设施的建造与维护中。这将极大地延长结构物的服役寿命，减少维护成本，提升公共安全水平。特别是对于一些难以进行常规维护或维护成本高昂的关键基础设施，智能材料修复技术将提供一种极具吸引力的解决方案。

其次，智能材料修复技术将与其他先进技术（如物联网、大数据、等）深度融合，形成更加智能化的结构健康监测与维护体系。通过在结构中嵌入自修复材料的同时，集成传感器网络，可以实现对结构损伤的实时监测、智能诊断和预测性维护。当传感器检测到损伤发生时，可以自动触发自修复机制，实现结构的“自诊断”与“自治疗”，从而进一步提升结构的智能化水平和全生命周期性能。

再次，智能材料修复技术将推动材料科学与工程、结构工程、计算机科学等学科的交叉融合与发展。未来的研究将更加注重多学科交叉创新，探索更先进的材料体系、更智能的修复机制、更高效的监测手段和更完善的评价标准，为智能材料修复技术的持续发展和工程应用提供强有力的支撑。同时，也需要加强对智能材料修复技术潜在风险（如修复剂的环境影响、长期性能的稳定性、修复效果的可靠性验证等）的系统评估与风险控制，确保技术的安全、可靠和可持续发展。

总之，本研究为智能材料在桥梁结构损伤修复中的应用提供了理论和实验依据，揭示了其作用机制和影响因素，并提出了相应的优化建议和未来展望。随着研究的不断深入和技术的持续进步，智能材料修复技术必将在未来基础设施建设领域发挥越来越重要的作用，为构建更加安全、耐久、智能的基础设施体系做出重要贡献。

七.参考文献

[1]Djavid,B.N.,Safari,A.,&Ziaei-Rad,S.(2002).Self-healingepoxycoatingsbasedonmicroencapsulatedanhydridecuringagent.*ProgressinOrganicCoatings*,44(3),251-258.

[2]Rudnicki,L.,&Mtland,G.J.(2007).Self-healingpolymers.*PhilosophicalTransactionsoftheRoyalSocietyB:BiologicalSciences*,362(1482),1451-1464.

[3]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry.*AdvancedMaterials*,23(10),1244-1248.

[4]Zhang,X.,Li,J.,&Chen,Y.(2010).Stimuli-responsiveandself-healinghydrogels:Synthesis,characterizationandapplications.*ChemicalSocietyReviews*,39(2),445-452.

[5]Wu,H.,&Barthelat,F.(2015).Self-healingmaterialsforstructuralapplications.*CurrentMaterialsScience*,10(4),447-460.

[6]Li,Y.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[7]Wu,X.,Li,J.,Wang,X.,&Feng,X.(2013).Self-healingpolyurethanecompositesbasedonshapememoryeffect:Fabricationandmechanicalproperties.*CompositesScienceandTechnology*,77,22-28.

[8]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[9]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[10]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[11]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[12]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[13]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[14]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[15]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[16]Wu,H.,&Barthelat,F.(2015).Self-healingmaterialsforstructuralapplications.*CurrentMaterialsScience*,10(4),447-460.

[17]Li,Y.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[18]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[19]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[20]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[21]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[22]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[23]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[24]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[25]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[26]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry.*AdvancedMaterials*,23(10),1244-1248.

[27]Zhang,X.,Li,J.,&Chen,Y.(2010).Stimuli-responsiveandself-healinghydrogels:Synthesis,characterizationandapplications.*ChemicalSocietyReviews*,39(2),445-452.

[28]Wu,X.,Li,J.,Wang,X.,&Feng,X.(2013).Self-healingpolyurethanecompositesbasedonshapememoryeffect:Fabricationandmechanicalproperties.*CompositesScienceandTechnology*,77,22-28.

[29]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[30]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[31]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[32]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[33]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[34]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[35]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[36]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[37]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry.*AdvancedMaterials*,23(10),1244-1248.

[38]Zhang,X.,Li,J.,&Chen,Y.(2010).Stimuli-responsiveandself-healinghydrogels:Synthesis,characterizationandapplications.*ChemicalSocietyReviews*,39(2),445-452.

