面向增材制造性能优化点阵结构的机器学习增强有限元分析

《Next Materials》：Machine learning-enhanced finite element analysis for performance-optimized lattice structures in additive manufacturing

　　

常见点阵单胞（如面心立方（FCC）和体心立方（BCC））在轻量化工程中有广泛应用，但在复杂载荷条件下存在力学强度与稳定性不足的问题。本研究旨在通过设计和分析先进点阵构型来填补这一空白，包括含中心撑杆的FCC、混合BCC–FCC以及同时使用垂直和水平撑杆的混合BCC–FCC结构。为应对传统计算测试的高昂成本，研究人员建立了一种基于监督式机器学习（ML）的方法，采用Matern 5/2核函数的高斯过程回归（GPR）预测应力-应变关系。预测模型的数据来源于有限元分析（FEA）仿真点。根据FEA和GPR结果，含中心撑杆的贯通混合BCC-FCC构型优于所有其他组合。具体而言，BCC与FCC混合组合的最高应力（3520 MPa）比任何未增强设计的最高承载能力高出23%。此外，验证结果表明预测数据与实验数据相关性极好，标准点阵的平均最小误差为11.8%，含中心撑杆的BCC-FCC为3.64%。因此，结果表明GPR建模可为增材制造（AM）中先进超材料的设计优化提供一种经济高效且节能的手段，适用于高性能航空航天和生物医学应用等领域。

本研究旨在解决传统点阵结构在复杂载荷条件下力学性能不足的瓶颈问题，为增材制造领域开发性能优化的超材料提供新途径。现有面心立方（FCC）和体心立方（BCC）等常见点阵单胞虽广泛应用于轻量化工程，但其机械强度与稳定性在复杂工况下表现欠佳。近年来，通过多形态混合结构、功能梯度设计以及仿生六方密堆积等策略虽取得一定进展，但传统BCC与FCC结构的机械协同效应及其与中央撑杆等增强特征的耦合机制尚未得到充分探索。同时，传统基于有限元分析（FEA）的计算测试方法成本高昂、能耗巨大，制约了点阵结构的大规模设计优化。为此，研究人员开展了面向增材制造性能优化点阵结构的机器学习增强有限元分析研究，相关成果发表于《Next Materials》。

该研究以Ti-6Al-4V合金为材料，设计了五种点阵单胞构型：BCC、FCC、含中心撑杆的FCC、混合BCC-FCC以及含中心垂直与水平撑杆的混合BCC-FCC。通过FEA获取高保真仿真数据，建立基于高斯过程回归（GPR）的代理模型，实现了对复杂应力-应变行为的精准预测。研究结果表明，含中心撑杆的混合BCC-FCC构型展现出最优的力学性能，其最大应力达3520 MPa，较未增强设计提升23%。该构型在整个变形历程中保持超高强度（>3000 MPa），并呈现自放大强化效应，为冲击防护结构和高性能能量吸收器的设计提供了新范式。验证结果显示，GPR预测与实验数据高度吻合，标准BCC点阵平均误差为11.8%，增强混合构型降至3.64%，证明了该代理模型在点阵结构设计优化中的可靠性与高效性。

本研究所采用的关键技术方法包括：基于Ti-6Al-4V合金的五种理想化CAD几何模型构建与SolidWorks 2020参数化设计；Abaqus 2020数值仿真平台；Python 3.13机器学习数据处理与分析；基于Matern 5/2核函数的高斯过程回归代理建模，输入特征向量涵盖点阵类别、节点连通性指数、有效相对密度及瞬时应变；随机70/30划分训练集与验证集的交叉验证策略；以及与Alomar & Concli标准BCC实验数据及Rahimi和Asghari增强混合构型实验数据的对比验证。

**3.1 体心立方（BCC）**：BCC点阵在压缩载荷下，节点连接处和撑杆交汇处出现高应力集中区。应力从0.05应变时的1843 MPa迅速增至0.15应变时的3037 MPa，表明从弹性向塑性行为的转变。0.20应变时应力降至2365 MPa，随后在0.60应变时于2485–3107 MPa间波动，0.70应变时出现3256 MPa的早期最高次级峰值，反映BCC拓扑的高节点连通性和结构刚度所带来的初始抗弯曲能力，以及后续复杂的屈曲模式和折叠模式。

**3.2 面心立方（FCC）**：FCC点阵呈现高度分散的载荷传递机制。应力-应变响应分为三个阶段：初始波动区（0.05–0.30应变，1867–2109 MPa）、显著硬化相（0.35–0.65应变，峰值2759 MPa）以及软化-恢复序列（0.70–1.00应变，先降至1730 MPa后部分恢复至1905 MPa）。与BCC相比，FCC初始应力较低，归因于其较低的几何约束和节点连通性，但最终软化行为特性为FCC变形所特有。

**3.3 含中心撑杆的面心立方（FCC）**：添加中心撑杆显著改善FCC性能，形成四个强度区域：高强度平台区（0.05–0.20应变，2657–3023 MPa）、强度校准区（0.25–0.80应变，峰值3619 MPa）、控制软化区（0.85–1.00应变，2494–2600 MPa）。垂直和水平撑杆抑制了FCC点阵的弯曲倾向，使该阶段应变值较纯FCC提高40%–50%，峰值强度较BCC提升30%–40%，达纯FCC的近两倍。

