由于其特異的宏微觀基元拓?fù)錁?gòu)型，力學(xué)超材料在剛度、韌性、減隔振和熱膨脹等性能方面顯著優(yōu)于傳統(tǒng)均質(zhì)材料，受到了航空航天、生物醫(yī)學(xué)、電子電路和土木工程等領(lǐng)域的廣泛關(guān)注。生物體經(jīng)過(guò)長(zhǎng)期進(jìn)化形成的各類(lèi)器官，與超材料的概念相契合，即通過(guò)多層級(jí)微結(jié)構(gòu)實(shí)現(xiàn)超常物理力學(xué)特性，同時(shí)生物器官的微結(jié)構(gòu)基元還呈現(xiàn)出梯度漸變、長(zhǎng)程無(wú)序等特征。目前，針對(duì)力學(xué)超材料發(fā)展的拓?fù)鋬?yōu)化方法和機(jī)器學(xué)習(xí)設(shè)計(jì)方法，主要面向周期性結(jié)構(gòu)，對(duì)于仿生梯度超材料的逆向設(shè)計(jì)和優(yōu)化，缺乏高效率、高保真的計(jì)算分析方法。
圖1深度神經(jīng)多網(wǎng)絡(luò)系統(tǒng)實(shí)現(xiàn)多屬性胞元的定制總體思路框圖
近期，來(lái)自北京理工大學(xué)的研究者們提出了一種加速梯度力學(xué)超材料逆向設(shè)計(jì)的深度學(xué)習(xí)方法。發(fā)展了一種由對(duì)抗神經(jīng)網(wǎng)絡(luò)(GAN)、性能預(yù)測(cè)網(wǎng)絡(luò)(PPN)和結(jié)構(gòu)生成網(wǎng)絡(luò)(SGN)組成的多重網(wǎng)絡(luò)深度學(xué)習(xí)框架，如圖1所示，可實(shí)現(xiàn)力學(xué)性能參數(shù)和拓?fù)錁?gòu)型的快速雙向映射。基于此深度學(xué)習(xí)框架，將各向異性材料楊氏模量、剪切模量和泊松比組成的屬性空間，類(lèi)比于R-G-B色彩空間，進(jìn)而將梯度力學(xué)超材料逆向設(shè)計(jì)轉(zhuǎn)換為色彩匹配問(wèn)題。利用HTL樹(shù)脂3D打印（NanoArch S140，摩方精密）制備了超材料結(jié)構(gòu)樣件，采用數(shù)字圖像相關(guān)（DIC）方法驗(yàn)證了逆向設(shè)計(jì)的有效性。相關(guān)成果以“A Deep Learning Approach for Reverse Design of Gradient Mechanical Metamaterials"為題發(fā)表在《International Journal of Mechanical Sciences》期刊。
圖2 周期性超材料的應(yīng)力應(yīng)變曲線和泊松比應(yīng)變曲線，其中左側(cè)插圖為3D打印試件，右側(cè)插圖為有限元分析模型。（a） 正泊松比結(jié)構(gòu)。（b）零泊松比結(jié)構(gòu)。（c）負(fù)泊松比結(jié)構(gòu)；
該研究中，首先基于拓?fù)鋬?yōu)化方法得到了不同楊氏模量E、泊松比υ和剪切模量G的超材料胞元，并建立對(duì)應(yīng)的屬性空間作為數(shù)據(jù)樣本。隨后，基于Keras平臺(tái)搭建了具備三個(gè)卷積解碼/編碼網(wǎng)絡(luò)的深度神經(jīng)網(wǎng)絡(luò)系統(tǒng)，用于實(shí)現(xiàn)結(jié)構(gòu)性能評(píng)估、結(jié)構(gòu)補(bǔ)充與結(jié)構(gòu)生成。基于拓?fù)鋬?yōu)化樣本實(shí)現(xiàn)PPN網(wǎng)絡(luò)的離線訓(xùn)練，同時(shí)結(jié)合隨機(jī)結(jié)構(gòu)訓(xùn)練GAN網(wǎng)絡(luò)以補(bǔ)充胞元屬性空間。最后，基于屬性空間擴(kuò)充后的樣本進(jìn)一步訓(xùn)練SGN網(wǎng)絡(luò)，對(duì)于任意的力學(xué)參數(shù)目標(biāo)，均可在0.01秒內(nèi)給出胞元構(gòu)型，實(shí)現(xiàn)了多屬性胞元的快速逆向設(shè)計(jì)。針對(duì)優(yōu)化設(shè)計(jì)和網(wǎng)絡(luò)預(yù)測(cè)得到的特定屬性結(jié)構(gòu)進(jìn)行3D打印（如圖2所示），并開(kāi)展DIC壓縮試驗(yàn)表征了其模量與泊松比，驗(yàn)證了算法的準(zhǔn)確性和有效性。
圖3 相鄰胞元結(jié)構(gòu)連通性的實(shí)現(xiàn)：（a）單元邊界的定義和連接的分類(lèi)（具有不同顏色的結(jié)構(gòu)表示不同的屬性）；（b）SGN網(wǎng)絡(luò)調(diào)整初始設(shè)計(jì)；（c）經(jīng)過(guò)網(wǎng)絡(luò)匹配得到的最終結(jié)構(gòu)。
