南科大頂刊《AM》：應變超過1240%,！光固化4D打印超高力學性能形狀記憶高分子材料

來源：南方科技大學

近日，南方科技大學機械與能源工程系副教授葛锜團隊和西北工業(yè)大學副教授張彪團隊在Advanced Materials合作發(fā)表論文,，報道一種用于光固化4D打印的超高力學性能形狀記憶高分子材料,。這種新材料在橡膠態(tài)斷裂應變超過1240%，在150%-250%的應變區(qū)間可以重復加載超10000次,。此外,，其優(yōu)異的光聚合性能使其成為數(shù)字光處理（Digital Light Processing - DLP）4D打印的理想材料，最高打印精度2微米,，在智能家居,、航空航天和軟體機器人領域應用潛力非常大。該項研究被Advanced Materials后內封面重點報道,。

4D打印是一種新興的制造技術，它能夠使打印出來的三維結構的形狀在外界環(huán)境刺激下隨時間變化,。與用于4D打印的其他主動軟材料（Soft Active Materials -SAMs）相比,，形狀記憶高分子（Shape Memory Polymers - SMPs）具有更高的剛度,，并且能與各種3D打印技術兼容,。其中,，采用DLP 3D打印技術打印可光固化SMP,，可以制造具有復雜幾何形狀和高分辨率的4D打印結構。然而,，現(xiàn)有可光固化SMP在力學性能方面具有局限性（伸長率偏低,、抗疲勞性能差等）,，這極大地限制了它們的應用范圍。因此,，亟需發(fā)展可承受大變形且具備抗疲勞能力的光固化SMP，以滿足工程應用中對4D打印智能材料力學性能的高要求,。

圖 1. 超高力學性能的tBA AUD SMP用于基于DLP 3D打印技術的4D打印

聯(lián)合研究團隊合作開發(fā)出了一種超高力學性能可光固化SMP體系,。該材料體系主要由丙烯酸叔丁酯（tBA）和脂肪族聚氨酯二丙烯酸酯（AUD）組成，故稱為tBA-AUD SMP體系,。如圖1所示，該SMP體系極易光固化,，與基于DLP的3D打印技術兼容,，可以制造出高分辨率-高度復雜的3D結構,。研究團隊開展了大量實驗,，研究tBA-AUD SMP體系的大變形機理和探索其在高承載-大變形結構中的工程應用,。

圖 2. tBA-AUD SMP前驅體溶液的相關特性

如圖2所示，通過流變測量,、凝膠分數(shù)試驗和固化時間測試表征了tBA-AUD SMP前驅體溶液的3D打印性能。交聯(lián)劑AUD含量在50 wt%以下前驅體溶液具有較低的黏度,，適用于DLP 3D打印,。AUD含量越高, tBA-AUD SMP體系的平衡凝膠分數(shù)越高，固化相同厚度的前驅體溶液所需的時間越短,。

圖 3. tBA-AUD SMP體系的熱力學性能

如圖3所示，通過熱力學性能測試標定了tBA-AUD SMP體系的大變形,、形狀記憶和耐疲勞性能,。tBA-AUD SMP體系在編輯溫度（80 °C）下具有較低的彈性模量和超高的斷裂伸長率。tBA-AUD SMP 體系具有近乎100%的形狀固定率和良好的形狀恢復率（~90%）,。此外,，這種SMP材料可以承受超過10000次大變形循環(huán)加載（循環(huán)應變150%-250%）。

圖 4. tBA-AUD SMP體系的大變形機理

如圖4所示,，通過紅外光譜測試,、應力松弛實驗和單軸拉伸試驗對比新鮮試樣和10000次疲勞后試樣，以闡釋tBA-AUD-SMP體系的大變形和抗疲勞機理,。AUD交聯(lián)劑的高分子量和氫鍵的綜合作用賦予了tBA-AUD SMP體系大變形性和抗疲勞性,。

圖 5. tBA-AUD SMP三維構件的高度變形能力及其在智能家具中的工程應用

圖 6. tBA-AUD SMP在航空航天中的應用

如圖5和圖6所示，3D打印的 tBA-AUD SMP三維構件具有高度變形能力,，在智能家居和航空航天等工程應用中潛力巨大,。tBA-AUD SMP的斷裂伸長率遠高于先前報道的各種可3D打印SMP。使用tBA-AUD SMP打印的三維結構具有大變形能力和高承載能力,，使其成為制造帶有SMP鉸鏈的智能家具的理想材料,。利用tBA-AUD SMP的快速熱響應能力，可以制作用于展開太陽能電池板的智能鉸鏈,。通過穿過鉸鏈微孔的電阻絲的加熱,，折疊編輯的鉸鏈可在1分鐘之內恢復到筆直狀態(tài)，完成太陽能電池板的快速部署,。

該項研究開發(fā)了適用于DLP打印的大變形-抗疲勞形狀記憶聚合物光敏樹脂,，可以滿足各類4D打印工程應用對先進智能材料的高斷裂應變、高抗疲勞能力,、高承載能力和適應于先進制造工藝等的綜合要求,。

西北工業(yè)大學副教授張彪、南方科技大學博士后李紅庚和博士生程健翔為論文共同第一作者,。葛锜為論文的通訊作者,，南方科技大學為唯一通訊單位。該項研究得到國家自然科學基金,、深圳市仿生機器人與智能系統(tǒng)重點實驗室,、廣東省普通高校人體增強與康復機器人重點實驗室和陜西自然科學基礎研究計劃等項目資助,。