近年來,3D打印技術(shù)被用于許多結(jié)構(gòu)的建造過程中,而這些項目背后的方法論也進展迅速。從1998年發(fā)明建筑數(shù)字制造(CDF)系統(tǒng),到2007年意大利工程師Enrico Dini的粉末型 "D-Shape "3D打印機,這項技術(shù)取得了飛速發(fā)展。利用水泥砂漿,建筑結(jié)構(gòu)部件被3D打印出來,并在各個建筑工地進行組裝。
但因為使用了大量的水泥,這帶來了建筑材料的高自生收縮率、水化熱和成本。此外,水泥制造也會造成較高的溫室氣體排放,導致能耗增加,惡化了3D打印混凝土結(jié)構(gòu)的整體可持續(xù)發(fā)展。
2020年6月24日,南極熊從外媒獲悉,來自斯威本科技大學的研究人員和法國建筑公司Bouygues Travaux Publics的主管,利用機器學習技術(shù)更好地研究3D打印建筑材料。
Bougues-1.jpeg (377.21 KB, 下載次數(shù): 292)
下載附件
2020-6-24 09:17 上傳
法國公司Bouygues Travaux Publics的一個建筑工地,圖片來自Bouygues Travaux Publics
評估3D打印在建筑領(lǐng)域的應(yīng)用
地質(zhì)聚合物提供了一種快速凝固、低成本和生態(tài)友好的替代品。與傳統(tǒng)的水泥復合材料相比,這些材料還具有更強的防火性和耐久性。盡管有這些優(yōu)點,但使用硅酸鹽化合物有缺點,不僅因為被認為會造成環(huán)境問題,而且具有腐蝕性。因此,研究人員做出了許多努力,用其他元素材料來替代地質(zhì)聚合物基體中會造成這種有害影響的硅和鋁原子。
研究小組開始利用土木和建筑工程中產(chǎn)生的大量數(shù)據(jù),了解3D打印材料的模式和分類,并找出克服這些缺點的方法。由于信息的復雜性,他們采用了現(xiàn)代計算方法,包括條件推理樹(ctree)和遞歸分區(qū)(rpart)方法來得出結(jié)論。例如,當?shù)刭|(zhì)聚合物粘結(jié)劑進行3D打印時,其強度的有效因素數(shù)量會因使用的打印參數(shù)而擴大?紤]到獨立變量的范圍,如果不使用機器學習,試圖預(yù)測打印的土工聚合物樣品的抗壓強度,將會產(chǎn)生很高的誤差。因此,研究人員使用學習算法來評估打印變量,并研究了對材料抗壓強度影響最大的因素。
Variables.png (290.08 KB, 下載次數(shù): 277)
下載附件
2020-6-24 09:32 上傳
研究團隊分析的變量矩陣,圖片來自 Material Advances
利用機器學習方法對地質(zhì)聚合物進行分類
在測試過程中,使用了一臺定制的小型3D打印機來生產(chǎn)地聚物。采用活塞式擠出機,從尺寸為30毫米×15毫米的矩形噴嘴擠出聚合物。在加載混合料時,對擠出機進行了外部振動,以確保內(nèi)部混合料得到充分的壓實。
共測量了114個試樣,并對數(shù)據(jù)集應(yīng)用了1.95的平均轉(zhuǎn)換系數(shù)。利用ctree函數(shù)對地聚物構(gòu)造進行初步分析,證實了礦渣在地聚物混合設(shè)計中的貢獻意義。以礦渣為主的混合料設(shè)計可獲得更高的抗壓強度,而將硅酸鹽的比例提高到0.45以上,則可提高地聚物材料的強度。此外,利用rpart函數(shù),沒有使用鈉離子的比例來建立預(yù)測模型,研究團隊能夠準確預(yù)測70%生產(chǎn)的試樣的抗壓強度類別。總的來說,研究團隊能夠創(chuàng)建3D打印地質(zhì)聚合物的分類模型,使用ctree函數(shù)的正向預(yù)測值高達100%,使用rpart函數(shù)的預(yù)測值高達81%。
利用這些機器學習算法,研究團隊能夠準確地對3D打印硼基土工聚合物混凝土的抗壓強度進行分類和預(yù)測。rpart函數(shù)只使用了兩個因素來生成這些預(yù)測,而ctree則使用了四個因素,這反映在rpart函數(shù)歸因于水泥樣品的強度更加慷慨。此外,渣的百分比和硼離子的比例在地質(zhì)聚合物組成中的重要性,分別被ctree和rpart函數(shù)成功識別。因此,該團隊表示,這項研究可能成為理解如何設(shè)計更堅固和更環(huán)保的3D打印建筑材料的重要基石,甚至成為制定指南的起點。
Ctree-flowchart.png (157.3 KB, 下載次數(shù): 291)
下載附件
2020-6-24 09:35 上傳
該團隊用于優(yōu)化其地質(zhì)聚合物水泥組成的ctree函數(shù)的DT流程圖,圖片來自《Material Advances》。
研究人員的研究結(jié)果詳見他們于2020年5月27日發(fā)表在Material Advances雜志上的題為 "Formulation of mix design for 3D printing of geopolymers: a machine learning approach "的論文,由Ali Bagheri和Christian Cremona共同撰寫。
論文下載
d0ma00036a.pdf
(1.98 MB, 下載次數(shù): 515)
2020-6-24 09:41 上傳
點擊文件名下載附件
編譯自:3dprintingindustry
|