3D打印PLA力学性能的多目标优化：集成田口与NSGA-II方法

《Polymers》：Multi-Objective Optimization of the Mechanical Properties of 3D-Printed PLA: An Integrated Taguchi and NSGA-II Approach

　　

熔融沉积建模（FDM）聚乳酸（PLA）被广泛使用，然而大多数参数研究一次只调整一个力学性能，未解决性能之间的冲突。本研究将FDM PLA的三个响应视为整体：极限拉伸强度（UTS）、弯曲强度（FS）和肖氏D硬度（Shore D hardness）。研究人员采用田口L9正交阵列，改变填充密度（infill density）、光栅角度（raster angle）和层厚（layer thickness）；通过信噪比（S/N ratio）和方差分析（ANOVA）对各因素进行排序，利用线性回归将参数与每个响应关联起来，并使用NSGA-II算法绘制它们之间的权衡曲面。结果表明，层厚是拉伸和弯曲强度的主导因素，而硬度主要受填充密度影响；光栅角度对每个响应的影响均较弱。Pareto前沿显示，低填充有利于拉伸强度，而高填充有利于弯曲强度和硬度，且均在最薄层设置下实现；这些趋势被转化为用于拉伸主导、弯曲主导和平衡零件的参数指南。研究公开说明了筛选设计的统计局限性，将弯曲和硬度数据标记为暂定性，并设定了重复的、符合标准的验证研究作为下一步工作计划。

**论文解读：3D打印PLA力学性能的多目标优化——集成田口与NSGA-II方法**

**研究背景与问题**
增材制造（AM），特别是熔融沉积建模（FDM），因其设计自由度高、设备和材料成本低、材料选择广泛，在快速原型制造、小批量生产及部分结构件和生物医学部件中广泛应用。聚乳酸（PLA）作为最常用的FDM原料之一，来源于可再生资源（如玉米淀粉），具有生物降解性和生物相容性，环境优势显著。然而，PLA的力学性能有限，延展性较低、抗冲击性一般、热稳定性较差，因此通过工艺参数优化提升其力学性能成为一个重要课题。现有研究大多针对单一力学性能进行参数优化，例如拉伸强度、弯曲强度或硬度，但忽略了多个性能之间可能存在的冲突（例如，提高拉伸强度可能降低弯曲强度）。此外，多数优化方法采用单目标或基于规则的方法，难以同时处理多目标权衡。因此，本研究旨在填补这一空白：针对同一打印机、同一批次丝材和同一标准协议，系统测量拉伸强度、弯曲强度和肖氏D硬度三个性能，并构建一个完整的权衡图，使从业者能直观了解参数变化时各性能的得失。论文发表在《Polymers》上。

**研究内容与结论**
研究人员采用集成田口（Taguchi）方法和非支配排序遗传算法II（NSGA-II）对FDM PLA的力学性能进行多目标优化。通过Taguchi L9正交阵列设计实验，改变填充密度（20%、40%、60%）、光栅角度（0°、45°、90°）和层厚（0.10 mm、0.15 mm、0.20 mm），测量极限拉伸强度（UTS）、弯曲强度（FS）和肖氏D硬度（HD）。利用信噪比（S/N）分析和方差分析（ANOVA）对各因素的影响大小进行排序，通过线性回归建立参数与响应之间的关系，最后使用NSGA-II算法映射Pareto前沿，得到多目标优化下的权衡曲面。研究发现：层厚是拉伸强度和弯曲强度的主导因素（分别贡献65.8%和66.7%的变异），最薄层（0.10 mm）在所有三个性能上均表现最佳，归因于更好的热愈合、更大的结合面积和更低的残余应力；硬度主要受填充密度影响（52.7%），层厚也贡献显著（42.8%），而光栅角度影响微弱（1.2%）；光栅角度对所有响应均表现为弱且非单调的影响，未能从噪声中分离出来。Pareto前沿显示，在固定最薄层厚（0.10 mm）下，填充密度驱动了性能权衡：低填充（约20%）有利于拉伸强度，高填充（约60%）有利于弯曲强度和硬度，中等填充（约40%）则提供平衡。基于此，研究人员提出了三种实用参数指南：拉伸主导零件（约20%填充）、弯曲和硬度主导零件（约60%填充）以及平衡零件（约40%填充）。

**关键技术方法**
研究人员采用的主要关键技术方法包括：（1）Taguchi L9正交阵列设计，用于筛选三个因素（填充密度、光栅角度、层厚）的主效应，每个因素三个水平，共9组实验条件，每组三重复，共81个试样；（2）信噪比（S/N）分析，采用“望大”特性，对条件均值计算S/N值以排序因素影响；（3）方差分析（ANOVA），基于条件均值量化各因素对总变异的贡献，但由于误差自由度仅2，p值仅用于趋势排序，后续通过弹性模量的重复水平ANOVA（27个试样，20个误差自由度）验证了层厚（p<0.001）和填充密度（p=0.002）的显著性；（4）线性回归建模，建立UTS、FS、HD关于层厚、光栅角度、填充密度的线性方程，用于NSGA-II的优化目标；（5）NSGA-II多目标优化算法，在Python 3.11（pymoo v0.6.1）中运行，种群100，200代，模拟二进制交叉和多项式变异，搜索Pareto前沿。所有试样均使用同一批商业PLA丝材（Creality，深圳，中国）在Creality Ender-3 S1 Pro打印机上制造，固定参数包括喷嘴温度210°C、打印速度50 mm/s、立方填充模式等。

