由(you)於其(qi)特異(yi)的宏微觀基元(yuan)拓(tuo)撲(pu)構型，力(li)學超材(cai)料在剛(gang)度、韌性、減(jian)隔振和熱(re)膨脹等性能(neng)方面顯(xian)著(zhu)優於傳(chuan)統(tong)均質(zhi)材(cai)料，受到了航(hang)空航(hang)天(tian)、生(sheng)物(wu)醫(yi)學、電子電路和土木工程等領(ling)域的(de)廣(guang)泛關(guan)註(zhu)。生(sheng)物(wu)體經過(guo)長(chang)期進化形(xing)成(cheng)的各(ge)類(lei)器官，與超(chao)材(cai)料的概念相(xiang)契合，即通過(guo)多(duo)層(ceng)級微結構實現超(chao)常(chang)物(wu)理力(li)學特性，同時生(sheng)物(wu)器(qi)官的微結構基元(yuan)還(hai)呈(cheng)現出(chu)梯(ti)度漸變、長(chang)程(cheng)無序(xu)等特(te)征。目前，針(zhen)對(dui)力(li)學超材(cai)料發展的拓(tuo)撲(pu)優化(hua)方法(fa)和(he)機(ji)器學習(xi)設計(ji)方法(fa)，主要(yao)面向(xiang)周(zhou)期性結構，對(dui)於仿(fang)生(sheng)梯(ti)度超材(cai)料的逆向設計(ji)和優化(hua)，缺(que)乏(fa)高效(xiao)率(lv)、高保(bao)真的計(ji)算分析(xi)方法(fa)。
圖1深(shen)度神經多(duo)網絡系統(tong)實(shi)現多(duo)屬(shu)性胞(bao)元(yuan)的(de)定(ding)制總體思路(lu)框(kuang)圖(tu)
近(jin)期，來(lai)自北(bei)京(jing)理工大學的研(yan)究(jiu)者(zhe)們提出(chu)了壹種加速(su)梯度力(li)學超材(cai)料逆向設計(ji)的深(shen)度學習(xi)方法(fa)。發(fa)展了壹種由(you)對(dui)抗神經網(wang)絡(GAN)、性能(neng)預測(ce)網(wang)絡(PPN)和結構生(sheng)成(cheng)網絡(SGN)組成(cheng)的多(duo)重網絡深(shen)度學習(xi)框架(jia)，如圖(tu)1所示(shi)，可實(shi)現力(li)學性能(neng)參(can)數和(he)拓(tuo)撲(pu)構型的快速(su)雙向(xiang)映(ying)射(she)。基於此(ci)深(shen)度學習(xi)框架(jia)，將(jiang)各(ge)向(xiang)異(yi)性材(cai)料楊(yang)氏(shi)模(mo)量、剪(jian)切模(mo)量和(he)泊松(song)比組(zu)成(cheng)的屬(shu)性空間(jian)，類比(bi)於R-G-B色彩空間(jian)，進而將梯(ti)度力(li)學超材(cai)料逆向設計(ji)轉換為(wei)色彩匹(pi)配(pei)問(wen)題。利(li)用(yong)HTL樹(shu)脂(zhi)3D打印（NanoArch S140，摩(mo)方精(jing)密(mi)）制備了超(chao)材(cai)料結構樣(yang)件(jian)，采用(yong)數字圖像(xiang)相(xiang)關（DIC）方法(fa)驗(yan)證了逆(ni)向(xiang)設計(ji)的有(you)效(xiao)性。相(xiang)關成(cheng)果以(yi)“A Deep Learning Approach for Reverse Design of Gradient Mechanical Metamaterials"為(wei)題發(fa)表(biao)在《International Journal of Mechanical Sciences》期刊。
圖2 周期性超材(cai)料的應力(li)應變(bian)曲線和(he)泊松(song)比應變(bian)曲線，其(qi)中(zhong)左側插圖為(wei)3D打印(yin)試件(jian)，右(you)側插圖為(wei)有(you)限(xian)元(yuan)分析(xi)模(mo)型。（a） 正(zheng)泊松(song)比結構。（b）零泊松(song)比結構。（c）負泊松(song)比結構；