**3.4 面心立方与体心立方混合（BCC-FCC）**：混合构型呈现四阶段力学响应：初始高强度啮合相（0.05–0.25应变，2693–2914 MPa）、显著强化峰（0.30–0.45应变，3307–3170 MPa）、暂时应力降低（0.50–0.70应变，2528–2659 MPa）以及大幅恢复与次级峰值（0.75–1.00应变，3377–3384 MPa）。0.85应变时的一级峰值（3384 MPa）表明材料在先前变形点后仍能持续强化。

**3.5 含中心撑杆的BCC-FCC混合**：该构型展现最优机械响应，其变形序列包括：初始低强度状态（0.05–0.15应变，1829–2663 MPa）、高强度强化（0.40应变达3046 MPa）、应力均质化（0.50–0.80应变维持2472–2703 MPa）以及超高强化（0.90应变达3512 MPa，所有设计中的最大值3520 MPa）。该23%的强度提升可通过拓扑锁定机理解释：中心撑杆系统抑制FCC域的自然弯曲模式，将其转换为更高效的拉伸主导变形模式。

**3.6 机器学习（ML）**

**3.6.1 不同点阵设计应力GPR预测精度**：GPR模型对所有构型均显示高精度预测。BCC结构应力约1900–3200 MPa，预测值紧密聚集于参考线；FCC结构1750–2750 MPa范围内呈强线性关系；含中心撑杆FCC达约3600 MPa，模型保真度未受复杂度影响；混合BCC-FCC（约2400–3400 MPa）及含中心撑杆混合构型（约1900–3450 MPa）均表现出稳健的预测能力。

**3.6.2 不同点阵单胞设计的应力-应变性能**：BCC应力主要分布于2200–3000 MPa；FCC最大应力近2800 MPa但变异性较大；含中心撑杆FCC从约3200 MPa开始显著应变硬化；混合BCC-FCC峰值接近3100 MPa；含中心撑杆混合BCC-FCC始终超过3300 MPa，为最具机械鲁棒性的结构。

**3.6.3 GPR应力预测残差分析**：BCC残差趋零且分布均匀；FCC呈现异方差性，高应力时误差增大；含中心撑杆FCC残差呈先增后减趋势，存在非线性强预测误差；混合BCC-FCC在中等应力窗口表现良好但边界预测困难；最复杂的含中心撑杆混合构型残差围绕零线对称分布，性能最为稳定。

**3.6.4 核函数性能**：BCC核值随距对角线距离逐渐降低，体现均匀分布的力学影响；FCC核值衰减更陡峭，反映更密集的节点连通性；含中心撑杆FCC形成高度集中的局部化机械相互作用；混合BCC-FCC呈现中间行为，平衡全局与局部结构特性；含中心撑杆混合构型核高度局部化，沿对角线呈狭长带状，显示优越的应力控制和能量吸收能力。

**3.6.5 基于直方图的预测残差频率分析**：BCC残差峰值位于负残差区，右偏分布；FCC偏斜更严重但相对稳定；含中心撑杆FCC呈多峰分散分布；混合BCC-FCC负向偏斜，–200–100 MPa范围内集中；含中心撑杆混合构型虽分散但负区峰值更明确，整体一致性增强。

**3.6.6 点阵单胞应力-应变行为**：BCC应力50–150 MPa，置信区间紧密；FCC达1500 MPa以上但置信区间较宽；含中心撑杆FCC维持约1200 MPa，置信区间显著收紧；混合BCC-FCC达800 MPa，平衡稳定性与强度；含中心撑杆混合构型应力超1200 MPa，综合表现最强。

**3.6.7 基于应变的置信区间分析**：BCC的95%置信区间（CI）宽度在全应变范围内波动，最高达25；FCC从>9降至2–3后终末回升；含中心撑杆FCC两端峰值为14，中部稳定在4左右；混合BCC-FCC初始较高后逐渐稳定；含中心撑杆混合构型与含中心撑杆FCC相似，端部约17，中部低且稳定。

**3.7 验证**：与Alomar & Concli标准BCC实验数据对比，平均误差11.8%；与Rahimi和Asghari增强混合构型对比，采用等效单元几何的Trial-3验证平均误差3.64%。

研究结论部分指出：混合BCC-FCC几何辅以中心垂直和水平撑杆为机械最优结构，最大应力3520 MPa，较最佳单相或未增强构型提升23%，其强化源于BCC与FCC的波硬化组合及协同稳定性提升；Matern 5/2核函数GPR有效预测复杂应力-应变行为；数值框架经实验验证，标准BCC点阵平均误差11.8%（主要因理想CAD几何未捕获制造缺陷），增强混合单元误差仅3.64%；中心撑杆策略可在不改变基材或整体密度的情况下显著增强能量吸收和结构稳定性。该研究证明了基于GPR的代理模型在增材制造点阵设计优化中的有效性，未来研究将聚焦于模拟增材制造缺陷、建立数字孪生以表征材料各向异性、节点圆角优化、热感知设计、疲劳寿命评估以及循环和冲击载荷下的动态能量吸收，同时将拓展至航空航天和生物医学应用中的可制造性、可靠性与认证预测。