⚡ electrical engineering

A robust multi-objective approach in additive manufacturing

本文提出了一种基于 NSGA-II 算法的鲁棒多目标优化方法，旨在通过平衡不确定性条件下的支撑面积、构建时间、表面鲁棒性和表面质量，来确定熔融沉积建模中最优的 3D 零件取向。

原作者： Marina Araújo de Matos, Ana Maria A. C. Rocha, Lino A. Costa, Ana I. Pereira

发布于 2026-08-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Marina Araújo de Matos, Ana Maria A. C. Rocha, Lino A. Costa, Ana I. Pereira

原始论文采用 CC BY 4.0 许可（https://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

想象一个工厂车间，那里的机器不是通过切割材料来塑造零件，而是通过一层又一层地堆叠，就像把纸张堆叠起来并使其硬化成固体一样，将其构建出来。这就是增材制造，这项技术已经从快速原型制作转向生产从医疗植入物到汽车零部件的一切产品。其过程是通过熔化塑料并通过加热喷嘴将其挤出，从而在三维空间中勾勒出一个形状。然而，在开始作业之前，设计者将物体放置在打印机平台上的方式绝非易事。物体所处的角度决定了机器如何移动、作业需要多长时间，以及需要多少额外的材料来支撑悬空部分。如果物体的倾斜角度不对，打印机可能需要构建一个塑料临时支架来支撑部件，而这些支架在后期必须被拆除，这往往会留下粗糙的表面。如果角度不佳，最终的零件可能会看起来很笨重，或者比必要的打印时间长上好几个小时。寻找完美的角度是一种平衡的艺术，因为改善一个方面（如速度）往往会损害另一个方面（如表面光滑度）。

在最近的一项研究中，研究人员致力于解决这个平衡问题，不仅是为了单一的完美场景，更是为了应对现实世界中混乱的现状。他们专注于一个特定的挑战：如果打印机没有完全按照指令执行会发生什么？在完美的模拟中，机器可能会将零件旋转到精确的90度，但在实际的工厂中，轻微的震动或电机中的微小误差都可能使该角度偏移几度。以往大多数寻找最佳打印角度的方法都假设机器是完美的。由米诺大学（University of Minho）和布拉干萨理工学院（Polytechnic of Bragança）的 Marina Araújo de Matos 及其同事领导的团队提出了一个不同的问题：我们能否找到即使在机器出现轻微偏差时依然表现良好的打印角度？他们将一种鲁棒的多目标优化方法应用于一个翅片（fin）的三维模型，这种形状常用于工程研究。他们的目标是找到一组角度，即使实际角度与计划的角度略有不同，也能保持高质量的零件、较低的打印时间以及最小的支撑结构需求。

为了实现这一目标，研究人员使用了一种受自然进化启发的计算机算法来测试数千个不同的角度。他们不仅仅是在寻找单一的最佳角度，而是在寻找一组能够提供四个竞争目标之间最佳权衡的解集。第一个目标是最小化零件与临时支撑结构接触的面积，因为接触越少，拆除支撑结构时的损伤就越小。第二个目标是减少总构建时间，这很大程度上取决于物体相对于打印机的高度。第三个目标是降低表面粗糙度，即由分层过程引起的微观不平整。第四个目标是提高整体表面质量，当层叠过程在曲面上产生阶梯状外观时，表面质量会受到影响。该算法运行了30次独立的实验，生成了大量的潜在解决方案。从中，团队识别出了214个互不支配的独特选项，这意味着你无法在改进其中一个目标的同时而不使另一个目标变差。

研究人员随后将这214个选项筛选为23个具有代表性的解决方案，以展示完整的可能性范围。他们发现，有些角度非常适合最小化支撑面积，但会导致较长的打印时间；而另一些角度虽然速度极快，但留下的表面较为粗糙。至关重要的是，他们发现许多在以往研究中看起来完美的角度实际上是非常脆弱的；角度的微小偏移就会导致质量急剧下降。然而，这种新方法识别出的角度是稳定的。例如，有一个方案要求零件在一个轴向上旋转90度，在另一个轴向上也旋转90度，这虽然最小化了支撑面积和表面质量问题，但打印时间最长。另一个方案在180度和68度方向上进行定向，提供了最快的打印时间，但需要最多的支撑材料。团队还发现了几个在早期工作中未被识别出的新角度，证明了这种鲁棒方法可以找到标准方法所遗漏的“隐藏瑰宝”。

为了证明这些计算机生成的解决方案在现实世界中确实有效，团队选择了一个特定的角度——即零件在一个轴向上倾斜10度，在另一个轴向上倾斜165度——并对其进行了打印。随后，他们打印了同一个零件的第二个版本，但这次他们特意将角度偏移了3度，以模拟在实际打印作业中可能发生的微小误差。他们测量了打印这两个零件所需的时间以及使用的塑料丝料量。结果令人震惊：两个零件的打印时间几乎相同，差异不到2%，且使用的材料也几乎一样。当研究人员拆除支撑结构并观察最终零件时，发现完美角度打印的版本与角度偏移后的版本之间没有明显的视觉差异。表面光洁度、形状以及结构完整性都保持了一致。

