🔬 applied physics

Dual-purpose architected materials: Optimizing graded BCC lattices for crashworthiness and heat dissipation

本文提出了一种针对密度梯度体心立方（BCC）晶格结构的多目标优化框架，通过结合冲击与强制对流仿真及代理模型，成功实现了在最大化吸能效率的同时优化散热性能，并揭示了材料分布与几何变量对力学 - 热学权衡的定量影响。

原作者： Jaswanth V Gurudev, Ratna Kumar Annabattula

发布于 2026-02-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Jaswanth V Gurudev, Ratna Kumar Annabattula

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“如何设计一种既防撞又散热的智能材料”**的故事。想象一下，你正在为未来的电动汽车设计一个“超级护甲”，它不仅要能在车祸中保护乘客（吸收冲击力），还要能像高效的散热器一样，防止电子元件过热。

研究人员发现，传统的实心材料很难同时做到这两点。于是，他们把目光投向了一种像**“乐高积木”一样的晶格结构**（Lattice Structure）。这种结构内部有很多小孔，看起来像蜂巢或网格。

以下是这篇论文的核心内容，用通俗易懂的比喻来解释：

1. 核心挑战：既要“硬”又要“软”？

矛盾点：
- 防撞（吸能）：需要材料在受到撞击时像**“软糖”**一样，通过变形来慢慢吸收能量，保护里面的人。
- 散热：需要材料内部有通畅的“风道”，让冷空气能吹过，带走热量。如果材料太密，风就吹不过去；如果太稀疏，又挡不住撞击。
传统做法的局限：以前的设计通常只关注其中一点（要么只管防撞，要么只管散热），或者使用均匀厚度的“乐高积木”（所有杆子一样粗）。但这就像穿了一件厚度均匀的棉袄，既不够保暖也不够透气。

2. 创新方案：像“洋葱”一样分层的智能结构

研究人员提出了一种**“功能梯度”**（Functionally Graded）的设计思路。

比喻：想象一个洋葱，或者一个金字塔。
- 底部（靠近热源/芯片）：杆子很粗。这就像在热源旁边筑起一堵厚墙，能高效地把热量“吸”出来并传导走。
- 顶部（靠近冷空气/撞击面）：杆子很细。这就像在顶部留了很多小窗户，让冷空气能轻松穿过，带走热量，同时在撞击时，细杆子能像**“易碎品包装泡沫”**一样，先发生弯曲变形，缓冲冲击力。
关键发现：这种“下粗上细”的渐变结构，比“上下一般粗”的均匀结构要聪明得多。

3. 研究方法：用“数学预言”代替“疯狂试错”

难题：要找到完美的杆子粗细组合，理论上可能有无数种可能。如果每种都造出来做实验或跑超级计算机模拟，既费钱又费时，就像要在沙漠里找一粒特定的沙子。
解决方案：研究人员使用了一种叫**“代理模型”**（Surrogate Modeling）的“魔法水晶球”。
- 他们先精心挑选了16 种不同的设计方案进行模拟（就像先尝了 16 种口味的冰淇淋）。
- 然后，用数学公式（代理模型）根据这 16 种结果，预测出其他成千上万种未测试方案的表现。
- 最后，利用**“多目标优化”算法，在预测结果中寻找那个“既防撞又散热”的完美平衡点**（帕累托最优解）。

4. 实验结果：两个“冠军”选手

通过计算，他们找到了两个最优秀的设计方案，我们叫它们 O1 和 O2：

选手 O1（散热极客，但有点“偏科”）：
- 优点：它的散热性能（努塞尔数）极高，空气阻力也很小。
- 缺点：它的杆子底部太粗了，导致空气流不过去，反而把芯片“闷”坏了（温度升高）；而且它太脆了，一撞就碎，吸能效果很差。
- 比喻：就像一辆赛车，引擎散热极好，但车身太脆，一撞就散架，不适合日常驾驶。
选手 O2（全能选手，真正的赢家）：
- 优点：它在吸能（防撞）和散热之间取得了完美的平衡。
  - 防撞：当受到撞击时，它像**“多米诺骨牌”**一样，一层一层地依次倒塌（从细杆开始），慢慢吸收能量，而不是瞬间崩塌。这大大降低了撞击时的瞬间冲击力（峰值应力）。
  - 散热：虽然它的理论散热指标不是最高，但因为空气流通顺畅，实际芯片温度控制得很好。
- 比喻：就像一辆SUV，既有坚固的防撞梁保护乘客，又有良好的空调系统，是真正的“全能型”选手。

