使用直轧铜棒并结合直觉模糊MARCOS方法的微杯生产备选方案排序发展

为重大技术塑造微小金属零件

从智能手机到医用植入件，许多现代设备依赖于肉眼难以看见的微小金属零件。准确且低成本地制造这些微尺度组件是一项重大挑战。本文探讨了一种更聪明的方法来设计并微调这一过程——成形用于电子和生物医疗设备的微型铜杯——通过将计算机仿真与一种先进的决策工具相结合，帮助工程师在多个相互竞争的目标之间取得平衡。

从铜棒到微小杯状件

研究从普通铜棒入手，将其制成直径仅约一毫米半的显微杯。铜首先通过重型轧机压缩以减小直径并使内部晶粒取向一致，然后进行温和的热处理以释放内应力。切取小圆形毛坯并通过称为微深拉伸的八阶段成形序列推送，其中冲头将金属压入模具以形成杯状。每个阶段逐步缩小并加长杯体，使材料在不撕裂或起皱的情况下流动，最终生产出适用于敏感应用的高而细的微杯。

用虚拟试验替代经验摸索

研究人员不依赖车间里的反复试错，而是使用详细的计算机仿真来模拟成形过程的每一步。通过有限元分析，他们跟踪铜的拉伸、变薄以及在工具移除后发生的回弹。仿真关注四个关键指标：工具必须施加的力、杯体的回弹量、金属在失效前的安全成形能力，以及壁厚的变薄程度。通过调整参数，例如冲模间隙、冲头曲率、毛坯尺寸与冲头尺寸的比值，以及干润滑剂的选择，团队可以在虚拟环境中探索多种组合，找出在缺陷最少的情况下既强韧又精确的成形方案。

让智能排序系统选择最佳工况

由于改善一项指标可能会恶化另一项——例如降低成形力可能会增加变薄——团队采用了直觉模糊MARCOS方法，这是一种在多个目标冲突且专家意见存在不确定性时对选项进行排序的复杂方法。该方法将每组工艺参数视为一个“备选方案”，并同时将其与理想情形和最差参考进行比较。关于各指标重要性的专家判断以带有犹豫度的分级形式表达，从而能够处理模糊或不完整的信息。随后方法计算每个备选方案相对于低力、低回弹、高成形性和受控变薄的理想平衡的接近程度，并给出稳定的优先排序。

将预测付诸实验验证

一旦计算模型和排序系统识别出有前景的工况，研究人员便在实验室中对其进行验证。他们使用轧制并再结晶的铜成形真实的微杯并进行详细检查。高分辨率成像揭示了金属内部晶粒如何重塑，表面测量记录了粗糙度、壁厚和尺寸精度。额外测试测量硬度、杯体的回弹量以及成形应变与失效极限的接近程度。最佳排序的配置——紧配合间隙、中等圆角的冲头、适度的拉深步距以及石墨作为干润滑剂——比其他测试条件产生了表面更光滑、壁厚更均匀、尺寸偏差更小且成形力更低的微杯。统计检验表明，仿真预测与实际结果高度吻合。

这对更清洁、更智能制造的重要意义

对非专业读者而言，关键结论是该研究展示了一种实用的方法，使制造微小金属零件更可靠，同时减少材料和能耗浪费。通过将逼真的虚拟试验与一种能够在多重设计目标与不确定性间权衡的谨慎排序方法结合，研究者们确定了能够稳定产出强韧且精确微杯的成形工况。尽管工作集中于一种铜合金和有限的形状范围，但相同的策略——广泛仿真，然后由智能决策系统选择最佳折衷方案——可用于指导许多其他微制造过程的设计。这推动产业摆脱代价高昂的试错方法，迈向更可持续、以数据为驱动的微型组件生产，这些组件是现代技术的基础。

引用: Sivam, S.P.S.S., Kesavan, S. & Ajiboye, T.K. Development of ranking alternatives of micro-cup production from directionally rolled copper rods using the Intuitionistic Fuzzy MARCOS method. Sci Rep 16, 9585 (2026). https://doi.org/10.1038/s41598-025-29817-2

关键词: 微深拉伸, 有限元仿真, 模糊决策, 铜微杯, 可持续微制造