这一实验证实了这种鲁棒方法是行之有效的。算法选择的角度不仅是一个理论上的理想值，更是一个能够承受任何制造过程中固有的小缺陷的实用解决方案。研究表明，通过针对不确定性进行设计，工程师可以找到可靠且一致的打印取向，而不是仅仅在纸面上达到最优。虽然这项研究聚焦于单个翅片形状的物体，但该方法为提高更复杂零件的打印可靠性提供了清晰的路径。这项工作表明，增材制造的未来不仅在于寻找最快或最便宜的打印方式，更在于寻找最稳定的打印方式，从而确保无论现实世界中发生多么微小的变化，最终产品都能完全符合预期。

技术摘要：增材制造中的鲁棒多目标优化方法

问题陈述
增材制造（AM），特别是熔融沉积建模（FDM）技术，在生产复杂几何形状并减少材料浪费和后处理需求方面具有显著优势。然而，最终零件的质量高度依赖于构建方向。选择最优方向是一个关键的多目标问题，因为它同时影响着相互冲突的因素，如所需支撑材料的数量、总构建时间、表面粗糙度以及整体表面质量。虽然以往的研究利用多目标优化来寻找帕累托最优解（Pareto-optimal solutions），但这些确定性方法往往无法考虑到实际打印过程中决策变量（旋转角度）中存在的确定性及微小扰动。因此，在模拟中表现最优的解在面对微小偏差时可能会变得非常敏感，从而导致次优的制造结果。

方法论
本研究提出了一种鲁棒多目标优化框架，用于解决 3D “翅片”（Fin）模型的构建方向问题。其核心目标是识别那些即使在决策变量发生微小扰动时仍能保持有效性和可行性的解。

优化公式化： 该问题被定义为最小化四个有效目标函数：
1. 有效支撑面积 ( $SA_{eff}$ )：外部支撑与打印物体之间的总接触面积。
2. 有效构建时间 ( $BT_{eff}$ )：根据模型高度和特定方向所需的层数推导得出。
3. 有效表面粗糙度 ( $RA_{eff}$ )：受表面法线与垂直方向之间夹角影响的整体表面质量指标。
4. 有效表面质量 ( $SQ_{eff}$ )：通过对整个表面的阶梯效应（cusp height）进行积分来衡量。
鲁棒性定义： 该方法并非优化原始目标函数，而是最小化平均有效目标函数 ( $f^{eff}_j$ )。该函数是通过在决策变量 ( $\theta_x, \theta_y$ ) 的 $\delta$ -邻域 ( $B_\delta(\theta)$ ) 内进行积分计算得出的。这确保了解对于定义的邻域内的微小变化具有不敏感性。
算法： 本研究采用了非支配排序遗传算法 II（NSGA-II），这是一种精英多目标遗传算法。
实验设置：
- 模型： 一个 3D CAD “翅片”模型（121.5 × 53.9 × 16 mm），层厚为 0.2 mm。
- 参数： 种群规模为 50，迭代 600 代，进行 30 次独立运行。扰动值 ( $\delta$ ) 设置为 3 度。
- 验证： 使用 Simplify3D 软件进行可视化。研究通过使用一台 Ender-3 3D 打印机进行了实验验证，制造了一个代表性解（解 L： $\theta_x=10^\circ, \theta_y=165^\circ$ ）及其扰动版本（ $\theta_y=168^\circ$ ）。

关键结果
优化过程产生了 214 个非支配解，从中选择了 23 个代表性解来表征帕累托前沿（Pareto front）。

帕累托前沿分析： 结果展示了目标函数之间明显的权衡关系。
- 解 A ( $90^\circ, 90^\circ$ ) 表现出最低的支撑面积和表面质量值，但构建时间最高。
- 解 W ( $68^\circ, 180^\circ$ ) 获得了最高的支撑面积和表面质量值。
- 解 T ( $90^\circ, 180^\circ$ ) 提供了最低的构建时间，但具有最高的表面粗糙度。
- 解 B ( $180^\circ, 109^\circ$ ) 实现了最低的表面粗糙度。
相关性： 分析确认了支撑面积 ( $SA_{eff}$ ) 与表面质量 ( $SQ_{eff}$ ) 之间存在正相关关系；当其中一个增加时，另一个也趋于增加。
与前人工作的比较： 与 Matos 等人 [17] 的确定性方法相比，鲁棒方法识别出了此前未发现的新解（E, I, L, O）。相反，前人工作中具有极小支撑面积的解（接近 $0^\circ, 0^\circ$ ）在此处并未获得，因为它们被认为是不具鲁棒性的。解 T 和解 W 被证实为鲁棒的替代方案。
实验验证： 对解 L 及其扰动版本 ( $\bar{L}$ ) 进行的物理打印显示差异极小。构建时间和耗材消耗的差异小于 2%。拆除支撑后的视觉检查显示两个零件之间没有明显的感知差异，证实了所选方向对于微小的角度偏差是鲁棒的。

意义与主张
本文声称提出了第一个专门应用于增材制造构建方向问题的鲁棒多目标优化方法。其主要意义在于将关注点从寻找理论最优解转向寻找鲁棒解，即在制造过程中不可避免的确定性存在时仍能保持性能的解。

作者断言，其方法成功生成了一组稳定且平衡的权衡解。通过实验验证，该研究证明了鲁棒优化可以识别出比确定性方法对噪声和扰动更不敏感的构建方向。这为决策者提供了更可靠的备选方案，确保即使在制造阶段发生轻微偏差，所选的方向仍能保持有效。研究结论指出，该方法对于追求一致性和可靠性的工业应用具有实际优势。

类似论文