(資料圖)

導讀： 近期在4D打印設計上的成果多考慮智能材料和能量刺激的空間布局。多功能結構的發展及其所需的驅動性能需要從多材料設計的角度解決4D打印問題，有望用計算方法增加設計概念。主要目標是在體素化結構中實現材料性能的“最佳”分布，提出了一種基于有限元分析的進化算法組成的計算框架，融合了通過拓撲優化在設計空間內優化材料布局的優點，解決了通過整合空體素尋找最優設計以實現目標形狀變化的逆向設計問題。結果表明，該方法可以成為設計3D打印活性復合材料的高效工具。

近年來，隨著增材制造領域日益突破性的科學進步，以及活性材料領域的前沿發現，催生了一類新材料——活性復合材料，即至少由兩種不同的材料組成，其中一種由一種智能材料和另一種被動或惰性材料組成。智能材料可以在特定的驅動下進行形狀和其他屬性的變換，這些驅動通常被稱為能量刺激，其范圍囊括了從溫度到濕度、pH值、溶劑、電、磁、光等的可及性和易用性。

通過在能量刺激的作用下將增材制造和活性材料相結合，4D打印是一個蓬勃發展的研究領域，需要在數字和物理層面進行深入研究。然而，尋找最佳材料或性能分布以獲得所需的形狀變化是目前面臨的復雜問題，這在很大程度上依賴于精確的數值模型。

基于此，諾丁漢特倫特大學的研究團隊以擴展類似的方法為目標，同時將空白元素作為設計變量的一部分，在進化算法（EA）中直接引入拓撲優化（TO）的概念。這種TO與現有材料分布優化策略的融合實現一種無梯度的方法，將正確的材料放置在正確的位置。將EA與傳統軟件上的有限元方法(FEM)相結合的計算框架允許用戶從幾種類型的智能材料中進行選擇，以啟動案例研究，從而產生材料分布的最佳解決方案，以獲得目標形狀變化。相關研究成果以題為“Computational design for 4D printing of topology optimized multi-material active composites”發表于期刊《NPJ Computational Materials》。

點擊圖片閱讀全文

文中提出了一種基于EA和FEM耦合分析的4D打印活性復合材料結構設計框架。生成溶液的體積材料分布中包含的空白元素實現了形狀匹配算法與TO的合并。

提出了兩個案例研究，采用不同的方法來設置目標形狀，以及不同的智能材料模型，結果與目標形狀非常吻合。這種方法是在更復雜的設計中尋找非直觀設計解決方案的開始，同時最小化所需材料的數量。該方法的未來發展包括調整三維設計框架并使用機器學習技術解決更復雜的問題。

免責聲明：本文原創自期刊正式發表論文，僅供學術交流，數據和圖片來源于所屬出版物，如有侵權請聯系刪除。

關鍵詞：