Hybrid Machine Learning and Physical Modeling of Feedstock Deformation During Robotic 3D Printing of Continuous Fiber Thermoplastic Composites

技術概要：ロボット 3D プリントにおける供給材変形のハイブリッド機械学習と物理モデル化

問題定義
連続繊維強化熱塑性複合材料の 3D プリント中における供給材の変形は、隙間や重なりなどの製造欠陥を引き起こす重要な課題である。熱勾配や残留応力が既知の要因ではあるが、残留応力緩和、乾燥、および結晶化によって駆動される単一デポジットテープの変形は、モデル化が複雑なまま残っている。この単一パス変形は、繊維配向やロボットデポジット制御といった本質的なプロセス変数に直接影響を及ぼす。既存のアプローチには限界がある。純粋なデータ駆動型モデルは、試験された領域外では信頼性が欠如する傾向があり、従来の物理ベースモデルは、結晶化と微細構造物性変化の結合したマルチフィジックスを扱うのに苦労している。著者らは、経路計画を最適化し欠陥を最小化するためにテープの寸法変化を予測できる堅牢な枠組みの必要性に対処する。

手法
著者らは、確立された物理モデルとデータ駆動型アプローチを組み合わせ、特に安定化されたニューラル常微分方程式（Neural ODE）を利用するハイブリッドモデル化枠組みを提案する。作業フローは以下の段階を経て進行する。

1. 実験的特性評価:

   • セットアップ: ロボット 3D プリントシステム（ABB IRB 1200）が、鋼製ビルドプラットフォーム上に連続炭素繊維（CCF）プレプレグテープ（LM-PAEK 母材）をデポジットする。
   • 材料試験: 示差走査熱量測定（DSC）により、ガラス転移温度（$T_g \approx 147^\circ\text{C}$）および結晶化ピーク（$T_{pc} \approx 184^\circ\text{C}$）を同定した。動的機械分析（DMA）を、2 つの温度域、すなわち$120^\circ\text{C}$（$T_g$未満）および$180^\circ\text{C}$（$T_g$超過）におけるテープ試料に対して実施した。これらの試験は、加熱および冷却サイクル中の寸法変化（ひずみ）を測定した。

2. 物理モデル化（粘弾性）:

   • プレプレグの機械的挙動をシミュレートするために、ケルビン - ヴォイグト粘弾性モデルが採用された。
   • このモデルは、メーカーデータおよび均質化則から導出された異方性の熱的および機械的性質を利用した。
   • パラメータ（熱膨張係数および粘性テンソル成分）は、不可逆的な乾燥および残留応力解放が発生する初期加熱段階を除く DMA-1 の実験データ（$120^\circ\text{C}$）へのシミュレーションの適合によって同定された。

3. ハイブリッドデータ駆動モデル化:

   • 初期ひずみ解放（乾燥/残留応力）: DMA-1 の最初の加熱段階における粘弾性シミュレーションと実験データとの不一致は、乾燥および残留応力解放に起因すると帰属された。この残差データに基づいて安定化されたニューラル ODE を訓練し、これらの初期ひずみの時間依存進化を学習させた。
   • 結晶化誘起変形: DMA-2 実験（$180^\circ\text{C}$）において、測定された総ひずみ、粘弾性予測、および予測された初期ひずみ解放との差を結晶化ひずみとして定義した。2 番目の安定化ニューラル ODE を訓練し、温度が$T_g$を超えた際のこれらのひずみの進化をモデル化した。

4. 統合と検証:

   • 同定されたモデル（ケルビン - ヴォイグト、初期ひずみ解放、および結晶化）は、熱および機械的求解のために固有一般化分解（PGD）を用いて、包括的なシミュレーション枠組みに統合された。
   • この枠組みは、ロボット印刷条件（ノズル$380^\circ\text{C}$、プラットフォーム$160^\circ\text{C}$）下での 280 mm テープデポジットのシミュレーションに適用された。
   • シミュレーション結果は、物理的にデポジットされたテープの実験測定値に対して検証された。

主要な貢献

• ハイブリッドモデル化枠組み: 本論文は、物理ベースの粘弾性と安定化されたニューラル ODE を成功裡に統合し、純粋に解析的にモデル化することが困難な複雑な非線形現象（乾燥、応力解放、結晶化）を捉えることを実証している。
• 外挿能力: 本研究は、安定化されたニューラル ODE が訓練領域を超えて一般化する能力を強調している。具体的には、$120^\circ\text{C}$までのデータのみで訓練された初期ひずみ解放モデルが、再訓練なしに$180^\circ\text{C}$までの挙動を予測し、飽和に達することに成功した。
• 変形メカニズムの分解: 本作業は、熱膨張、初期ひずみ解放、および結晶化の具体的な寄与を、総供給材変形から分離・定量化し、単一テープデポジットにおける欠陥生成メカニズムのより明確な理解を提供する。

結果

• モデル精度: ハイブリッドモデルは、ひずみ進化の予測において高い忠実度を達成した。初期ひずみ解放予測の相対誤差はテストセットで 0.57%、結晶化ひずみではテストセットで 2.43% であった。
• 一般化: モデルは、訓練に使用された温度（最大$120^\circ\text{C}$）よりも著しく高い温度（$180^\circ\text{C}$）において、ひずみ解放の飽和を正確に再現した。
• ロボットデポジット検証: ロボット印刷シナリオに適用された際、シミュレーションはテープの横方向変形を高精度で予測した。シミュレートされた最終幅は、実験的なキャリパー測定値と密接に一致し、このモデルが現実世界のデポジット設定における熱勾配、応力解放、および結晶化の複合効果を説明できることを確認した。

意義
著者らは、この作業が連続繊維熱塑性材料のロボット 3D プリントにおける供給材変形の理解における「礎石」を構成すると主張している。主な意義は、印刷プロセスのデジタルツインの作成を可能にする提案された「包括的アプローチ」にある。プロセスパラメータに基づいてデポジットされたテープの最終寸法を正確に予測することで、このモデルは隙間や重なりを防止するためのテープラスターオフセット（TRO）の最適化を可能にする。この能力は、最適な印刷パラメータを決定するためのコストのかかり時間のかかる実験的試行への依存を軽減する。さらに、著者らは、現在の研究が直線経路に焦点を当てているが、この枠組みは曲線経路および複雑な構造部品の製造に関する将来の研究の基盤を提供すると示唆している。