《Journal of Manufacturing Processes》:Bridging the gap in continuous fibre fused deposition modelling: A review of numerical simulation challenges and experimental breakthroughs
编辑推荐:
研究人员对连续纤维熔融沉积成型(FDM)的数值模拟与实验进展进行了综述。研究检测到针对连续纤维FDM缺乏先进的数值模型。研究采用PRISMA方法论系统地回顾了连续纤维增强复合材料(CFRC)的实验进展。原位浸渍被确定为CFRC FDM的主要瓶颈之一。未来的解决
研究人员对连续纤维熔融沉积成型(FDM)的数值模拟与实验进展进行了综述。研究检测到针对连续纤维FDM缺乏先进的数值模型。研究采用PRISMA方法论系统地回顾了连续纤维增强复合材料(CFRC)的实验进展。原位浸渍被确定为CFRC FDM的主要瓶颈之一。未来的解决方案包括多尺度建模和机器学习。
1. Introduction
增材制造(AM)改变了工业格局,能够实现大规模定制和快速原型制作,但面临零件质量、生产速度和“阶梯效应”等挑战,并在沉积层间不可避免地形成空隙。为克服纯打印聚合物的机械局限性,复合材料制造受到广泛关注。在众多AM技术中,熔融沉积成型(FDM)是处理聚合物基复合材料最常用的方法。通过FDM制造的连续纤维增强复合材料表现出优异的机械性能,但也增加了打印过程的复杂性。由于FDM过程包含材料流动、纤维取向、热传递和固化等多物理场现象,数值模拟被广泛用于深入理解和工艺优化。现有综述多局限于实验领域,实验试错与计算预测之间存在脱节。本文通过分析原位浸渍及孔隙率等实验瓶颈与数值建模局限性的直接联系来弥合这一差距。研究范围明确为FDM生产的CFRCs,排除纯聚合物或短纤维增强材料。研究分为数值模拟和实验研究两个主要且互补的部分。
2. Part I: numerical simulation techniques for continuous fibre FDM
由于FDM过程包含多个微观现象,使得整体数值模型高度复杂。
2.1. Current state and scarcity of numerical literature
纯聚合物和短纤维的数值研究尤其是计算流体力学(CFD)分析较多,但连续纤维增强热塑性塑料的模拟研究极为有限。文献计量学证实,专门处理连续纤维原位浸渍和流体动力学的多物理场模拟相关文章极少,计算领域明显落后于快速的经验进展。短纤维通常使用取向张量和平均方法处理,而连续纤维则需要更详细地表示其轨迹和与聚合物熔体的相互作用。
2.2. Modelling multi-physics phenomena: heat transfer and material flow
FDM第一阶段涉及材料在喷嘴和沉积过程中的流动,这决定了纤维取向和各向异性机械响应。该过程还涉及已沉积材料的重热和重熔,高度依赖润湿现象。粘度和表面张力控制该过程,需在狭窄热窗口内形成最佳熔滴。最终阶段材料固化,通过对流和辐射散热。沉积速率过高可能导致重力下垂和打印失败。冷却时材料从粘性流体转变为粘弹性固体并产生收缩,从而产生内应力。数值模型可估计材料、几何和热传递对打印性能的影响。连续纤维FDM受非线性多物理场相互作用控制,瞬态温度场直接影响非牛顿粘度,粘性阻力可能导致流动诱导的纤维偏差或错位。因此,准确预测微观结构和缺陷生成需要完全耦合的热-粘-机械求解器。
2.3. Simulating in-situ impregnation and fibre behaviour
连续纤维模型常将其视为刚性滑动面。有研究使用等温牛顿流体模型计算纤维压力,或采用非等温粘度模型和粘弹性K-BKZ模型辅助喷嘴设计,以及采用离散元方法(DEM)研究长纤维束变形。然而,这些方法均未考虑熔体与纤维微观层面的相互作用,无法模拟聚合物渗透和预测原位浸渍程度。为填补这一空白,研究人员采用两种主要数值策略:宏观上将连续纤维束建模为运动多孔介质并应用达西定律,计算效率高但会均匀化域,忽略局部效应;微观上采用结合流体体积法(VOF)等技术的微观CFD,明确表示单根纤维边界,直接准确模拟树脂渗透和毛细作用,但计算成本极高。当前前沿建议耦合这两种方法以平衡宏观可行性与微观准确性。此外,有限元(FE)方法和近场动力学(PD)模型也被用于准确模拟弯曲失效和损伤演化。
3. Part II: experimental advancements in CFRCs
FDM技术因其灵活性和成本合理而普及,但逐层沉积导致机械刚度和韧性缺陷。连续纤维增强聚合物能显著增强机械性能。制造CFRPs主要有原位熔合和预浸渍纤维挤出两种方法。
3.1. Literature screening via PRISMA methodology
