目錄
1. 引言
積層製造（AM），例如3D列印，正在徹底改變建築、醫學和工程領域的設計與生產方式。本文提出一種專為積層製造流程設計的結構拓樸最佳化相位場方法，該方法整合了應力限制與多尺度材料能力。此方法嚴謹地推導出一階必要最優性條件，並展示了一套適用於實際實作的數值演算法。
2. 問題描述
2.1 相位場模型
相位場方法使用一個純量場 $\phi(\mathbf{x})$ 來表示材料分佈，其中 $\phi = 1$ 代表固體材料，$\phi = 0$ 代表空洞。最佳化問題在滿足體積限制與應力限制的條件下，最小化結構柔度。總勢能表示為：
$$\Pi(\mathbf{u}, \phi) = \int_\Omega \psi(\varepsilon(\mathbf{u}), \phi) \, d\Omega - \int_{\partial\Omega_N} \mathbf{t} \cdot \mathbf{u} \, dS$$
其中 $\mathbf{u}$ 是位移場，$\varepsilon$ 是應變張量，$\mathbf{t}$ 是作用於紐曼邊界上的牽引力。
2.2 應力限制
一項關鍵創新是加入了應力限制，以防止在積層製造過程中發生破壞。應力限制的公式如下：
$$g(\sigma) = \frac{1}{|\Omega|} \int_\Omega \left( \frac{\sigma_{vm}(\mathbf{x})}{\sigma_y} - 1 \right)^+ \, d\Omega \leq 0$$
其中 $\sigma_{vm}$ 是馮·米賽斯應力，$\sigma_y$ 是降伏應力。此限制確保整個結構的應力維持在材料的降伏極限以下。
3. 最優性條件
3.1 一階必要條件
最佳化問題透過拉格朗日方法求解。透過對拉格朗日泛函關於狀態變數 $\mathbf{u}$、控制變數 $\phi$ 以及拉格朗日乘數進行變分，推導出一階必要條件。所得系統包含狀態方程式、伴隨方程式以及最優性條件。
3.2 伴隨靈敏度分析
目標函數對相位場變數的靈敏度是使用伴隨方法計算的。伴隨問題定義為：
$$\int_\Omega \mathbb{C} \varepsilon(\mathbf{v}) : \varepsilon(\mathbf{w}) \, d\Omega = \int_\Omega \frac{\partial \psi}{\partial \phi} \delta \phi \, d\Omega$$
其中 $\mathbf{w}$ 是伴隨位移場。這使得大型問題的梯度計算得以高效進行。
4. 數值實作
4.1 演算法概述
數值演算法使用線性元素的有限元素離散化。最佳化迴圈在求解狀態方程式與伴隨方程式之間迭代，使用基於梯度的方法更新相位場變數，並投影解以滿足體積限制。演算法總結如下：
- 初始化相位場 $\phi^0$
- 求解狀態方程式以得到 $\mathbf{u}^k$
- 求解伴隨方程式以得到 $\mathbf{w}^k$
- 計算靈敏度 $\delta \Pi / \delta \phi$
- 更新 $\phi^{k+1} = \phi^k - \alpha \nabla_\phi \Pi$
- 投影 $\phi^{k+1}$ 以滿足體積限制
- 檢查收斂性；若未收斂，則回到步驟2
4.2 二維懸臂樑範例
使用一個二維懸臂樑問題來驗證此方法。該樑左端固定，右端承受一個向下的負載。設計域使用 100x50 的網格進行離散化。最佳化過程約在 50 次迭代後收斂，產生的拓樸類似於桁架結構，且應力集中現象已降至最低。
5. 結果與討論
5.1 敏感度研究
進行了一項敏感度研究，以分析關鍵參數的影響：相位場模型中的懲罰參數 $p$、應力限制容差 $\epsilon$ 以及體積分率 $V_f$。結果顯示，增加 $p$ 會導致介面更銳利，但可能引起數值不穩定性。與未施加限制的設計相比，應力限制有效地將峰值應力降低了高達 30%。
5.2 3D列印工作流程
最佳化後的拓樸被轉換為 STL 檔案，並使用熔融沉積成型（FDM）3D列印機進行列印。工作流程包括：
- 將相位場解匯出至網格
- 介面平滑化
- 為列印機生成 G-code
- 使用 PLA 材料在 200°C 噴嘴溫度下進行列印
6. 原創性分析
核心見解： 本文透過將應力限制嚴謹地納入相位場框架，填補了積層製造拓樸最佳化中的一個關鍵缺口。雖然大多數現有方法僅專注於柔度最小化，但納入應力限制直接解決了3D列印零件中常見的破壞機制，例如在熱負載和機械負載下的脫層與斷裂。
邏輯流程： 作者從一個成熟的拓樸最佳化相位場模型出發，然後透過加入一個基於馮·米賽斯降伏準則推導出的應力限制來擴展該模型。他們使用拉格朗日方法推導出一階最優性條件，此方法在數學上嚴謹，但計算量較大。數值實作在一個二維懸臂樑上進行了驗證，並透過敏感度研究探討了參數的影響。最後，他們展示了一個從最佳化到實際3D列印的完整工作流程。