在超材料胞元快速逆向設(shè)計(jì)的基礎(chǔ)上，創(chuàng)新提出了一種結(jié)構(gòu)像素化方法，通過(guò)結(jié)構(gòu)的E-υ-G屬性與R-G-B通道一一映射，將結(jié)構(gòu)屬性數(shù)據(jù)庫(kù)轉(zhuǎn)化為像素?cái)?shù)據(jù)庫(kù)。首先基于像素匹配的方式生成滿足宏觀屬性需求的初始設(shè)計(jì)，隨后網(wǎng)絡(luò)系統(tǒng)根據(jù)結(jié)構(gòu)的連通性要求進(jìn)一步優(yōu)化胞元結(jié)構(gòu)，保證宏觀結(jié)構(gòu)的可制造性，如圖3所示。研究者們以髖關(guān)節(jié)假體為例，開(kāi)展了梯度超材料結(jié)構(gòu)的快速設(shè)計(jì)。如圖4所示，髖關(guān)節(jié)假體在人體中主要承受非軸向載荷，如果嵌入骨骼中的部分發(fā)生彎曲，受到彎曲拉應(yīng)力作用的一側(cè)，將牽引其上附著的骨組織，誘發(fā)組織損傷。模仿實(shí)際骨骼的力學(xué)屬性分布特征，采用神經(jīng)網(wǎng)絡(luò)系統(tǒng)在不同位置自動(dòng)排列模量與泊松比梯度變化的超材料胞元（圖5），從而調(diào)整了宏觀結(jié)構(gòu)的變形模式，使髖關(guān)節(jié)植入結(jié)構(gòu)的兩側(cè)，均保持在壓應(yīng)力狀態(tài)，解決了假體界面失效的問(wèn)題。計(jì)算模型基于圍繞假體的凹槽，用于模擬假體插入骨骼,固定凹槽的底端并在假體的頂部施加非對(duì)稱(chēng)壓縮載荷。同時(shí)他們還建立了一個(gè)多材料模型，每個(gè)晶胞區(qū)域代表一種材料，材料性質(zhì)與超材料模型中相同位置的晶胞的E-G-υ一致。兩種模型的水平位移計(jì)算結(jié)果如圖5f所示，槽左側(cè)的位移為負(fù)，而右側(cè)的位移為正，這表明假體兩側(cè)的界面被均勻擠壓。假體與骨牢固結(jié)合，有效防止界面破壞，梯度結(jié)構(gòu)具有完。美的連接狀態(tài)，類(lèi)似于超材料模型的設(shè)計(jì)目標(biāo)。超材料模型和多材料模型的計(jì)算結(jié)果高度一致，證實(shí)了他們提出的超材料設(shè)計(jì)方法的準(zhǔn)確性，這種有效的連接策略在滿足增材制造要求的同時(shí)實(shí)現(xiàn)了與多材料設(shè)計(jì)相同的性能。
圖4 人體髖關(guān)節(jié)假體的受力狀態(tài)。（從外到內(nèi)為皮膚、髖骨和假體。假體受到不對(duì)稱(chēng)軸向壓縮力作用，中間的粉紅色區(qū)域被選為目標(biāo)設(shè)計(jì)區(qū)域。）
圖5 深度神經(jīng)網(wǎng)絡(luò)系統(tǒng)實(shí)現(xiàn)梯度模量/泊松比髖關(guān)節(jié)結(jié)構(gòu)設(shè)計(jì)：（a）具有生物相似結(jié)構(gòu)的梯度模量分布；（b）受變形模式啟發(fā)的泊松比分布；（c）疊加后的最終力學(xué)性能分布；（d）GSN網(wǎng)絡(luò)在像素匹配后調(diào)整結(jié)構(gòu)；（e）滿足目標(biāo)模量和泊松比設(shè)計(jì)要求的超材料髖關(guān)節(jié)結(jié)構(gòu)。（f）模擬假體受載的位移云圖，等效多材料模型（上）和超材料模型（下）。
原文鏈接：
https://www.sciencedirect。。ｃｏｍ/science/article/pii/S0020740322007986
熱門(mén)搜索：
摩方精密3D打印
2微米高精度微納3D打印系統(tǒng)
microArch S240A10μm高精度微納3D打印
器官芯片3d打印
nanoArch P14010μm精度微納3D打印系統(tǒng)
nanoArch S1302μm精度微納3D打印系統(tǒng)
微納陶瓷3D打印
nanoArch S14010μm精度微納3D打印系統(tǒng)
科研3D打印機(jī)
nanoArch P15025μm高精密3D打印系統(tǒng)
3D打印微針
微流控芯片3D打印
nanoArch S1403d打印精密醫(yī)療內(nèi)窺鏡
精密連接器3D打印
10微米高精度微納3D打印系統(tǒng)
光固化3D打印
更新時(shí)間：2023-06-21
點(diǎn)擊次數(shù)：1311
當(dāng)前位置：
