Sensitivity increase of 3D printed, self-sensing, carbon fibers structures with conductive filament matrix due to flexural loading

本文表明，通过施加压缩弯曲载荷进行预应力处理，可以显著且不可逆地增强3D打印连续碳纤维自感知结构的灵敏度，同时通过共挤出导电丝基体可以提高其电气可靠性和噪声性能。

要点

想象一下，你拥有一台 3D 打印机，它不仅能制造塑料玩具，还能将强韧且隐形的碳纤维织入塑料之中，使其变得像现代钢筋混凝土一样坚固。这篇论文讲述了如何将这些 3D 打印的梁转化为它们自身的“神经系统”，使其能够感知自己何时正在被弯曲或挤压。

以下是研究人员如何让这些梁变得超级灵敏的故事，我们使用了简单的概念和类比。

目标：制造一根能“感知”的梁

通常，如果你想知道一座桥梁或机械臂弯曲了多少，你必须在上面粘一个单独的传感器。研究人员想要跳过这一步。他们希望梁内部的碳纤维本身就能充当传感器。

碳纤维很特殊，因为当你拉伸或挤压它们时，它们的电阻会发生变化（即电流通过变得更加困难）。这被称为“压阻效应”。然而，在它们自然、完美的原始状态下，这些纤维对微小的变化并不敏感。这就像是在嘈ory（嘈杂）的房间里试图听清一声低语；信号太微弱了。

秘诀：“故意破坏”梁

研究人员发现了一个反直觉的技巧，让梁能够“听见”那声低语：他们故意让它损坏了一点点。

想象一束由 1,000 根细小的吉他弦（碳纤维）组成的束状物，在塑料内部运行。

1. 设置： 当梁被打印出来时，塑料冷却的速度比纤维快。这产生了一种“残余应力”，就像是一个在被触摸之前就已经被轻微挤压的弹簧。
2. 预应力： 研究人员对梁进行了剧烈的弯曲，其强度远高于它在正常使用中会经历的最大弯曲。这被称为“预应力”。
3. 损伤： 由于预先存在的挤压和剧烈的弯曲，其中一些细小的内部“吉他弦”断裂了。
4. 结果： 现在，想象你有一束其中一些弦已经断掉的线。如果仅仅轻微弯曲这根梁，那些断掉的末端就会互相摩擦或失去接触。这会导致电流通过这束纤维的方式发生巨大的变化。

类比： 想象一个拥挤的走廊，人们正手拉着手。如果每个人都紧紧握住手，很难打破这个链条。但如果你故意让中间的几只手松开，人群的一个微小推动就会引发巨大的连锁反应，导致链条断裂。研究人员发现，通过“破坏”纤维，使梁对即使是最微小的弯曲也变得极其灵敏。他们实现的灵敏度（称为“灵敏度因子/Gauge Factors”）超过了 100，这比标准传感器要高得多。

问题：嘈杂的信号

这里有一个问题。当纤维断裂时，电信号变得非常“嘈杂”。这就像是在尝试收听一个带有静电干扰的广播电台。有时连接会闪烁跳变，导致数据不可靠。这是因为用于打印梁的塑料（PETG）是一种绝缘体——它不导电。当一根纤维断裂时，电流无处可去，信号就会丢失。

解决方案： “安全网”长丝

为了解决噪声问题，研究人员尝试了一种新的打印方法。他们不再仅仅打印碳纤维，而是采用共挤出技术（并排打印）一种特殊的导电长丝，称为“Protopasta”（一种混合了碳黑、具有导电性的塑料）。

类比： 把碳纤维想象成主干道。当公路上的桥梁坍塌时（纤维断裂），交通就会中断。Protopasta 就像是一个由侧路和绕行路线组成的网络。即使主干道上的纤维断裂，电流仍可以通过 Protopasta 的“侧路”保持连接。

结果：

• 可靠性： 使用 Protopasta 打印的样本要安静且可靠得多。信号不会闪烁。
• 灵敏度： 他们保留了由断裂纤维带来的高灵敏度。
• 权衡： 唯一的缺点是 Protopasta 更容易堵塞打印喷头，就像试图用吸管挤压浓稠的花生酱一样。

他们的发现

1. 压缩是关键： 纤维主要是在被“挤压”（压缩）时断裂，而不是在被“拉伸”时断裂。在梁被挤压的一侧，灵敏度会急剧飙升。
2. 永久性变化： 一旦你弯曲梁的程度足以破坏纤维，这种灵敏度就会永远保持下去。你无法“修复”这些断裂的纤维。
3. 降噪： 使用导电的 Protopasta 长丝使传感器表现得更好，这证明了拥有电流“安全网”对于这类传感器至关重要。

总结

研究人员通过剧烈弯曲 3D 打印的碳纤维梁，使其内部的部分纤维断裂，并发现这种损伤使得梁对触碰变得极其灵敏。为了防止信号变得嘈杂，他们在纤维旁边打印了一个导电的“安全网”。其结果是一个具有高度灵敏性和可靠性的自感知结构，它是通过有意识地引入一点受控损伤而创造出来的。