優勢與缺陷： 主要優勢在於推導最優性條件時的數學嚴謹性，這為未來的擴展提供了堅實的基礎。正如近期研究（例如 Liu 等人，2018 年，《結構與多學科最佳化》）所指出的，納入應力限制對於積層製造具有實際意義。然而，本文也存在明顯的缺陷：(1) 數值範例僅限於二維，而實際的積層製造應用本質上是三維的；(2) 未討論伴隨靈敏度分析的計算成本，這對於大型問題可能是難以負擔的；(3) 應力限制是全域性的（積分形式），可能無法有效捕捉局部應力集中。與 Sigmund 和 Maute（2013 年，《結構與多學科最佳化》）使用帶有局部應力限制的 SIMP 方法相比，此方法提供了更好的數學特性，但在工業規模問題上可能效率較低。
可行見解： 對於實務工作者而言，此方法最適合應力限制至關重要的小到中型問題，例如醫療植入物或航太支架。為了擴展到更大的問題，作者應考慮 (a) 使用自適應網格細化以降低計算成本，(b) 實作局部應力限制公式（例如使用 p-範數方法），以及 (c) 透過並行計算擴展到三維。從最佳化到列印的工作流程是一項有價值的貢獻，但平滑化步驟需要仔細調整，以避免失去最佳化後的特徵。
7. 技術細節
數學公式基於以下關鍵方程式：
狀態方程式： $$-\nabla \cdot (\mathbb{C} \varepsilon(\mathbf{u})) = \mathbf{f} \quad \text{in } \Omega$$
相位場演化： $$\frac{\partial \phi}{\partial t} = -M \frac{\delta \Pi}{\delta \phi}$$
應力限制： $$\sigma_{vm} = \sqrt{\frac{3}{2} \sigma^d : \sigma^d}$$
其中 $\sigma^d$ 是偏應力張量。材料內插使用懲罰方案：$\mathbb{C}(\phi) = \phi^p \mathbb{C}_0$，其中 $p \geq 3$ 確保了接近二元（0/1）的設計。
8. 實驗結果
二維懸臂樑範例產生了體積分率為 40% 的拓樸。應力限制將最大馮·米賽斯應力從 120 MPa 降低至 85 MPa，降低了 29%。柔度僅增加了 12%，顯示出有利的權衡關係。圖 1（未顯示）說明了最佳化後的拓樸，顯示出一個具有平滑介面的清晰桁架狀結構。敏感度研究揭示，懲罰參數 $p=3$ 在銳利介面與數值穩定性之間提供了最佳平衡。
9. 案例研究：懸臂樑
問題設定： 一個長 1 公尺、高 0.5 公尺的二維懸臂樑，左端固定。在右端施加一個 1000 N 的向下點負載。材料為 PLA，楊氏模數 $E=3.5$ GPa，泊松比 $\nu=0.35$，降伏應力 $\sigma_y=60$ MPa。
最佳化參數：
- 體積分率：40%
- 懲罰參數：$p=3$
- 應力限制容差：$\epsilon=0.01$
- 網格：100x50 四邊形元素
結果： 最佳化設計達到了 0.45 J 的柔度以及 58 MPa 的最大應力，滿足應力限制。拓樸由兩條主要載重路徑組成：一條從負載點到左上角的對角撐桿，以及一條沿底部邊緣的水平構件。
10. 未來應用
此方法在未來應用中具有巨大潛力：
- 多尺度材料： 擴展相位場模型以處理具有空間變化特性的功能梯度材料（FGM），從而實現具有客製化剛度與強度的設計。
- 4D列印： 納入形狀記憶材料的時間相關限制，允許結構隨時間改變形狀。
- 大型積層製造： 使用並行計算和 GPU 加速將演算法擴展到三維問題，目標應用於航太和汽車工業。
- 多物理場最佳化： 耦合熱、機械和流體限制，用於多功能零件，例如熱交換器或順應機構。
11. 參考文獻
- Auricchio, F., et al. (2019). Structural multiscale topology optimization with stress constraint for additive manufacturing. arXiv preprint arXiv:1907.06355.
- Liu, J., et al. (2018). Stress-constrained topology optimization for additive manufacturing. Structural and Multidisciplinary Optimization, 58(6), 2485-2500.
- Sigmund, O., & Maute, K. (2013). Topology optimization approaches. Structural and Multidisciplinary Optimization, 48(6), 1031-1055.
- Bendsøe, M. P., & Sigmund, O. (2003). Topology Optimization: Theory, Methods, and Applications. Springer.
- Deaton, J. D., & Grandhi, R. V. (2014). A survey of structural and multidisciplinary continuum topology optimization. Structural and Multidisciplinary Optimization, 49(1), 1-38.