5. 总结与启示

这篇论文告诉我们：

渐变是王道：在工程设计中，不要试图用一种规格解决所有问题。像洋葱一样，根据位置的不同改变材料的“性格”（粗细），往往能获得意想不到的好效果。
智能设计：利用计算机算法（代理模型）来辅助设计，可以大大减少盲目实验的成本，快速找到最优解。
实际应用：这种材料非常适合用在电动汽车的电池包或电子控制单元上。它既能防止车祸时电池起火（吸能），又能防止电池过热（散热），一举两得。

一句话总结：研究人员通过数学魔法，设计出了一款“下粗上细”的智能晶格材料，它像一位聪明的保镖，既能温柔地化解撞击，又能高效地排出热量，是未来汽车和电子设备的安全卫士。

这是一份关于《双重用途架构材料：优化分级 BCC 晶格以兼顾抗撞性和散热性能》（Dual-purpose architected materials: Optimizing graded BCC lattices for crashworthiness and heat dissipation）论文的详细技术总结。

1. 研究背景与问题 (Problem)

随着航空航天、汽车电子（如电子存储单元 ESU）等领域的发展，对材料提出了多物理场的苛刻要求：既需要优异的机械能量吸收能力（抗撞性/耐撞性），又需要高效的热管理能力（散热）。

现有局限：传统的晶格结构优化通常局限于单一目标（仅优化力学性能或仅优化热性能），忽略了实际应用中多物理场的耦合与权衡。
核心挑战：如何在同一结构中平衡相互冲突的性能指标？例如，为了增加散热表面积通常需要更细的支柱（增加孔隙率），但这会降低结构强度；而为了抗撞性需要更粗的支柱，这又会阻碍流体流动，降低散热效率。
研究目标：开发一种功能梯度（Functionally Graded, FG）的体心立方（BCC）晶格结构，通过沿高度方向改变支柱直径，同时最大化冲击能量吸收和热耗散性能。

2. 方法论 (Methodology)

2.1 设计参数化与几何建模

结构基础：基于 4mm 单元尺寸的 BCC 晶格，排列成 $6 \times 6 \times 6$ 的网格。
功能梯度策略：将晶格沿高度分为三个平面区域（Zone），引入四个不同的支柱直径参数： $d_0, d_1, d_2, d_3$ $d_{0}, d_{1}, d_{2}, d_{3}$ 。
- 假设：热侧（接触芯片端）支柱较粗以增强导热，冷侧（迎风端）支柱较细以降低流阻并促进流体混合。
- 约束：
  - $d_0$ 固定为 0.5 mm（受增材制造分辨率限制）。
  - 保持相对密度（ $\rho = 0.17$ ）与基准均匀晶格一致。
  - 通过解析表达式将 $d_3$ 表示为 $d_1$ 和 $d_2$ 的函数，从而将设计空间降维至二维（ $d_1, d_2$ ）。
- 面积孔隙率近似：由于计算梯度支柱的体积分数复杂，作者推导了基于截面面积孔隙率的解析表达式来约束相对密度，误差控制在 6% 以内。

2.2 实验设计与采样 (DoE)

采样方法：采用拉丁超立方采样 (LHS) 结合贪婪泊松盘采样 (GPD) 策略。
样本数量：在满足密度约束的可行域内选取了 16 个 训练样本点（包括 4 个角点和 12 个内部点）。
设计变量范围： $d_1, d_2 \in [0.5, 2.58]$ mm，且满足 $d_0 < d_1 < d_2 < d_3$ 。

2.3 多物理场仿真

热仿真 (CFD)：
- 软件：Ansys Fluent 2025 R1。
- 设置：强制对流射流冲击（Jet Impingement），入口风速 15 m/s，空气温度 303 K。
- 模型：SST $k-\omega$ 湍流模型。
- 关键指标：努塞尔数 ($Nu $，表征散热)、压降 ($ \Delta P $，表征泵功/流阻)、摩擦系数 ($ C_f $)、综合热性能因子 ($ \beta$)。
力学仿真 (冲击)：
- 软件：Abaqus/Explicit。
- 设置：动态压缩，冲击速度 15 m/s（模拟典型车祸速度）。
- 材料：Al-6061-T6 铝合金（线性弹性 - 完美塑性模型）。
- 关键指标：比能量吸收 ($SEA $)、峰值应力 ($ \sigma_p $，关乎乘客安全)、致密化应变 ($ \epsilon_D$)。

