4D打印研究探讨了自适应MA的新边界…

石油和矿物国王法（KFUPM）的研究人员和跨学科研究中心的研究人员进行的一项联合研究，在附加生产行业中应用4D印刷中的新土壤，在该工业中，结构对响应环境引起的伤害（例如热或光线）的形式改变了形式。该团队研究了光热动作，形式记忆的聚合物（SMP）和机器学习，以开发能够动态转换的可编程材料。

该研究的关键实验之一包括在预导的聚合物片上的照明墨水密封。在照明中，这些墨水会产生热量，并沿指示的环将材料折叠。这种方法使您可以通过均匀的光线将扁平的2D基材转换为复杂的3D形式。根据研究人员的说法，“可以使用其他吸收（例如纳米颗粒，具有独特的光线吸收到某些波长，包括在可见光谱之外）的纳米颗粒进行改进。”尽管当前的设置允许一个时间屈曲周期，但可逆SMP的包含可以保持重新表现和更复杂的变形。

通过测量制造过程中的内部变形，研究人员证明了收缩机制与热发射相关。在温度上升到玻璃过渡点之上后，保持电压将释放。负责使用此类微观结构的热量的聚合物适用于包装，自组装组件和医疗设备。然而，以高精度的创建这些功能仍然是一项技术任务。文章强调说：“使用受控微观结构的加热聚合物的生产仍然很复杂，但是3DP技术提供了解决方案，使您可以创建复杂的微观结构。”

金属合金和激光3D打印

该研究还研究了使用激光粉末层（LPBF）的合并来研究镍 – 钛存储合金的添加剂。天津大学的研究人员发现，激光能量密度的调整会影响孔隙度，机械一致性和形式恢复的特征。东南大学小组的重点是通过使用该过程的准确设置形成层次微观结构来减少处理后的需求。这些结果为拉伸和疲劳稳定性的强度提供了潜在的改善。

但是，研究之间存在不一致之处。一篇文章强调了消除热处理的成本，而其他文章则警告说，过程控制差会导致孔隙率和机械特性下降。作者指出，“与加热后治疗要求有关的研究之间存在争议。”为了解决此类差异，研究人员建议标准化的过程参数，最佳建模工具以及对NITI以外的替代合金的研究，以满足行业对能量吸收和疲劳的需求。

机器学习领域的成就在4D打印结构的预测建模中取得了显着突破。研究人员使用了闪闪发光的神经网络（CNN），生成对抗网络（GAN）和增强培训，用于在站点和像素级别的材料映射，以进行预测的结果，例如刚度，模块和变形反应。

转发的预测模型使用这些输入阵列在制造前建模变形行为和结构属性。一般方法使用分层或各向异性微结构模板限制了设计空间。例如，研究人员“使用基于各向异性的各种基本结构来预测复合材料的机械性能，从而导致快速优化的模式。”

反向项目的模型从相反的方向解决了问题：从所需的机械性能开始，然后计算材料的必要拓扑。北 – 西大学研究人员开发的一种方法使用对照培训将硬度与拓扑入口相关联，并使用直接建模确认了结果。另一种方法教会了gan生成炉排的2D和3D结构，然后应用了该过程的高斯回归来预测恢复张量。

由于其能够在大型设计空间中导航的能力，生成模型已成名。研究人员在维持性能的同时，将微观结构的数据编码为紧凑的隐藏变量，可以与回报工程师进行综合材料。研究解释说：“解码器将两个空间转换为初始结构。”您可以使用目标特性再生物理模型。

持续的材料和对过程的限制

尽管算法成就，但仍在设备和材料中存储问题。大多数商业平台仅支持有限类型的聚合物，例如PLA，ABS，PETG和PC，选择具有危险对的材料，高熔点或不良的流变学。由于安全限制和设备，通过导电聚合物（例如polypyrrol）进行电力使用。

金属选项也面临障碍。虽然通常印刷钛，铝和不锈钢，但反应性金属和陶瓷通常与喷嘴和热系统保持不相容。除非控制热和机械兼容性，否则异质物质之间的材料界面具有放松或开始裂纹的风险。

3D打印机具有高分辨率，使用融合丝（FFF）的制造，对几种反应进行建模或直接拼写墨水战斗，以解决压倒性的结构，弯曲的内部空隙或无辅助框架的阻塞功能。某些策略，例如牺牲材料或引入非对准液体，与这些问题的减少有关，但引入了新的后处理困难。

基于SMP的4D打印结构通常表现出单向变形，这使得它们不适合需要循环或可逆作用的应用。研究小组指出：“即使是最小的偏差也可能增加，这会导致变形形式，变形范围和响应率的重大错误。”

随着时间的推移，水凝胶和SMP等材料特别容易受到热，机械和湿度的降解。重复带来的周期会导致残余电压，断裂和降低性能的积累。在各向异性媒体中，FFF的方向变化的变化进一步使应力分布和恢复行为变得复杂。

研究人员呼吁改善打印机的分辨率，更快的原型制作和更好的疲劳材料。改善插入的粘附力，减少热不一致以及更可靠的建模协议的开发对于接近复杂的4D打印系统的商业用途也是必要的。

准备找出谁赢了2024 3D奖项奖？

订阅 行业3D打印信息公告 跟上最后的新闻和理解。

该图显示了4D打印材料的示例：水凝胶，液晶弹性体，磁复合材料和SMP。图片通过ResearchGate。