(资料图)

导读： 近期在4D打印设计上的成果多考虑智能材料和能量刺激的空间布局。多功能结构的发展及其所需的驱动性能需要从多材料设计的角度解决4D打印问题，有望用计算方法增加设计概念。主要目标是在体素化结构中实现材料性能的“最佳”分布，提出了一种基于有限元分析的进化算法组成的计算框架，融合了通过拓扑优化在设计空间内优化材料布局的优点，解决了通过整合空体素寻找最优设计以实现目标形状变化的逆向设计问题。结果表明，该方法可以成为设计3D打印活性复合材料的高效工具。

近年来，随着增材制造领域日益突破性的科学进步，以及活性材料领域的前沿发现，催生了一类新材料——活性复合材料，即至少由两种不同的材料组成，其中一种由一种智能材料和另一种被动或惰性材料组成。智能材料可以在特定的驱动下进行形状和其他属性的变换，这些驱动通常被称为能量刺激，其范围囊括了从温度到湿度、pH值、溶剂、电、磁、光等的可及性和易用性。

通过在能量刺激的作用下将增材制造和活性材料相结合，4D打印是一个蓬勃发展的研究领域，需要在数字和物理层面进行深入研究。然而，寻找最佳材料或性能分布以获得所需的形状变化是目前面临的复杂问题，这在很大程度上依赖于精确的数值模型。

基于此，诺丁汉特伦特大学的研究团队以扩展类似的方法为目标，同时将空白元素作为设计变量的一部分，在进化算法（EA）中直接引入拓扑优化（TO）的概念。这种TO与现有材料分布优化策略的融合实现一种无梯度的方法，将正确的材料放置在正确的位置。将EA与传统软件上的有限元方法(FEM)相结合的计算框架允许用户从几种类型的智能材料中进行选择，以启动案例研究，从而产生材料分布的最佳解决方案，以获得目标形状变化。相关研究成果以题为“Computational design for 4D printing of topology optimized multi-material active composites”发表于期刊《NPJ Computational Materials》。

点击图片阅读全文

文中提出了一种基于EA和FEM耦合分析的4D打印活性复合材料结构设计框架。生成溶液的体积材料分布中包含的空白元素实现了形状匹配算法与TO的合并。

提出了两个案例研究，采用不同的方法来设置目标形状，以及不同的智能材料模型，结果与目标形状非常吻合。这种方法是在更复杂的设计中寻找非直观设计解决方案的开始，同时最小化所需材料的数量。该方法的未来发展包括调整三维设计框架并使用机器学习技术解决更复杂的问题。

免责声明：本文原创自期刊正式发表论文，仅供学术交流，数据和图片来源于所属出版物，如有侵权请联系删除。