Physics-Informed Dynamical Modeling of Extrusion-Based 3D Printing Processes

Deze studie presenteert een op fysische principes gebaseerd, gereduceerd dynamisch model voor extrusie-gebaseerde 3D-printing dat, na validatie met CFD-simulaties, de complexe stromingsdynamiek accuraat beschrijft met voldoende eenvoud voor real-time optimalisatie en besturing.

De kern

De "Wiskundige Voorspeller" voor 3D-printen met Beton

Stel je voor dat je een gigantische, slimme 3D-printer hebt die niet met plastic, maar met vloeibare betonachtige inkt werkt. Deze printer bouwt huizen of bruggen laag voor laag. Het probleem? De inkt is dik, plakkerig en gedraagt zich soms als een koppig kind: het wil niet precies doen wat de printer wil.

Als je te snel print, wordt de muur dun en instabiel. Te langzaam, en de inkt loopt uit elkaar. Om dit perfect te regelen, moet je de printer live kunnen besturen. Maar hier zit de hak in de tak: de computersimulaties die precies uitleggen hoe de vloeistof stroomt, zijn zo zwaar dat ze een supercomputer nodig hebben. Die kunnen niet in real-time meedenken met de printer. Het is alsof je probeert een auto te besturen terwijl je eerst een uur moet rekenen om te weten hoe je moet sturen.

De Oplossing: Een Slimme "Vereenvoudigde" Versie

De auteurs van dit paper hebben een oplossing bedacht: een verminderde orde-model. Klinkt ingewikkeld, maar het is eigenlijk als het maken van een simpele schets van een heel gedetailleerd schilderij.

Ze hebben het proces opgedeeld in drie "kamers" of onderdelen, net als een waterleiding-systeem:

1. De Nozzle (De Tuit): Hier wordt de inkt onder druk de printer in gepompt.
   • De analogie: Denk aan een tuinslang. Als je harder pompt (meer druk), stroomt het water sneller. Dit deel is puur afhankelijk van hoe hard je pompt.
2. Het Gat (De Kier): Hier komt de inkt uit de tuit en raakt het de bewegende grondplaat.
   • De analogie: Dit is als het moment dat je water uit de slang op een hardlopende persoon spuit. De snelheid van de persoon (de grondplaat) trekt het water mee. Hier spelen zowel de pompkracht als de snelheid van de grondplaat een rol.
3. De Lijm (De Laag): Hier ligt de inkt al op de grond en wordt meegetrokken.
   • De analogie: Nu is het water al op de grond en wordt het puur door de hardloper meegesleurd. De pompkracht is hier niet meer zo belangrijk; het gaat alleen om hoe snel de grondplaat beweegt.

Hoe hebben ze het gemaakt?

In plaats van elke kleine werveling in het water te berekenen (wat uren duurt), hebben de wetenschappers de natuurwetten (de "regels" van de vloeistof) gebruikt om een simpele formule te maken.

Ze hebben eerst een heleboel gedetailleerde simulaties gedaan (het "saaie, dure werk") om te kijken hoe de inkt zich gedraagt bij verschillende snelheden. Vervolgens hebben ze een slim algoritme gebruikt om te leren: "Als ik deze snelheid en deze druk heb, wat is dan het gemiddelde resultaat?"

Het resultaat is een model dat:

• Snel is: Het rekent in milliseconden, dus het kan echt live de printer besturen.
• Slim is: Het begrijpt de fysica (het weet dat dikker water anders stroomt dan dunner water).
• Aanpasbaar is: Het kan voorspellen wat er gebeurt, zelfs als je parameters verandert die het nog nooit heeft gezien (bijvoorbeeld een iets snellere snelheid dan tijdens het leren).

Wat hebben ze ontdekt?