該(gai)研(yan)究(jiu)中(zhong)，首先基於拓(tuo)撲(pu)優化(hua)方法(fa)得(de)到了不(bu)同(tong)楊(yang)氏(shi)模(mo)量E、泊(bo)松(song)比υ和(he)剪(jian)切模(mo)量G的(de)超材(cai)料胞(bao)元(yuan)，並建立對(dui)應的(de)屬(shu)性空間(jian)作(zuo)為(wei)數據(ju)樣(yang)本。隨(sui)後(hou)，基於Keras平臺搭(da)建(jian)了具(ju)備三個卷(juan)積解(jie)碼/編碼(ma)網絡的深(shen)度神經網(wang)絡系統(tong)，用(yong)於實(shi)現結構性能(neng)評(ping)估(gu)、結構補充與結構生(sheng)成(cheng)。基於拓(tuo)撲(pu)優化(hua)樣(yang)本實(shi)現PPN網(wang)絡的離(li)線(xian)訓練，同(tong)時(shi)結合隨機(ji)結構訓練GAN網(wang)絡以(yi)補(bu)充胞(bao)元(yuan)屬(shu)性空間(jian)。最後(hou)，基於屬(shu)性空間(jian)擴充後的(de)樣(yang)本進壹步訓練SGN網(wang)絡，對(dui)於任(ren)意(yi)的(de)力(li)學參(can)數目(mu)標(biao)，均可(ke)在(zai)0.01秒內(nei)給(gei)出(chu)胞(bao)元(yuan)構型，實現了多(duo)屬(shu)性胞(bao)元(yuan)的(de)快(kuai)速(su)逆向(xiang)設計(ji)。針(zhen)對(dui)優化(hua)設計(ji)和網絡預測(ce)得(de)到(dao)的特(te)定屬(shu)性結構進行3D打(da)印(yin)（如圖(tu)2所示(shi)），並開展DIC壓(ya)縮試驗(yan)表(biao)征了其(qi)模(mo)量與(yu)泊松(song)比，驗(yan)證(zheng)了算(suan)法(fa)的(de)準(zhun)確(que)性和有(you)效(xiao)性。
圖3 相(xiang)鄰胞(bao)元(yuan)結構連通性的實現：（a）單(dan)元(yuan)邊(bian)界的(de)定義(yi)和連(lian)接的(de)分類（具(ju)有(you)不(bu)同(tong)顏(yan)色的結構表(biao)示(shi)不同(tong)的屬(shu)性）；（b）SGN網絡調整初始(shi)設計(ji)；（c）經過(guo)網絡匹配(pei)得到的(de)最(zui)終(zhong)結構。
在超材(cai)料胞(bao)元(yuan)快(kuai)速(su)逆向(xiang)設計(ji)的基礎(chu)上，創(chuang)新(xin)提(ti)出(chu)了壹種結構像素化方法(fa)，通(tong)過(guo)結構的E-υ-G屬(shu)性與R-G-B通道壹壹映(ying)射(she)，將(jiang)結構屬(shu)性數據(ju)庫(ku)轉化為(wei)像素(su)數據(ju)庫(ku)。首先基於像(xiang)素(su)匹(pi)配(pei)的方式(shi)生(sheng)成(cheng)滿足宏觀屬(shu)性需求的初(chu)始(shi)設計(ji)，隨後網(wang)絡系統(tong)根(gen)據(ju)結構的連通性要(yao)求進壹步優化(hua)胞(bao)元(yuan)結構，保證宏觀結構的可制造(zao)性，如圖(tu)3所示(shi)。研(yan)究(jiu)者(zhe)們以(yi)髖(kuan)關(guan)節假體為(wei)例(li)，開展了梯(ti)度超材(cai)料結構的快速(su)設計(ji)。如圖(tu)4所示(shi)，髖關(guan)節假體在人(ren)體中(zhong)主要(yao)承(cheng)受非(fei)軸(zhou)向(xiang)載荷，如果(guo)嵌(qian)入(ru)骨骼中(zhong)的部(bu)分發生(sheng)彎曲，受到(dao)彎曲拉應力(li)作(zuo)用(yong)的(de)壹側，將牽引(yin)其(qi)上附著(zhe)的(de)骨組織(zhi)，誘(you)發組(zu)織(zhi)損(sun)傷。模(mo)仿(fang)實(shi)際(ji)骨(gu)骼的力(li)學屬(shu)性分布特(te)征(zheng)，采用神經網(wang)絡系統(tong)在(zai)不同(tong)位置自動(dong)排列模(mo)量與(yu)泊松(song)比梯(ti)度變化的超(chao)材(cai)料胞(bao)元(yuan)（圖(tu)5），從而調整了宏觀結構的變形模(mo)式，使(shi)髖關(guan)節植入(ru)結構的兩側，均保(bao)持在壓應力(li)狀態(tai)，解(jie)決了假(jia)體界面失效(xiao)的問(wen)題。計(ji)算模(mo)型基於圍(wei)繞(rao)假(jia)體的凹(ao)槽，用(yong)於模(mo)擬假(jia)體插入(ru)骨骼,固定凹槽(cao)的底端並在假體的頂部(bu)施加非(fei)對(dui)稱壓(ya)縮載荷。