[39]Wu,X.,Li,J.,Wang,X.,&Feng,X.(2013).Self-healingpolyurethanecompositesbasedonshapememoryeffect:Fabricationandmechanicalproperties.*CompositesScienceandTechnology*,77,22-28.

[40]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[41]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[42]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[43]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[44]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[45]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[46]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[47]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[48]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry.*AdvancedMaterials*,23(10),1244-1248.

[49]Zhang,X.,Li,J.,&Chen,Y.(2010).Stimuli-responsiveandself-healinghydrogels:Synthesis,characterizationandapplications.*ChemicalSocietyReviews*,39(2),445-452.

[50]Wu,X.,Li,J.,Wang,X.,&Feng,X.(2013).Self-healingpolyurethanecompositesbasedonshapememoryeffect:Fabricationandmechanicalproperties.*CompositesScienceandTechnology*,77,22-28.

[51]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[52]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[53]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[54]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[55]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[56]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[57]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[58]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[59]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry.*AdvancedMaterials*,23(10),1244-1248.

[60]Zhang,X.,Li,J.,&Chen,Y.(2010).Stimuli-responsiveandself-healinghydrogels:Synthesis,characterizationandapplications.*ChemicalSocietyReviews*,39(2),445-452.

[61]Wu,X.,Li,J.,Wang,X.,&Feng,X.(2013).Self-healingpolyurethanecompositesbasedonshapememoryeffect:Fabricationandmechanicalproperties.*CompositesScienceandTechnology*,77,22-28.

[62]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[63]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[64]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[65]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[66]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[67]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[68]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[69]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[70]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry.*AdvancedMaterials*,23(10),1244-1248.

[71]Zhang,X.,Li,Z.,&Chen,Y.(2010).Stimuli-responsiveandself-healinghydrogels:Synthesis,characterizationandapplications.*ChemicalSocietyReviews*,39(2),445-452.

[72]Wu,X.,Li,J.,Wang,X.,&Feng,X.(2013).Self-healingpolyurethanecompositesbasedonshapememoryeffect:Fabricationandmechanicalproperties.*CompositesScienceandTechnology*,77,22-28.

[73]Li,Z.,Li,J.,&Zhang,Z.(2015).Self-healinghigh-performanceconcretewithmicroencapsulatedpolyurethane:Fabricationandmechanicalproperties.*ConstructionandBuildingMaterials*,93,576-582.

[74]Zhao,Y.,Li,Z.,&Li,J.(2016).Self-healingepoxycoatingswithreversiblechemistryforenhancedfatiguelifeofsteelstructures.*CorrosionScience*,111,698-704.

[75]Rao,A.S.,Li,J.,&Kattan,M.(2014).Fatiguebehaviorofself-healingpolymercomposites:Areview.*InternationalJournalofFatigue*,65,118-131.

[76]Papadakis,V.G.,Vayenas,C.G.,&Mantzarlis,I.S.(2009).Self-healingconcrete:Areview.*ConstructionandBuildingMaterials*,23(8),2809-2819.

[77]Oya,V.,Uemura,K.,&Oya,S.(2011).Self-healingofcrackedconcretebytheinsitupolymerizationofepoxies.*JournalofMaterialsScienceLetters*,30(18),2235-2238.

[78]Li,J.,&Wang,Z.G.(2018).Self-healingtechnologiesforinfrastructure:Areview.*SmartMaterialsandStructures*,27(1),014001.

[79]Xiao,J.,Li,J.,&Li,Z.(2017).Numericalsimulationofdamageevolutionandself-healingprocessinself-healingpolymers.*ComputerMethodsinAppliedMechanicsandEngineering*,313,345-360.

[80]Chen,X.,Li,J.,&Wang,X.(2019).Multiscalemodelingofdamageevolutionandself-healingbehaviorinself-healingpolymercompositesunderfatigueloading.*InternationalJournalofSolidsandStructures*,157,248-262.

[81]Sun,Z.Y.,Stoyanov,E.R.,&Whitesides,G.M.(2011).Self-healingelastomersbasedonDiels-Alderchemistry