Συγκριτική μελέτη generative design και topology optimization στη παραγωγή δοκιμίων προσθετικών κατασκευών ως προς τις μηχανικές ιδιότητες

Νιάκας, Ευάγγελος

Comparative study of generative design and topology optimization in additive manufacturing specimens mechanical properties

Διπλωματική εργασία

Author

Νιάκας, Ευάγγελος

Date

2024-03-14

Advisor

Στεργίου, Κωνσταντίνος
Σαγιάς, Βασίλειος

Διπλωματική Εργασία (6.675Mb)

Keywords

Γενετικός σχεδιασμός ; Βελτιστοποίηση τοπολογίας ; Προσθετική κατασκευή ; Μηχανικές ιδιότητες ; Μέθοδος πεπερασµένων στοιχείων ; Ορθοτροπικά υλικά ; Ανισοτροπία ; Συγκριτική μελέτη ; Κάμψη ; Στρέψη ; Μέθοδοι βελτιστοποίησης ; Σχεδιασμός με βοήθεια υπολογιστή ; Generative design ; Topology optimization

Abstract

Η παρούσα διπλωματική παρουσιάζει μια ολοκληρωμένη συγκριτική μελέτη των τεχνικών Γενετικής Σχεδίασης (Generative Design) και Βελτιστοποίησης Τοπολογίας (Topology Optimization) που εφαρμόζονται σε δοκίμια Προσθετικής Κατασκευής (Additive Manufacturing), με ιδιαίτερη έμφαση στις μηχανικές τους ιδιότητες. Η έρευνα περιλαμβάνει μια σε βάθος ανάλυση των υποκείμενων θεωριών πίσω από τον Γενετικό Σχεδιασμό και τη Βελτιστοποίηση Τοπολογίας, διερευνώντας τις αρχές και τις εφαρμογές τους στο πλαίσιο της Προσθετικής Κατασκευής. Για την πειραματική σύγκριση των μεθοδολογιών, πραγματοποιήθηκαν πρακτικές μελέτες με τη χρήση του CAD/CAE συστήματος (Fusion 360). Η έρευνα περιλαμβάνει τη δημιουργία και ανάλυση δοκιμίων που υποβλήθηκαν σε κάμψη και στρέψη, χρησιμοποιώντας τόσο τις τεχνολογίες Generative Design (GD) όσο και Topology Optimization (TO). Στη συνέχεια, τα μοντέλα αυτά υποβλήθηκαν σε ανάλυση με χρήση πεπερασμένων στοιχείων (FEA) σε λογισμικό Computer-Aided Engineering (CAE) για την αξιολόγηση της μηχανικής τους συμπεριφοράς. Τα αποτελέσματα έδειξαν ότι ο γενετικός σχεδιασμός παρήγαγε δοκίμια, με αυξημένο συντελεστή ασφαλείας, με καλύτερη κατανομή των τάσεων στο αντικείμενο, ωστόσο η βελτιστοποίηση τοπολογίας μείωσε αποτελεσματικότερα την μετατόπιση, ενώ απαιτούσε σημαντικά λιγότερο χρόνο υπολογισμού συγκριτικά με τον γενετικό σχεδιασμό. Επιπλέον, η βελτιστοποίηση τοπολογίας παρουσίαζε αρκετά προβλήματα με το πλέγμα τα οποία δυσκόλευαν την μετέπειτα χρήση της βελτιστοποιημένης γεωμετρίας. Σε δεύτερο χρόνο για να γίνει καλύτερα η προσέγγιση των αποτελεσμάτων από προσθετικές κατασκευές, αναπτύχθηκαν δύο μοντέλα ορθοτροπικού υλικού, για πολυαμίδιο, για την καλύτερη αποτύπωση της ανισοτροπικής φύσης των τρισδιάστατα εκτυπωμένων υλικών. Η εφαρμογή αυτών των μοντέλων περιλάμβανε τη χρήση CAD/CAE συστήματος (Ansys), όπου πραγματοποιήθηκαν πρόσθετες μελέτες βελτιστοποίησης τοπολογίας για τη βελτίωση των μηχανικών ιδιοτήτων των δοκιμίων, σε καταπόνηση κάμψης και στρέψης. Τα δεδομένα για τα υλικά αυτό πάρθηκαν από προηγούμενο πείραμα. Τα αποτελέσματα της συγκριτικής ανάλυσης φανερώνουν τα δυνατά και τα αδύνατα σημεία του Γενετικού Σχεδιασμού και της Βελτιστοποίησης Τοπολογίας στο πλαίσιο της Προσθετικής Κατασκευής, προσφέροντας πληροφορίες για τις αντίστοιχες επιπτώσεις τους στις μηχανικές ιδιότητες. Η παρούσα έρευνα συμβάλλει στον αυξανόμενο όγκο γνώσεων στον τομέα της Προσθετικής Κατασκευής, παρέχοντας επιπλέον πληροφορίες για σχεδιαστές, μηχανικούς και ερευνητές που στοχεύουν στη βελτιστοποίηση των μηχανικών ιδιοτήτων σε εξαρτήματα παραγόμενα από προσθετικές κατασκευές.

Abstract

This thesis presents a comprehensive comparative study of Generative Design and Topology Optimization techniques applied to Additive Manufacturing (AM) specimens, with a specific focus on their mechanical properties. The research involves an in-depth analysis of the underlying theories behind Generative Design and Topology Optimization, exploring their principles and applications in the context of AM. To empirically evaluate the performance of these methodologies, practical studies were conducted in a CAD/CAE system (Fusion 360). The research involved the creation and analysis of specimens subjected to bending and torsion, utilizing both Generative Design (GD) and Topology Optimization (TO) technologies. Subsequently, these designs underwent Finite Element Analysis (FEA) in Computer-Aided Engineering (CAE) software to assess their mechanical behaviors. The results showed that the Generative Design yielded specimens with a better factor of safety, distributed stresses more efficiently along the geometry, exhibiting a lower maximum value, however the topology optimization reduced displacement more efficiently, while requiring significantly less computation time compared to the Generative Design. In addition, topology optimization presented several problems with the mesh that made subsequent use of the optimized geometry difficult. Furthermore for a better approach of future simulations, two orthotropic material models were developed to better capture the anisotropic nature of 3D printed materials, specifically for polyamide. The implementation of this model involved the use of a CAD/CAE system (Ansys), where additional Topology Optimization studies were carried out to refine the mechanical properties of the specimens, in bending and torsional stress. The data for each material was taken form a previous experiment. The results of the comparative analysis reveal the strengths and weaknesses of Generative Design and Topology Optimization in the context of Additive Manufacturing, offering insights into their respective impacts on mechanical performance. This research contributes to the growing body of knowledge in additive manufacturing, providing valuable information for designers, engineers, and researchers aiming to optimize mechanical properties in 3D-printed components.