2.4 代理模型与多目标优化

代理模型：使用薄板样条 - 径向基函数 (TPS-RBF) 构建四个目标函数的代理模型，以替代昂贵的直接仿真。
优化算法：采用目标规划 (Goal Programming)。
- 设定理想目标（$Nu $和$ SEA $最大化，$ \sigma_p $和$ \Delta P$ 最小化）。
- 通过调整惩罚权重（Penalty weights），寻找帕累托最优解（Pareto-optimal solutions），即在给定权重下偏差最小的设计方案。

3. 关键结果 (Key Results)

3.1 代理模型精度

TPS-RBF 模型对四个目标函数的拟合度极高（ $R^2 = 1.0$ ），均方根误差（RMSE）极低，证明了代理模型在捕捉非线性关系（特别是 $Nu $和$ SEA$）方面的有效性。

3.2 优化设计方案

研究识别出两个具有代表性的帕累托最优设计：

设计 O1 (侧重热性能)：
- 特征：极细的顶部支柱 ( $d_1, d_2 \approx 0.5$ mm) 和极粗的底部支柱 ( $d_3$ 很大)。
- 结果：$Nu $提升 8.3%，$ \Delta P $降低 34.8%，$ \sigma_p$ 降低 66.7%。
- 缺陷：$SEA$ 急剧下降 88%（几乎丧失吸能能力）；由于底部支柱过粗导致气流在芯片上方停滞，实际芯片温度反而最高（约 345 K）。
设计 O2 (综合平衡)：
- 特征：适度的梯度变化 ( $d_1 \approx 0.54, d_2 \approx 0.92$ mm)。
- 结果：
  - 力学：$SEA $提升 **114.77%**，$ \sigma_p$ 降低 36%。
  - 热学：$Nu $与基准相当（提升 1.65%），$ \Delta P$ 降低 30.8%。
  - 综合：芯片温度仅略高于基准，但综合热性能因子 $\beta$ 提升 14.9%。

3.3 物理机制分析

力学行为：O2 结构表现出渐进式坍塌 (Progressive Collapse)。由于直径沿冲击方向逐渐增加，不同层依次发生塑性变形，避免了整体同时坍塌，从而延长了塑性变形平台期，显著提高了能量吸收效率。相比之下，O1 结构因底部过于致密，表现为类似复合晶格的“双致密化”现象，吸能效率低。
热学行为：O1 虽然理论 $Nu$ 高，但过粗的底部支柱阻碍了气流到达芯片表面（流动停滞），导致散热失效。O2 通过较细的顶部支柱降低了流阻，保证了气流能有效流经芯片区域，实现了更好的实际散热效果。

4. 主要贡献 (Key Contributions)

多物理场优化框架：提出了一种结合代理模型和目标规划的方法，成功解决了晶格结构在抗撞性和散热性之间的多目标权衡问题。
功能梯度策略验证：证实了“热侧粗、冷侧细”的梯度设计策略在理论上可行，但必须控制梯度斜率。过大的梯度（如 O1）会导致流体动力学失效，而适度的线性梯度（如 O2）能实现双赢。
定量设计指南：揭示了支柱直径分布对力学 - 热学权衡的具体影响机制（如渐进式坍塌对吸能的提升，以及流阻对实际散热温度的决定性作用）。
高效计算流程：展示了利用少量样本（16 个）构建高精度代理模型，从而大幅减少计算成本，为复杂晶格结构的快速设计提供了范例。

5. 意义与展望 (Significance)

工程应用：该研究为汽车电子封装、航空航天热管理系统等需要同时应对冲击和散热的场景提供了具体的结构设计方案（特别是 O2 设计）。
方法论创新：证明了在增材制造背景下，通过功能梯度设计可以打破传统单一性能材料的局限。
未来方向：
- 引入物理信息神经网络 (PINNs) 或物理信息几何算子 (PIGOs) 以进一步减少仿真依赖并生成物理一致的训练数据。
- 将优化框架扩展到其他拓扑结构（如 FCC、金刚石立方等）及更复杂的边界条件。

总结：该论文不仅成功设计出了性能优于传统均匀晶格的双重用途材料，更重要的是通过深入的多物理场分析，揭示了“设计变量”与“物理性能”之间复杂的非线性关系，为下一代智能架构材料的设计提供了坚实的理论基础和实用指南。