• Binnenin de tuit: De snelheid hangt alleen af van hoe hard je pompt. De beweging van de grondplaat heeft hier geen invloed op (net zoals de snelheid van de auto niet verandert als je de radio harder zet).
• In het gat en op de grond: Hier werkt het anders. Als de grondplaat sneller beweegt, wordt de inkt sneller meegesleurd.
• De "Gok" test: Ze hebben het model getest met situaties die er niet bij zaten tijdens het leren. Het bleek verrassend goed te werken! Het kon zelfs voorspellen wat er zou gebeuren bij snelheden die net iets sneller of langzamer waren dan wat het kende. Alleen bij extreem hoge snelheden (waar de inkt heel chaotisch wordt) werd het iets minder nauwkeurig, maar nog steeds bruikbaar.

Waarom is dit belangrijk?

Dit model is de sleutel tot slimme 3D-printing. In de toekomst kunnen robots met dit model in hun hoofd real-time beslissingen nemen: "Oh, de muur wordt te dun, ik verlaag de snelheid van de grondplaat en verhoog de druk, precies op dit moment."

Het maakt het mogelijk om complexe bouwwerken van beton te printen die strak, sterk en perfect zijn, zonder dat de computer vastloopt. Het is de brug tussen de zware wiskunde en de snelle, praktische werkelijkheid.

Technische samenvatting

Probleemstelling

Bij extrusiegebaseerde additieve productie (zoals Direct Ink Writing, DIW) voor cementachtige materialen bestaat er een fundamenteel compromis tussen modelnauwkeurigheid en rekentijd.

• Huidige uitdaging: Hoogwaardige simulaties (zoals Computational Fluid Dynamics, CFD) bieden gedetailleerde inzichten in stromingsdynamica en spanningsverdeling, maar zijn te rekenintensief voor real-time optimalisatie en besturing.
• Beperkingen van bestaande modellen: Traditionele benaderingen (FEM, FVM) vereisen complexe randvoorwaarden en materiaaleigenschappen die tijdens het printproces moeilijk te meten zijn. Bestaande verlaagde orde-modellen (reduced-order models) voor extrusieprocessen zijn vaak te simpel of missen een expliciete koppeling met de stuurbare invoerparameters (zoals massastroom en platenbeweging) om de vorming van de gedeponeerde draad nauwkeurig te voorspellen.
• Doel: Er is behoefte aan een model dat fysiek betekenisvol is, maar computationally tractable (beheersbaar) genoeg voor real-time besturing en monitoring.

Methodologie

De auteurs stellen een fysiek geïnformeerd, data-gedreven dynamisch model voor dat de tijdsafhankelijke stroming van het materiaal simuleert. De aanpak bestaat uit de volgende stappen:

1. Decompositie van het proces:
   Het totale printproces wordt opgesplitst in drie gekoppelde subsystemen:

   • Subsysteem 1 (Nozzle-interieur): Materiaalvoeding en stroming binnen de nozzle.
   • Subsysteem 2 (Nozzle-substraat gat): De overgangszone waar het materiaal de nozzle verlaat en het substraat raakt.
   • Subsysteem 3 (Gedeponeerde laag): De evolutie van de draad op het bewegende substraat.

2. Afleiding van het verlaagde orde-model (Reduced-Order Modeling):

   • De auteurs beginnen met de fundamentele Navier-Stokes-vergelijkingen (continuïteit en impulsbehoud).
   • Door aannames (zoals laminaire stroming, incompressibiliteit en Newtoniaans gedrag) en ruimtelijke middeling (Conservative Averaging Method - CAM) worden de partiële differentiaalvergelijkingen (PDE's) gereduceerd tot een stelsel van gewone differentiaalvergelijkingen (ODE's) en algebraïsche vergelijkingen.
   • De structuur van het model behoudt de fysieke vorm van de oorspronkelijke vergelijkingen, maar de parameters worden vervangen door aanpasbare coëfficiënten ($\beta$).

3. Input-afhankelijke parameterisatie:
   Om de niet-lineariteiten van het proces te vangen, worden de modelcoëfficiënten niet als constanten behandeld, maar als lineaire functies van de invoerparameters:

   • De dynamiek in de nozzle wordt gekoppeld aan de inlaatmassastroom ($\dot{m}$).
   • De dynamiek op het substraat wordt gekoppeld aan de snelheid van het substraat ($U_s$).
     Dit resulteert in een model dat lineair is in de structuur, maar niet-lineair reageert op de invoer.

