基于微计算机断层扫描数据的玻璃纤维增强3D打印长丝建模研究：一种结合EFMs的混合方法

本研究针对3D打印玻璃纤维增强聚乳酸(3D-cgPA)力学性能预测难题，创新性提出结合微计算机断层扫描(micro-CT)与三种有效场方法(EFMs)的混合建模策略。通过micro-CT可视化纤维分布，采用Non-Interaction、Mori-Tanaka和Maxwell方法建立理想模型，成功预测复合材料弹性模量E11 、E22 等参数，与实验结果高度吻合，为复杂结构复合材料设计提供高效分析工具。

　　

3D打印技术正在重塑制造业格局，其中纤维增强复合材料因其优异的力学性能和快速成型能力备受关注。然而，这类材料内部复杂的纤维排布形态，使得传统力学模型难以准确预测其性能表现。特别是玻璃纤维增强聚乳酸(3D-cgPA)材料，虽然成本优势显著，但纤维分布的随机性导致其力学行为预测成为行业痛点。现有基于有限元(FEM)的微计算机断层扫描(micro-CT)建模方法虽能精确还原微观结构，却面临计算量爆炸的困境。

针对这一挑战，来自国外研究机构的E. Polyzos团队在《Mechanics of Materials》发表创新研究，提出将micro-CT成像技术与三种解析型有效场方法(EFMs)相结合的混合建模策略。该研究突破传统FEM的局限，通过micro-CT扫描获取3D-cgPA单根打印长丝的真实纤维分布数据，继而应用Non-Interaction、Mori-Tanaka和Maxwell三种EFMs建立理想化模型，成功预测材料的弹性模量E₁₁
、E₂₂
等关键参数。结果显示，该方法在保持micro-CT精度的同时，计算效率显著提升，为复合材料性能预测开辟了新途径。

关键技术方法包括：使用MarkForged Mark Two打印机制备3D-cgPA试样；通过micro-CT扫描获取纤维空间分布数据（15个代表性体积单元RVE）；采用直接体素映射与相位分割两种图像处理方法；应用三种EFMs理论模型进行弹性性能预测；通过拉伸实验验证模型准确性。

【材料与方法】
研究选用MarkForged Mark Two商用3D打印机，以275℃打印温度和9.2mm/s速度制备150mm长的单纤维长丝试样。通过micro-CT扫描重建纤维三维分布，发现纤维体积分数在24.8%-46.7%区间波动，但不同试样间具有统计一致性。

【分析建模】
创新性地将micro-CT数据融入三种EFMs：Non-Interaction法忽略纤维间相互作用；Mori-Tanaka法考虑基体平均场效应；Maxwell法模拟等效夹杂问题。模型特别关注纤维长径比、取向角等微观参数对宏观性能的影响。

【结果】
纤维体积分数分析显示试样间一致性良好（平均ν?_f
偏差<5%）。EFMs预测的弹性参数E₁₁
、E₂₂
与实验值误差在8%以内，其中Mori-Tanaka法表现最优。研究首次证实EFMs可有效处理micro-CT提取的真实纤维拓扑数据。

【结论】
该研究建立的micro-CT-EFMs混合方法，成功解决了3D打印复合材料微观结构-性能关联难题。相比传统FEM方法，计算效率提升两个数量级，且精度满足工程需求。特别值得注意的是，该方法能捕捉局部纤维分布变异对宏观性能的影响，为定制化复合材料设计提供理论工具。研究团队特别指出，这是首次在公开文献中报道此类混合建模方法在3D打印复合材料中的应用。

这项工作的科学价值在于：首次实现micro-CT数据与解析模型的有机融合；验证EFMs处理真实微观结构的可行性；建立适用于工业场景的高效性能预测流程。FWO Research Foundation资助方在致谢部分特别强调，该方法有望推动复合材料从"经验设计"向"预测设计"的范式转变。