**研究结果**
3.1 实验数据：UTS范围25.0–37.5 MPa，FS范围30–60 MPa，HD范围64.5–71.0 Shore D。最薄层（0.10 mm）的三组条件（Run 1, 6, 8）获得最高UTS（36.2–37.5 MPa）和最高硬度（68.0–71.0 Shore D）。
3.2 方差分析（ANOVA）：基于条件均值的ANOVA显示，层厚对UTS和FS的贡献最大（分别65.8%和66.7%），填充密度主导硬度（52.7%），光栅角度贡献极小（1.2%）。由于仅2个误差自由度，p值均未达0.05显著性，但通过弹性模量的重复水平ANOVA（27个试样，20个误差自由度）确认了层厚（p<0.001）和填充密度（p=0.002）的显著性，光栅角度不显著（p=0.157）。
3.3 回归模型：线性回归方程明确给出，UTS = 44.54 – 76.43·LT + 0.0336·RA – 0.0549·ID（R2=0.905），FS = 70.00 – 200.0·LT + 0.000·RA + 0.250·ID（R2=0.833），HD = 69.28 – 30.00·LT + 0.0037·RA + 0.0833·ID（R2=0.946）。层厚系数为负且绝对值大，确认其主导作用；填充密度对FS为正系数，表明高填充提升弯曲强度，与部分文献报告相反（该研究将此差异标记为暂定性）。光栅系数极小，不用于解释。
3.4 残差诊断：残差图显示UTS和硬度残差随机分布，符合线性假设；弯曲残差因载荷传感器量化效应而呈现离散值，需改进。
3.5 多目标优化：NSGA-II搜索得到100个非支配解，所有解均位于最小层厚（0.10 mm），Pareto前沿由填充密度驱动。低填充端（约20%）对应高UTS，高填充端（约60%）对应高FS和HD。应用指南给出了三个实用设置：拉伸主导（20%填充）、弯曲和硬度主导（60%填充）、平衡（40%填充），光栅角度作为次要选择。
3.6 收敛性与种群规模：超体积指标在200代内稳定收敛，种群100为采样密度与运行时间的折中。
3.7 机制：层厚的主导作用归因于更薄层保持界面温度更高，促进聚合物链扩散（reptation），增大结合面积，降低热梯度和残余应力。硬度趋势源于填充密度增加直接提高压头下方固体材料量，层厚减小使近表面丝材更致密。光栅角度影响微弱，因为压头穿透多层，方向平均化。
3.8 局限性与验证计划：研究明确指出了多项局限性：L9均值分析误差自由度仅2，p值仅用于排序；弯曲读数因载荷传感器超出量程而量化，结果暂定；肖氏D试样厚度4 mm未达ASTM D2240标准（6 mm最小厚度）；Pareto前沿端点位于未测试的角落组合。验证计划包括：在三种指南设置下打印新试样，每个设置三重复，使用合适量程的传感器进行标准测试，并与预测值比较，同时进行SEM断口形貌分析。

**讨论与结论总结**
研究人员在讨论部分指出，层厚是拉伸和弯曲强度的主导因素，硬度主要由填充密度决定，光栅角度影响微弱。多目标优化通过NSGA-II清晰展示了填充密度驱动的权衡，并转化为三个实用参数设置。弯曲强度的填充密度正效应与部分文献相反，但受限于量化数据，需进一步验证。研究结论明确归纳为：
- 主导因素：层厚是拉伸和弯曲强度的主导参数（贡献65.8%和66.7%），0.10 mm层厚通过更好的热愈合、更大的结合面积和更低的残余应力获得最佳性能。硬度主要由填充密度（52.7%）控制，层厚贡献显著（42.8%），光栅角度影响微弱且非单调，未从噪声中分离。
- 重复水平支持：弹性模量的重复水平ANOVA（20个误差自由度）暂定支持层厚（p<0.001）和填充密度（p=0.002）显著，光栅角度不显著。
- 权衡与实用指南：NSGA-II在固定0.10 mm层厚下绘制了由填充密度驱动的权衡曲面：低填充用于拉伸主导零件，高填充用于弯曲和硬度主导零件，约40%填充用于平衡零件，并转化为三个即用设置。
- 证据的可靠性：高填充与较高弯曲强度相关联，与部分文献相反，但弯曲读数量化，故为暂定趋势。L9均值分析仅2个误差自由度，弯曲和硬度数据存在仪器相关局限，需通过重复且符合标准的设计来确认显著性。