研究人员使用PRISMA方法对文献进行系统回顾。过滤后最终数据集包含260篇文献。现有综述强烈倾向于实验分析,但完全缺乏计算分析。本文通过提供双重分析,证明CFRC生产的未来不仅取决于实验过程优化,还取决于准确预测原位浸渍和多物理场现象的数值模型进步。
3.2. Materials overview: matrices and continuous fibres
复合材料由基体和纤维组成,需在物理、化学和热学上实现完全兼容。
3.2.1. The matrices
聚乳酸(PLA)可生物降解,但耐热性低且脆;丙烯腈-丁二烯-苯乙烯(ABS)具有耐热性等特点,但拉伸强度和模量有限;聚酰胺(PA,Nylon)表现出更高的杨氏模量和耐化学性,但具亲水性;聚醚醚酮(PEEK)具有高化学和耐热性。文献中存在可加工性与性能之间的权衡,亟需定制合成热塑性基体。
3.2.2. The continuous fibres
合成纤维如碳纤维用于提高杨氏模量和拉伸强度;凯夫拉纤维具良好拉伸强度;玻璃纤维性能可比金属。连续玄武岩纤维(CBF)作为环保替代品,机械性能超过标准玻璃纤维。天然纤维增强热塑性塑料因轻质、低成本和可生物降解而显著增长。
3.3. Influence of key FDM process parameters
机械性能高度依赖打印速度、光栅角、层高、打印温度和纤维含量等设置。打印温度影响基体粘度和原位浸渍,但过高会导致热降解和残余热应力。打印速度面临浸渍时间与热降解的矛盾。增加纤维体积分数(FVF)可显著增强机械性能。光栅角定义沉积方向,0°取向具有最佳机械性能。较低打印速度有利于更强结合。PA基体与连续碳纤维的组合定义了FDM技术的性能上限。
3.4. Innovative technologies for enhanced matrix-fibre impregnation
基体-纤维浸渍通过界面粘附和浸渍百分比量化,未浸渍区域会削弱结构。根据达西定律,较高压力和较低牵引速度可增强浸渍。文中对比了多种创新技术:双喷嘴法、超声辅助法、销钉辅助法、旋转口模、激光预热、微型螺杆挤出和纤维表面处理(如O
3、等离子体、硅烷处理)。研究人员还开发了热固性树脂预浸渍连续纤维与热塑性长丝的共挤出工艺,形成核壳复合结构,显著降低孔隙率并提高界面剪切强度。此外,层错位打印(LMP)或交错层打印(SLP)通过偏移打印路径增加机械互锁,物理减少孔隙率,提高横向拉伸强度。
4. Discussion and future perspectives
4.1. Bridging the gap: a unified framework for experimental reality and numerical capabilities
实验研究常遇到界面粘附不良、纤维润湿不完全和高孔隙率等物理瓶颈,这些由复杂的多物理场机制驱动。当前数值工具常将纤维束视为均匀多孔介质或固定刚体,忽略了微毛细管效应。必须向完全耦合、动态可变形的多尺度模型发展,以解决实验缺陷。
4.2. The “bottleneck” of in-situ impregnation
基体-纤维浸渍是FDM工艺最关键的瓶颈。缺乏足够的界面粘附和高孔隙率是过早失效的主要原因。3D打印CFRCs的拉伸强度普遍低于570 MPa,而传统方法超过1600 MPa,原因在于5-15%的高孔隙率和低纤维体积分数。未来研究需针对三个约束层次:材料级(热塑性基体流变学)、设备级(创新打印头设计)和工艺参数级(多目标优化以连接有限元模拟和经验数据)。
4.3. Future directions: multi-scale modelling and artificial intelligence integration
未来研究应聚焦三个关键技术支柱:多尺度建模(结合微观和宏观模型)、先进材料系统(如PEEK、天然纤维、多尺度增强材料)、4D打印(利用热机械各向异性行为制造可编程结构)以及机器学习(ML)和数字孪生(DT)(用于过程优化、缺陷预测和浸渍质量评估)。
4.4. Beyond conventional FDM: alternative AM technologies for CFRCs
直流墨水书写(DIW)技术通过室温挤出和固化减少界面缺陷;叠层实体制造(LOM)通过局部加热压制降低孔隙率;自动纤维铺放(AFP)和自动带铺放(ATP)提供精确定位并消除空隙;立体光固化(SLA)虽尺寸精度高,但精确加入纤维具挑战性。
5. Conclusions
本文结合了实验进展和数值模拟技术。实验上,集成连续纤维大幅提升机械性能,但基体-纤维浸渍是商业化应用的最关键挑战。数值上,连续纤维数值模拟工具仍然严重不足,常将纤维简化为刚体。未来需开发多尺度数值模型、探索先进材料系统并应用机器学习和数字孪生方法,实现从经验试错向基于科学的预测性过程设计的转变。