技术摘要

技术摘要：3D 打印自感知碳纤维结构的灵敏度提升

问题陈述
增材制造（3D 打印）已经实现了复杂零件的生产，但标准打印材料的机械强度往往限制了其在工程级应用中的使用。虽然连续纤维共挤出技术（将预浸碳纤维与热塑性基体结合）解决了强度问题，但集成传感能力仍然是一个挑战。现有研究表明，连续碳纤维束具有压阻特性，允许实现自感知。然而，标准的碳纤维应变计通常具有较低的灵敏度（标度因子/gauge factors）。此外，先前的研究观察到，在高载荷下进行的渐进式纤维损伤会导致不可逆的电阻变化并增加灵敏度，但这一现象尚未被系统地用于创建高灵敏度传感器。此外，打印传感器的电气接触可靠性和噪声仍是显著的障碍。

方法论
本研究利用 Anisoprint A4 Composer 3D 打印机，通过材料挤出（MEX）工艺制造了连续碳纤维增强梁。样品由 PETG（聚乙烯对苯二甲酸乙二醇酯）或 Protopasta（导电 PLA）基体与 1.5K 连续碳纤维共挤出而成。

• 样品设计： 梁的截面中部打印有碳纤维增强外周层。打印后，通过切割样品以隔离两个平行的应变计，并通过银漆和螺钉暴露纤维以进行电气连接。
• 实验设置： 使用线性驱动器进行三点弯曲测试。样品经历了一套特定的加载波形，包括：
  1. 低振幅正弦波（10 N）以测量基准灵敏度。
  2. 逐渐增加振幅的正弦波（最高 70 N）并带有增加的偏移量，以诱导“预应力”。
  3. 等待期以允许粘弹性松弛。
• 预应力协议： 样品在“初始取向”下加载，然后翻转至“翻转取向”，以测试在压缩和拉伸状态下的灵敏度。目标是通过诱导受控的纤维失效来不可逆地改变标度因子。
• 理论建模： 应用经典梁理论，并结合了基于碳纤维与基体之间热膨胀系数（CTE）差异计算出的残余热应力。电气模型假设电阻变化与平均应变成正比。

核心贡献

1. 不可逆灵敏度增强： 本文证明，通过高压缩弯曲载荷对连续碳纤维应变计进行预应力处理，可以使标度因子（灵敏度）提高几个数量级，这种提升是不可逆的。
2. 机制识别： 研究将灵敏度提升归因于局部渐进式纤维失效（单丝断裂），这种失效是由打印过程中的残余热应力和外部机械载荷共同作用引起的。
3. 导电长丝共挤出： 研究引入了在碳纤维周围共挤出导电长丝（Protopasta）的方法，以提高传感器的可靠性。显微图像证实，导电基体会接触碳纤维束，提供桥接断裂纤维段的平行电流路径。
4. 对比分析： 研究对比了 PETG 和 Protopasta 基体，强调了导电长丝方法具有更优越的电气稳定性和更低的噪声。

结果

• 灵敏度增益： 预应力处理导致标度因子超过 100（具体而言，在打印 Protopasta 的最短样品中，拉伸标度因子达到了 126），这显著高于文献中对于完整纤维的典型值。
• 压缩 vs. 拉伸： 在初始取向中，灵敏度主要在压缩状态下的应变计中增加。在翻转取向中，压缩和拉伸状态下的灵敏度均有所增加，尽管在压缩状态下的效果更为显著。
• 噪声与可靠性： 使用 Protopasta 打印的样品表现出显著更低的电气噪声和更可靠的接触，相比之下，使用 PETG 打印的样品则表现较差。PETG 样品经常出现接触失效或高噪声，这归因于非导电基体无法桥接断裂纤维段之间的间隙。
• 应力分析： 计算表明，总压缩应力（加载应力 + 残余热应力）超过了碳纤维的压缩屈服强度（约 237 MPa），但低于其拉伸屈服强度，这支持了纤维断裂主要源于压缩失效的假设。
• 微观结构证据： 显微图像显示存在空隙和不完整的树脂包覆，这使得导电 Protopasta 能够直接接触纤维。此外，还观察到了纤维束的剪切现象。

意义与主张
本文声称，预应力处理与导电长丝共挤出的结合，为创建高灵敏度 3D 打印结构传感器提供了一条极具前景的途径。作者指出，该方法允许创建能够测量自身内部应变的传感器，这不同于表面贴附式应变计。

然而，作者对局限性和未来适用性保持了谨慎的态度：

• 结构完整性： 该方法需要诱导纤维断裂来实现高灵敏度，这降低了结构的最终强度，可能使其不适用于需要最大强度的关键承载应用。
• 漂移与噪声： 虽然 Protopasta 降低了噪声，但电阻响应中仍观察到粘弹性漂移，这可能会影响长期应用的精度。
• 测量限制： 使用两探针设置（而非四探针）会导致测量中包含接触电阻，这可能导致对真实标度因子的低估，尽管作者指出测得的数值已经足够高，足以验证该概念。
• 建模近似： 由于打印过程的复杂性和材料的可变性，文中承认残余热应力和梁力学理论模型均为简化近似。

总之，这项工作验证了通过受控损伤（纤维断裂）可以实现创建高灵敏度自感知结构，前提是必须解决结构强度权衡以及稳健电气接触管理的问题。