同時(shi)他們還(hai)建(jian)立(li)了壹個多(duo)材(cai)料模(mo)型，每個晶(jing)胞(bao)區(qu)域代(dai)表(biao)壹種材(cai)料，材(cai)料性質(zhi)與超(chao)材(cai)料模(mo)型中(zhong)相(xiang)同位置的晶(jing)胞(bao)的(de)E-G-υ壹致(zhi)。兩種模(mo)型的(de)水(shui)平位移計(ji)算結果如圖(tu)5f所示(shi)，槽左側的位移為(wei)負，而右(you)側的位移為(wei)正，這表(biao)明假體兩側的界面被(bei)均勻(yun)擠(ji)壓。假(jia)體與骨(gu)牢固結合，有(you)效(xiao)防止界面破(po)壞(huai)，梯度結構具有(you)完(wan)。美(mei)的連(lian)接(jie)狀態(tai)，類似(si)於超(chao)材(cai)料模(mo)型的(de)設計(ji)目標。超(chao)材(cai)料模(mo)型和(he)多(duo)材(cai)料模(mo)型的(de)計(ji)算結果高度壹致(zhi)，證(zheng)實(shi)了他(ta)們提出(chu)的(de)超材(cai)料設計(ji)方法(fa)的(de)準(zhun)確(que)性，這種有(you)效(xiao)的連(lian)接策(ce)略(lve)在滿(man)足增(zeng)材(cai)制造(zao)要(yao)求的(de)同時實現了與(yu)多(duo)材(cai)料設計(ji)相(xiang)同的性能(neng)。
圖4 人(ren)體髖關(guan)節假體的受(shou)力(li)狀態(tai)。（從外到(dao)內(nei)為(wei)皮(pi)膚、髖骨(gu)和假(jia)體。假體受到(dao)不對(dui)稱軸(zhou)向(xiang)壓縮力(li)作(zuo)用(yong)，中(zhong)間的(de)粉(fen)紅(hong)色區(qu)域被(bei)選為(wei)目標(biao)設計(ji)區(qu)域。）
圖5 深(shen)度神經網(wang)絡系統(tong)實(shi)現梯(ti)度模(mo)量/泊(bo)松(song)比髖(kuan)關(guan)節結構設計(ji)：（a）具有(you)生(sheng)物(wu)相(xiang)似(si)結構的梯度模(mo)量分布；（b）受(shou)變(bian)形模(mo)式啟發(fa)的泊松(song)比分布；（c）疊加(jia)後的最(zui)終力(li)學性能(neng)分布；（d）GSN網(wang)絡在像(xiang)素(su)匹配(pei)後調整結構；（e）滿足目(mu)標(biao)模(mo)量和(he)泊松(song)比設計(ji)要(yao)求的(de)超材(cai)料髖關節結構。（f）模(mo)擬假(jia)體受載(zai)的位移雲圖，等效(xiao)多(duo)材(cai)料模(mo)型（上）和超材(cai)料模(mo)型（下(xia)）。
原(yuan)文鏈(lian)接(jie)：
https://www.sciencedirect。。ｃｏｍ/science/article/pii/S0020740322007986
熱(re)門(men)搜索：
摩(mo)方精(jing)密(mi)3D打印
2微米(mi)高精(jing)度微納3D打印(yin)系(xi)統(tong)
microArch S240A10μm高精(jing)度微納3D打印(yin)
器(qi)官(guan)芯(xin)片3d打(da)印
nanoArch P14010μm精(jing)度微納3D打印(yin)系(xi)統(tong)
nanoArch S1302μm精度微納3D打印(yin)系(xi)統(tong)
微納(na)陶(tao)瓷(ci)3D打印(yin)服(fu)務
nanoArch S14010μm精(jing)度微納3D打印(yin)系(xi)統(tong)
nanoArch P15025μm高精(jing)密3D打印系統(tong)
3D打(da)印微(wei)針(zhen)
microArch S240A光(guang)固化陶(tao)瓷(ci)3D打印(yin)機(ji)
微流(liu)控(kong)芯(xin)片3D打(da)印
精(jing)密連接器(qi)3D打(da)印
10微(wei)米(mi)高精(jing)度微納3D打印(yin)系(xi)統(tong)
nanoArch S1403d打印(yin)精密(mi)醫(yi)療內(nei)窺(kui)鏡(jing)
光(guang)固化3D打印(yin)
當(dang)前位置：首頁(ye)
技(ji)術(shu)文章
更新時間：2023-06-21
點擊(ji)次(ci)數：1473
