AM易道导语：
阅读本文前，请读者猜猜左右哪种设计更抗压？
当蜻蜓在阳光下轻盈翱翔时，很少有人会想到这种存在了三亿多年的生物，正在启发一场设计思潮和制造创新。
近日，河海大学机电工程学院研究团队在SSRN发表最新研究（预印），将蜻蜓翅膀的奥秘转化为突破性的工程创新。
他们开发的骨架增强神经风格迁移辅助拓扑优化（SNST-TO）方法，不仅解决了仿生结构难以工业化制造的难题，更让3D打印制造的仿生翅膀结构展现出优秀的力学性能—在某些指标上竟超越传统设计方案273%。
AM易道认为，这项融合人工智能、仿生学与增材制造的研究，或将重新定义未来飞行器的设计与制造方式。
追寻自然的智慧：仿生结构设计的演进
自然界中的生物结构经过亿万年演化，蕴含着令人惊叹的工程智慧。
其中，蜻蜓翅膀以其出色的力学性能和轻量化特征，一直是科研人员关注的焦点。
正如原文图1所展示的，蜻蜓翅膀的研究历经了三个重要阶段。
最初，研究者们主要依靠个人经验和直觉来简化和模仿蜻蜓翅膀结构（如图1a所示）。
这种方法虽然简单直接，却难以系统地捕捉和复制蜻蜓翅膀的精妙之处。
随后，拓扑优化方法的引入（图1b）为结构设计带来了数学严谨性，但往往会丢失生物特有的形态特征。
而近期兴起的数据驱动方法（图1c）虽然可以更好地保留生物特征，却面临着计算资源需求巨大的挑战。
真正的突破口在于理解蜻蜓翅膀的本质特征。
如图1d所示，蜻蜓翅膀复杂的交叉脉络结构不仅提供了飞行能力，更在应力分布、裂纹阻断等方面发挥着关键作用。
这种深层次的生物学洞察，为本研究提供了启发。
照片滤镜般的结构优化：AI赋能的仿生创新
想象一下，如果把蜻蜓翅膀的结构特征当作一种独特的“滤镜”，我们能否将其应用到工程结构设计中？
河海大学的研究团队正是基于这种思路，开发出了SNST-TO方法。
就像我们在社交软件中为照片添加艺术效果一样，这种方法能够将蜻蜓翅膀的生物特征叠加到优化设计中。
但这个过程要复杂得多，研究团队使用深度神经网络（就像人工智能认出猫狗图片那样的技术）来学习蜻蜓翅膀的特征。
更巧妙的是，他们还引入了骨架增强技术：
就像建筑师在设计房屋时会先确定主要承重结构一样，这种技术能确保最终设计既有仿生特征，又能满足工程需求。
为了验证这种方法的可靠性，团队首先在经典的工程测试案例上进行了实验。
如图9所示的这是一个长方形设计空间，通过优化要找到最省材料又能承受载荷的结构形式。
图12记录了整个优化过程：从一团模糊的材料分布开始，随着计算机不断调整，结构逐渐变得清晰，最终形成了既有蜻蜓翅膀特征又能满足力学要求的形状。
从自然到工程：仿生翅膀的诞生
研究团队的创新性工作在实际翅膀设计中得到了充分体现。
如图13所示，他们首先从真实蜻蜓翅膀中提取了具有代表性的蜂窝状特征，并将其转化为风格参考图像。
在图14中，我们可以清晰地看到优化过程的演进：从设定均匀载荷边界条件（图14a），到引入相似性和平滑性约束（图14b），最终通过增加最小尺寸约束得到具有工程可实现性的结构（图14c）。
与传统ABAQUS软件优化结果（图15）相比，新方法不仅保留了仿生特征，更展现出优越的力学性能。
从计算机到现实：3D打印登场
将优化设计变成实物，考验的是增材制造的工艺水平。
研究团队选择了Ultimaker S5型FDM打印机，使用的材料是一种改性的尼龙，它的性能指标如下：
密度： 1.129 g/cm³
杨氏模量：1330MPa
泊松比：0.394
FDM工艺参数：
打印温度：230℃
打印速度：60mm/s
喷嘴直径：0.25mm
层厚：0.06mm