4. Data-generatie en Identificatie:

   • CFD Simulaties: Hoge-resolutie data wordt gegenereerd met ANSYS Fluent voor cementachtig materiaal. Er zijn 9 simulatieruns uitgevoerd met variërende inlaatmassastromen (50, 60, 70 mm/s) en platen snelheden (50, 60, 70 mm/s).
   • Modeltraining: De parameters van het dynamische model worden geïdentificeerd via een niet-lineaire kleinste-kwadratenmethode (nonlinear least-squares) in MATLAB, waarbij de output van het model wordt afgestemd op de CFD-data.

Belangrijkste Bijdragen

• Nieuw Modelkader: Het is het eerste onderzoek dat een specifiek verlaagd orde-model formuleert voor de stromingsdynamica in Direct Ink Writing (DIW) van cementachtige materialen, gebaseerd op fysica-informeren principes.
• Modulaire Architectuur: De decompositie in drie subsystemen maakt een modulaire benadering mogelijk, waarbij elk fysiek fenomeen met de juiste nauwkeurigheid wordt gemodelleerd zonder de rekentijd te explodeer.
• Balans tussen Fysica en Data: Het model combineert de robuustheid van eerste-principes (Navier-Stokes) met de flexibiliteit van data-gedreven parameteridentificatie, waardoor het geschikt is voor real-time toepassingen.

Resultaten

Het model werd getest op interpolatie (voorspellen binnen het trainingsbereik) en extrapolatie (voorspellen buiten het trainingsbereik) voor zowel massastroom als platen snelheid.

• Overeenkomst met CFD: Het model toont een sterke overeenkomst met de CFD-data in alle drie de subsystemen (nozzle, gat, en laag).
• Interpolatie: Het model generaliseert uitstekend voor tussenliggende massastromen en snelheden die niet in de trainingsset zaten. De Root Mean Squared Error (RMSE) is zeer laag, vooral in subsysteem 1 en 3.
• Extrapolatie:
  • Het model presteert het beste bij extrapolatie naar lagere snelheden/massastromen (de dynamiek is hier vaak een geschaalde versie van de hogere waarden).
  • Extrapolatie naar hogere snelheden/massastromen resulteert in grotere fouten, vooral in subsysteem 2, vanwege de toenemende niet-lineariteiten en koppelings effecten (zoals schuifkrachten) die niet volledig in de trainingsdata waren vertegenwoordigd.
• Subsysteem-specifieke prestaties:
  • Subsysteem 1 (Nozzle): Zeer hoge nauwkeurigheid; de stroming wordt puur door de inlaatdruk gedreven.
  • Subsysteem 3 (Laag): Hoge nauwkeurigheid; de stroming wordt gedomineerd door de beweging van het substraat.
  • Subsysteem 2 (Gat): Iets hogere foutmarges omdat dit een gekoppeld regime is waar zowel inlaat als substraat invloed hebben, en het model hierop gebaseerd is op een vereenvoudigde algebraïsche relatie.
• Robuustheid: Random train-test splitsen toonde aan dat het model stabiel blijft, zelfs met beperkte trainingsdata, zolang het een breed scala aan operationele condities heeft gezien.

Betekenis en Conclusie

Dit onderzoek levert een cruciale stap voorwaarts in de automatisering en besturing van 3D-printen met beton en cement.

• Real-time Toepasbaarheid: Het voorgestelde model is computationally efficient genoeg om te worden gebruikt in real-time besturingssystemen (closed-loop control), wat essentieel is voor het corrigeren van printfouten tijdens het proces.
• Smart Manufacturing: Het biedt een fundamenteel kader voor het voorspellen van draadkwaliteit en stromingsstabiliteit, wat leidt tot betere geometrische nauwkeurigheid en minder materiaalverspilling.
• Toekomstperspectief: De methode opent de deur voor geavanceerde optimalisatiealgoritmen in de civiele infrastructuur en architecturale 3D-printing, waar snelle en betrouwbare procesregeling noodzakelijk is.