使用MOGA-II算法对MCC/PC-ABS复合材料的3D打印参数进行实验多目标优化以实现增强的能量吸收

《Scientific Reports》：Experimental multi-objective optimization of 3D printing parameters for enhanced energy absorption in MCC/PC-ABS composites using MOGA-II algorithm

　　

摘要

对轻质和可持续材料日益增长的需求推动了用于先进工程应用的生物增强聚合物复合材料的发展。然而，熔融沉积成型 (FFF) 制造复合材料的动态力学性能受工艺参数的影响很大，这使得确定最佳打印条件成为一个重大挑战。本研究旨在通过多目标优化方法优化微晶纤维素 (MCC) 增强聚碳酸酯/丙烯腈 - 丁二烯 - 苯乙烯 (PC/ABS) 复合材料的动态力学性能。使用 FFF 制造了 MCC/PC-ABS 复合材料，并使用动态机械分析 (DMA) 对其进行了表征。构建方向、空气间隙和层厚被选为关键工艺参数。从实验数据中开发了回归模型，并与 MOGA-II 进化算法相结合，以在保持理想的储能模量和损耗模量值的同时最小化阻尼因子。最佳加工条件确定为 45°构建方向、0.21 毫米空气间隙和 0.2 毫米层厚。在这些条件下，储能模量增加了 78%，损耗模量减少了 66%，从而降低了阻尼因子。微观结构观察进一步证实了工艺参数对复合材料动态力学行为的影响。这些发现证明了基于 MOGA-II 的优化方法在调控 MCC/PC-ABS 复合材料性能以用于吸能应用方面的有效性。