融合物理信息与数据驱动的PDMS热场辅助直写成型温度场建模与预测研究

针对热场辅助增材制造(TFAM)中温度场实时预测难题，本研究开发了集成物理约束与数据驱动的TCN-GRU-PINN代理模型。通过建立PDMS材料的热传递数值仿真框架，结合半立方体算法量化辐射热通量，实现了多工况下温度场秒级预测（RMSE<0.3314℃），较传统数值模拟效率提升4500倍，为热固性聚合物原位固化工艺优化提供新范式。

在增材制造领域，热固性聚合物如聚二甲基硅氧烷(PDMS)因其优异的生物相容性和热稳定性，广泛应用于柔性电子和生物医学领域。然而，传统制造方法存在生产周期长、几何复杂度受限等问题，而现有光聚合技术又受限于材料的光敏特性。热场辅助增材制造(TFAM)通过原位加热加速固化，但温度分布变化会显著影响打印质量。目前，高保真数值模拟耗时数小时至数天，而纯数据驱动模型缺乏物理可解释性，这成为制约工艺优化的关键瓶颈。

为解决这一难题，浙江大学的研究团队在《Materials》发表研究，开发了物理信息与数据驱动融合的温度场预测框架。研究首先建立了基于辐射传热理论的TFAM热模型，通过ABAQUS二次开发实现动态单元激活仿真；继而构建包含30组多工况数据的实例库，采用半立方体算法精确计算辐射视角因子；最终提出时空特征提取的TCN-GRU-PINN代理模型，引入因果约束损失函数提升预测稳定性。

研究结果显示，数值仿真与实验数据的平均相对误差低于3%，验证了热模型的准确性。代理模型在双测试集上均表现优异：在基础数据集A上RMSE仅0.1716℃，较基准PINN降低52.39%；在复杂几何数据集B上仍保持R²>0.99。值得注意的是，模型仅需12.5%训练数据即可实现RMSE<1℃的预测精度，且物理约束残差稳定在10^-4量级。效率方面，代理模型将预测时间从数小时缩短至秒级，存储需求从GB级降至MB级。

通过热成像实验验证发现，部件边缘区域因接收多向辐射能量，温度较中心区域高15-20℃，这与仿真结果高度吻合。研究创新性地提出"喷嘴邻近时间"Δ_cum特征量，有效捕捉了热影响的时空累积效应。在数据依赖性测试中，模型仅需50%数据量即可达到传统CNN-LSTM全量数据的精度，展现出卓越的泛化能力。

该研究的意义在于：首次建立了适用于PDMS的TFAM全流程温度预测体系，突破传统模拟的时效瓶颈；提出的混合建模范式将物理方程嵌入神经网络，相较纯数据驱动方法减少90%以上数据需求；开发的代理模型可实现不同几何、工艺参数下的实时温度场预测，为热固性聚合物增材制造的智能工艺调控奠定基础。未来工作可进一步耦合流体-固化多物理场，并拓展至其他功能性聚合物材料的加工优化。