AI開發3D列印材料，有望拓寬回收塑膠新用途

伴隨著當下對更復雜和多功能3D列印產品需求的不斷增加，人們在探索增材製造新材料適用性的道路上也越走越寬。

獲悉，為了開發出更多可相容的3D列印材料，達卡工程技術大學的研究人員嘗試利用機器學習技術對6種不同的3D列印用奈米顆粒填充塑膠材料進行了分析和研究。這六種新的長絲是針對FFF 3D列印工藝設計的，由回收的塑膠和奈米顆粒組合而成，其中兩種材料使用了石墨烯塗層。

在研究過程中，該團隊評估和對比了材料的特性，包括微觀結構、表面紋理、機械行為和熱特性。在機器學習技術的幫助下，研究人員能夠對給定的3D列印產品的列印引數進行關聯，以實現更可靠和更強的機械和物理效能。

△a.PLA和HDPE，b. PLA、HDPE和TiO2，c. 再生塑膠、PLA和HDPE，d. 再生塑膠、PLA、HDPE和TiO2的顆粒混合物。圖片來自Polymer Testing。

FFF的工藝引數

在這項研究中，研究人員專注於FFF工藝，其中熔體和擠壓壓力的動態平衡以及與溫度相關的聚合物流變學等因素對於實現最佳的3D列印部件至關重要。FFF列印部件的尺寸精度、表面光潔度和機械性會受到使用長絲的效能和質量以及相鄰長絲之間粘合特性的顯著影響。

因此，科學家們認為，為了最佳化FFF列印的部件，瞭解各種工藝引數設定如何影響部件的機械效能至關重要，其中最關鍵的是拉伸、壓縮、彎曲或衝擊強度以及列印方向。

△a.PLA和HDPE，b. PLA和HDPE，c. PLA、HDPE和TiO2，d. 再生塑膠、PLA和HDPE，e. 再生塑膠、PLA和HDPE，f. 再生塑膠、PLA、HDPE和TiO2混合擠出的長絲。圖片來自Polymer Testing。

用機器學習設計新的3D列印絲材

這項研究的主要目的是探索與市售產品相比，如何尋求更可靠、更豐富的3D列印部件的強大機械和物理效能，研究人員希望該研究的發現和應用能夠為開發各種行業相關工藝做出貢獻。

研究小組開發了六種含有PLA、HDPE、回收長絲材料和氧化鈦（TiO2）奈米顆粒的新長絲，使用市面上的FFF 3D印表機和長絲擠出機生產3D列印部件。

其中的兩種長絲材料中包含了用作疏水塗層的石墨烯，這樣可以最大限度地改變最終部件的原始機械效能，並且只處理部件的表面。

對於每種材料，都是使用機器學習技術來預測噴嘴溫度，而列印床溫度和列印速度也由該團隊的機器學習程式決定。研究人員表示，FFF列印產品的質量直接取決於所使用材料的流動性，而這是由準確的噴嘴溫度所保證的。

△a.3D的模型影象，b. 45度的列印方向。圖片來自PolymerTesting。

研究人員透過python平臺建立機器學習程式，該程式採用線性迴歸演算法來建立相對的資料點。還應用了一個培訓/測試功能來衡量機器學習模型的適用性，它將資料分為訓練集和測試集。這個函式能夠幫助團隊對比理論上的最佳擬合值，更直觀地看到模型的完成程度。

當測試資料與訓練資料集吻合時，該模型被宣佈有效，這意味著預測的噴嘴溫度足以列印樣品。正如機器學習程式所建議的那樣，由奈米顆粒和再生塑膠組成的材料的噴嘴溫度最高，而當印表機的床身溫度處於最高水平時，列印速度處於最小範圍。

在列印完成後，對這些材料進行拉伸強度、伸長率、硬度和熱重分析（TGA）測試，以及其他一些測試，以評估列印樣品的最佳化效能。

△a.SolidWorks模型，b. FFF 3D印表機，c. 列印的試樣。圖片來自Polymer Testing。

研究人員的最終目的是將機器學習演算法作為一種手段部署，使FFF列印的零件與傳統的3D列印零件相比，具有更可靠和更強的機械和物理特性。展望未來，研究人員認為該研究的結果將為工業相關的增材製造工藝的各種改進鋪平道路。

△用於3D印表機的ML工藝最佳化模型驗證。圖片來自Polymer Testing。

該研究的更多資訊可以在《聚合物測試》雜誌上發表的題為："Developmentand analysis of nanoparticle infused plastic products manufactured by machinelearning guided 3D printer"的論文中找到。該研究由M. Hossain、M. Chowdhury、M. Zahid、C. Sakib-Uz-Zaman、M. Rahaman和M. Kowser共同撰寫。