多軸積層造形におけるひずみ最小化のための造形順序最適化

1. 序論

ロボット式ワイヤアーク積層造形（WAAM）に代表される多軸積層造形（AM）は、プリントヘッドや部品の再配向を可能にすることで製造の柔軟性を導入します。これは従来のAMに内在する平面層堆積の制約を打破します。しかし、金属AMでは大きな温度勾配と相変態が生じ、不均一な熱膨張・収縮とそれに伴うひずみが発生し、組み立てのための寸法精度と構造性能に重大な影響を及ぼします。

造形順序、すなわち材料が堆積される順序を最適化することは、このひずみを軽減する新たな道筋となります。課題は、この順序を勾配ベース手法に適した微分可能な最適化変数として表現することにあります。本研究は、ひずみを最小化するための造形順序最適化の計算フレームワークを提案することで、この課題に取り組みます。

2. 方法論

2.1 疑似時間場エンコーディング

本フレームワークの核心は、造形順序の表現にあります。部品領域Ω内の各材料点xにスカラー値の疑似時間 $T(x)$ が割り当てられます。造形プロセスは、この場に従って点が順次実体化されるものとしてモデル化されます：$T$が小さい点は、$T$が大きい点よりも先に堆積されます。これにより、離散的な順序最適化問題が連続的な場の最適化問題へと変換されます。

2.2 ひずみモデリング

ひずみを予測するために、簡略化されているが物理的に代表性のあるモデルが使用されます。これは固有ひずみ法を模倣しており、新たに堆積された各材料要素は冷却時に所定の収縮ひずみ（例：熱収縮）を経験します。履歴依存のひずみ場を考慮し、線形弾性平衡方程式を全領域で解くことで、累積ひずみ $\mathbf{u}$ が計算されます。

2.3 勾配ベース最適化

目的は、最終ひずみの尺度（例：ひずみ場のコンプライアンスや最大変位）を最小化することです。設計変数は疑似時間場 $T(x)$ です。目的関数の $T(x)$ に関する勾配は随伴法を用いて計算され、効率的な大規模最適化を可能にします。制約条件により、時間場が単調であり、有効で逆戻りのない堆積順序を表すことが保証されます。

3. 数値研究と結果

3.1 ベンチマークケース: 片持ち梁

本フレームワークは、3D片持ち梁形状でテストされました。ベースラインケースでは従来の垂直平面層が使用されました。その後、最適化アルゴリズムは、堆積誘起収縮による梁の自由端での垂直たわみを最小化する疑似時間場を見つける課題を与えられました。

3.2 比較: 平面層 vs 曲面層

本研究では、ひずみ場を視覚的かつ定量的に比較しました。平面層順序は、予測可能な累積的な曲げ効果をもたらしました。対照的に、最適化された曲面層順序は、体積全体にわたって収縮ひずみを戦略的に「バランス」させ、多くの場合、相殺するひずみを誘発する方法で材料を堆積させることで、ほぼ正味形状の最終部品を得ました。

4. 技術分析とフレームワーク

4.1 数学的定式化

最適化問題は以下のように要約できます： $$ \begin{aligned} \min_{T} \quad & J(\mathbf{u}) = \int_{\Omega} \mathbf{u} \cdot \mathbf{u} \, d\Omega \\ \text{s.t.} \quad & \nabla \cdot \boldsymbol{\sigma} + \mathbf{b} = \mathbf{0} \quad \text{in } \Omega \\ & \boldsymbol{\sigma} = \mathbf{C} : (\boldsymbol{\epsilon} - \boldsymbol{\epsilon}^{sh}(T)) \\ & \boldsymbol{\epsilon} = \frac{1}{2}(\nabla \mathbf{u} + \nabla \mathbf{u}^T) \\ & T_{\min} \leq T(x) \leq T_{\max}, \quad \nabla T \cdot \mathbf{n} \geq 0 \, (\text{単調性}) \end{aligned} $$ ここで、$J$はひずみ目的関数、$\boldsymbol{\epsilon}^{sh}(T)$は疑似時間に依存する収縮ひずみ、単調性制約は実現可能な堆積順序を保証します。

4.2 分析フレームワーク例

シナリオ: WAAMで製造されるブラケットのプリント順序を最適化し、後続の組み立てのための反りを最小化する。

1. 入力: ブラケットの3D CADモデル、材料収縮パラメータ（キャリブレーションから）。
2. 離散化: 領域をメッシュ化。疑似時間場を初期化（例：平面層に対応）。
3. シミュレーションループ: 現在の$T$場に対して、逐次堆積をシミュレートし、最終ひずみ場$\mathbf{u}$と目的関数$J$を計算。
4. 随伴と勾配: 随伴方程式を解き、$\partial J / \partial T$を効率的に計算。
5. 更新: 勾配ベース最適化器（例：MMA, SNOPT）を使用して、制約を尊重しながら$T$場を更新。
6. 出力: 最適化された$T$場。これはその後、曲面層WAAM堆積のためのロボット工具経路に解釈されます。

5. 応用展望と将来の方向性

本フレームワークは、いくつかの影響力のある道筋を開きます：

• 完全熱力学モデルとの統合: 現在の収縮モデルは簡略化されたものです。将来の研究では、レーザ粉末床溶融結合法のモデルで取り組まれるようなマルチフィジクスの課題と同様に、高精度な過渡熱力学シミュレーションを統合する必要があります。これは精度を高めますが、計算コストも増大させ、モデル次数低減が必要となります。
• ロボットWAAMのための経路計画: 最適化された疑似時間場は、衝突のない、運動学的に実現可能なロボット軌道に変換されなければなりません。これは計算設計とロボット実行を橋渡しします。
• 多目的最適化: ひずみ、残留応力、造形時間、サポート構造体積を同時に最適化します。これは、オークリッジ国立研究所のような機関の先進製造研究に見られる、包括的なプロセス最適化に沿ったものです。
• 機械学習サロゲート: リアルタイムまたはニアリアルタイムの順序計画を実現するために、ニューラルネットワークを高価な物理シミュレーションのサロゲートとして訓練することができます。これは、画像間変換のためのCycleGANのような研究で設定されたトレンドに従いますが、形状から最適堆積順序へのマッピングに適用されます。
• その場ひずみ補正: 最適化計画と工程中モニタリング（例：レーザースキャン）を組み合わせ、測定されたひずみに基づいて順序をリアルタイムで調整する閉ループシステムを構築します。

6. 参考文献

1. Ding, D., Pan, Z., Cuiuri, D., & Li, H. (2015). Wire-feed additive manufacturing of metal components: technologies, developments and future interests. The International Journal of Advanced Manufacturing Technology, 81(1-4), 465-481.
2. Williams, S. W., Martina, F., Addison, A. C., Ding, J., Pardal, G., & Colegrove, P. (2016). Wire+ Arc additive manufacturing. Materials Science and Technology, 32(7), 641-647.
3. Wang, W., van Keulen, F., & Wu, J. (2023). Fabrication Sequence Optimization for Minimizing Distortion in Multi-Axis Additive Manufacturing. arXiv preprint arXiv:2212.13307.
4. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (pp. 2223-2232).
5. Oak Ridge National Laboratory. (2017). 3D Printed Excavator Project. Retrieved from https://www.ornl.gov/news/3d-printed-excavator-project.
6. Bendsøe, M. P., & Sigmund, O. (2003). Topology optimization: theory, methods, and applications. Springer Science & Business Media.