填充率：100%
填充模式：直线型
为了适应3D打印机的尺寸限制，团队将原始设计按0.376的比例进行了缩放，最终样件尺寸为150mm×38mm。
比例的选择既考虑了打印精度，也确保了结构特征的完整保留。
在UTM5105万能试验机上进行的测试，配备了高精度的位移传感器和3376×2704像素的工业相机，能够精确记录样件在加载过程中的每一个变形细节。
如图16所展示的实验装置，不仅能测试展向压缩性能，还能评估弦向受力情况。
实验结果：数据背后的启示
当载荷-位移曲线在计算机屏幕上徐徐展开时（图17），研究团队看到不错的结果。
在展向压缩测试中，新设计的仿生结构展现出了显著优势：在位移达到2mm时，载荷迅速攀升至1123N的峰值，展现出7.63×105 N/m的高刚度特性。
相比之下，传统设计方案仅能承载301N，刚度也只有1.85×105 N/m。
展向压缩测试中，新设计的仿生翅膀结构在承载能力上实现了273%的跨越式提升。
这种巨大的性能差异源于仿生结构中交错的支撑网络，它们就像蜻蜓翅膀中的脉络一样，能够有效分散和传递载荷。
弦向压缩测试中的发现更加有趣。
虽然两种设计在初始阶段表现相近（刚度均约为2.4×104 N/m），但随着载荷增加，差异逐渐显现。
新设计的最大承载能力达到2710.8N，比传统方案的1615N高出68%。
通过高分辨率相机记录的变形过程显示，仿生结构在压缩过程中表现出更协调的变形模式，这得益于其中密集的蜂窝状网络结构。
AM易道最后聊两句
大自然是最伟大的设计师，而这项研究提出的骨架增强神经风格迁移辅助拓扑优化方法（SNST-TO）恰如其分地诠释了如何将自然智慧转化为工程创新。
此方法可以推广到各类仿生结构的设计中，从重型飞机到微小无人机，从建筑到医疗器械，应用前景广阔。
AM易道认为，这类 创新设计方法+3D打印正是 工程师 和大自然间桥梁！
树干、蜻蜓翅、蜂巢、复眼、 鲨鱼皮、魔鬼鱼腮，这一次次的仿生学案例 在AM易道过去的文章中无不令人惊叹， 大自然中还有无数等待我们发现的智慧瑰宝。
而灵活的3D打印会帮助我们创造出更完美、更复杂的工程杰作。
AM易道将持续关注。
希望本文的研究能够带来启发。更多研究细节请参考文末的DOI信息。
感谢您阅读到了最后，如果觉得AM易道文章有价值，请您点赞、转发、关注AM易道，与您一道发现3D打印的下一个奇点。
Reference:
1. He, Gang and Zhou, Yang and Han, Zhengtong and Xu, Ze and Hao, Lv, Dragonfly-Like Wing Structure Enabled by a Novel Skeleton-Reinforced Neural Style Transfer Assisted Topology Optimization and Additive Manufacturing. Available at SSRN: https://ssrn.com/abstract=5082684 or http://dx.doi.org/10.2139/ssrn.5082684
注：
AM易道与文中提到公司不存在任何形式的商业合作、赞助、雇佣等利益关联。图片视频来自于网络，仅作为辅助阅读之用途，无商业目的。权归原作者所有，如有任何侵权行为，请权利人及时联系，我们将在第一时间删除。本文图片版权归版权方所有，AM易道水印为自动添加，辅助阅读，不代表对该图片拥有版权，如需使用图片，请自行咨询版权相关方。
热门跟贴