弯曲驱动器有效材料刚度的创新测量方法与性能评估

本文提出了一种测量弯曲驱动器有效刚度的新方法，通过张力加载和力学平衡分析确定应力分布，并引入形状驱动模量（SAM）作为关键性能指标。研究采用导电聚乳酸（PLA）形状记忆驱动器进行基准测试，发现其在25-50 mm曲率半径范围内呈现线性行为（SAM=3.8±0.9 MPa）。通过调控铰链初始曲率可有效控制线性区间，为驱动器设计提供重要指导。生物复合驱动器的对比研究表明，干燥状态下的吸湿记忆（hygromnemic）驱动器刚度比吸湿变形（hygromorphic）驱动器高一个数量级。

　　

引言

驱动器作为能量转换系统，能够将热能、机械能或湿度能转化为机械运动。形状记忆材料通过预约束实现热-机械能量转换，而吸湿驱动材料则通过不同材料界面产生的内部约束实现形变。聚乳酸（PLA）作为4D打印的关键材料，可与多种增强材料结合制造结构驱动器。天然纤维复合材料作为生物基替代品，其吸湿特性可用于驱动器的设计，但湿度吸收会影响其界面力学行为。

新型刚度评估后处理技术

研究团队开发了基于图像处理的力学性能评估方法。通过阈值处理和骨架提取获得试样的中截面形态，结合欧拉-伯努利梁理论建立自由体力学平衡方程。中性轴位置由公式r_n = t/log_e(r_o/r_i)确定，其中t为厚度，r_o和r_i分别为外表面和内表面的曲率半径。通过应力计算公式获得弯曲应力σ_b(x)、法向应力σ_N(x)和剪切应力τ(x)，总法向应力为σ(x) = σ_b(x) + σ_N(x)。

曲率测量采用最小二乘法进行圆拟合，形状记忆铰链试样的曲率测量集中在弯曲部分。研究定义了形状驱动模量（SAM）作为关键性能指标：SAM = (σ_ρ2 - σ_ρ1)/(ρ₂ - ρ₁)，其中曲率应变ρ = (r - r_ini)/r_ini。SAM反映了驱动器在特定构型下的载荷承载能力，是理解材料在运动过程中同时移动重物能力的关键参数。

结果分析

形状记忆复合材料的分析

导电PLA驱动器的应力-曲率曲线与应力-应变曲线显示相似演化规律。SAM测量在线性区间（曲率半径30-50 mm）进行，结果显示曲率半径越大，SAM值越低。在50 mm曲率半径处，SAM值为3.8±0.9 MPa，表明材料在此变形范围内保持恒定载荷承载能力。

不同铰链结构的对比

SMC铰链₁₂和SMC铰链₂₄的初始曲率半径分别为17.2±0.6 mm和23.5±0.7 mm。在25 mm曲率半径处，两者应力值存在显著差异（p=0.0079），分别为10.8±0.4 MPa和1.8±0.7 MPa。SAM线性区间也各不相同：SMC铰链₂₄为[22.7;79.6] mm，SMC铰链₁₂为[16.4;51.5] mm。这表明通过调整初始曲率可有效控制驱动器的线性行为范围。

断裂形貌分析显示，SMC铰链₁₂试样出现0°层净断裂和90°层间纤维脱粘现象。粗糙的断裂表面表明存在多个小型断裂过程，能量耗散机制较为复杂。

吸湿记忆与吸湿驱动器的对比

吸湿记忆驱动器显示90°层的脆性断裂，而吸湿驱动器表现出更多的能量耗散机制，包括纤维脱粘和0°长丝断裂。吸湿记忆驱动器的SAM值比吸湿驱动器高一个数量级，这表明在相同曲率变化下，吸湿记忆材料能提供更大的应力变化。

载荷承载测试证实，吸湿记忆驱动器可承载高达50 g重量，而吸湿驱动器仅能承载5 g，进一步验证了刚度差异。这种差异主要源于湿度对天然纤维复合材料中多糖的塑化作用，以及不同初始曲率导致的几何效应。

结论

本研究提出的驱动有效刚度测量方法为材料驱动器的测试和性能评估提供了新策略。通过力学平衡分析和应力分布计算，能够准确评估驱动器在弯曲过程中的刚度特性。研究表明，通过调整初始曲率可控制驱动器的线性行为范围，而SAM参数为不同驱动器的性能比较提供了有效指标。吸湿记忆驱动器相比吸湿驱动器具有更高的刚度和载荷能力，但其断裂行为更为脆性。

实验方法

打印工艺

所有试样采用Laywood meta 5材料在Prusa MK4打印机上制作，打印温度215°C，热床温度70°C。叠层序列为[90°₃;0°]，长丝间距为1.2 mm。导电PLA材料使用相同工艺参数打印。

驱动编程

形状记忆驱动器采用80°C编程温度保持5分钟，在65°C释放应力。试样用胶带固定在24 mm半径管或弯曲金属板上。吸湿记忆驱动器在90%相对湿度环境中 conditioning 5小时至4天，吸湿驱动器在相同条件下处理66小时。

力学测试

试样两端粘贴T形组织片，使用Shimadzu拉伸试验机以2 mm/min速度加载。采用Allied vision U811m相机以1帧/秒记录变形过程。载荷承载测试采用3D打印支柱，间距30 mm，逐步增加重量直到试样破坏或弯曲过度。

支持信息

支持信息可从Wiley在线图书馆获取。

致谢

感谢ERC-2020-AdG 101020715 NEUROMETA项目和EPSRC博士奖学金的资助。

利益冲突

作者声明无利益冲突。