Predictieve modellering en experimentele validatie van mechanische–microstructurele relaties in 3D-geprinte Onyx–vezelcomposieten

Sterkere onderdelen van consumenten-3D-printers

Veel mensen hebben tegenwoordig een desktop-3D-printer of gebruiken er een, maar om deze machines te veranderen in gereedschappen voor echte vliegtuigen, drones of robots zijn kunststoffen nodig die veel sterker zijn dan de gebruikelijke hobbymaterialen. Deze studie onderzoekt hoe een taaie, nylonachtige kunststof genaamd Onyx gecombineerd kan worden met haarfijne koolstof- en glasvezels, en gebruikt vervolgens experimenten en computermodellen om te laten zien hoe printerinstellingen afgesteld kunnen worden om de beste mix van sterkte, stijfheid en flexibiliteit uit deze geavanceerde 3D-geprinte onderdelen te halen.

Bouwen met kunststof en draden van kracht

De onderzoekers werkten met een commerciële printer die twee materialen tegelijk deponeert: de Onyx-kunststof en continue strengen van koolstof- of glasvezel. Deze vezels functioneren als de stalen staven in gewapend beton: ze dragen het grootste deel van de belasting terwijl de kunststof alles bij elkaar houdt. Ze varieerden hoe vol het onderdeel van binnen was, hoeveel vezellagen werden opgenomen, hoeveel van de doorsnede de vezels innamen en in welke richting de vezels liepen. Teststukken werden vervolgens getrokken en gebogen volgens internationale normen om te meten hoe sterk en stijf de geprinte composieten daadwerkelijk waren.

Hoe printpatronen en vezelkeuzes de sterkte veranderen

Het team vond dat onderdelen versterkt met koolstofvezels veel sterker en stijver waren dan die met glasvezels, maar ook brosser braken. Het beste koolstofvezelontwerp bereikte een trekvastheid van ongeveer vier keer die van puur Onyx, terwijl het ook zware buigbelastingen weerstond. Ter vergelijking: glasvezelonderdelen droegen kleinere belastingen maar rekten meer uit voordat ze braken, wat nuttig kan zijn wanneer enige flexibiliteit gewenst is. Het interne patroon dat gebruikt werd om de onderdelen op te vullen speelde een sleutelrol: een vloeiend, driedimensionaal “gyroid”-patroon verdeelde spanningen gelijkmatiger en gaf de hoogste sterktes, terwijl een eenvoudig rechthoekig raster zwakke plekken creëerde waar scheuren konden beginnen.

Computers leren voorspellen van 3D-geprinte prestaties

Aangezien het testen van elke mogelijke combinatie van instellingen duur en tijdrovend zou zijn, gebruikten de auteurs een gestructureerd plan van 27 zorgvuldig gekozen printrecepten om het ontwerpgebied efficiënt te bestrijken. Ze trainden vervolgens machine learning-modellen om de verbanden tussen printerinstellingen en gemeten eigenschappen te leren. Een lineair model legde met uitstekende nauwkeurigheid vast hoe printkeuzes de buigsterkte beïnvloedden, terwijl een flexibeler random forest-model zowel sterkte als rek in trek voorspelde. Deze tools konden bijna alle variatie in de gegevens verklaren, wat betekent dat ze, eenmaal getraind, het gedrag van nieuwe printrecepten kunnen voorspellen zonder aanvullend fysiek testen.

Kijken naar gebroken oppervlakken voor verborgen aanwijzingen

Om te begrijpen waarom sommige onderdelen plotseling faalden en andere geleidelijk, onderzocht het team gebroken teststukken onder een scanning electron microscope. Koolstofvezelcomposieten lieten scherpe scheuren en kort vezeluittrek zien, aanwijzingen van een stijve maar brosse structuur. Glasvezelstukken toonden meer uitgebreide vezeluittrek, open ruimten tussen vezels en kunststof en grotere gebieden van beschadigde matrix, alle kenmerken die samenhangen met het absorberen van meer energie vóór falen. Deze microscopische observaties kwamen overeen met de trends in sterkte en taaiheid uit de mechanische tests en uit de computermodellen, en verbond zo de zichtbare breukpatronen met de onderliggende structuur.

Wat dit betekent voor toekomstige geprinte onderdelen

Voor niet-specialisten is de belangrijkste boodschap dat sterke, lichtgewicht onderdelen van printers op desktopformaat niet alleen gaan over het kiezen van een chique filament, maar over hoe dat materiaal driedimensionaal wordt afgezet. Door zorgvuldig vezeltype, vezelrichting en interieurpatroon te kiezen, en door data-gedreven modellen te gebruiken om die keuzes te sturen, kunnen ingenieurs 3D-geprinte componenten ontwerpen die óf maximale sterkte prioriteren óf wat sterkte inruilen voor grotere taaiheid en flexibiliteit. Deze gecombineerde experimentele en machine learning-aanpak biedt een routekaart om alledaagse 3D-printers om te vormen tot betrouwbare hulpmiddelen voor veeleisende structurele toepassingen.

Bronvermelding: Dhage, B.H., Khedkar, N.K., Naidu, M.J. et al. Predictive modeling and experimental validation of mechanical–microstructural relationships in 3D-printed Onyx–fibre composites. Sci Rep 16, 14715 (2026). https://doi.org/10.1038/s41598-026-45529-7

Trefwoorden: 3D-printen composieten, Onyx koolstofvezel, glasvezel versterking, mechanische eigenschappen, machine learning-modellen