近几十年来，折纸艺术已被用于工程结构设计。这些结构涵盖多个尺度，并已在航空航天、超材料、生物医学、机器人和建筑等领域得到应用。传统的折纸结构通常通过手动、电机或气动执行器来驱动。然而，这种方法往往造成结构笨重或庞大。智能材料能够响应如温度、湿度、光照、磁场等外部刺激而发生变形，因此近年来得到了迅速发展。同时，将智能材料与折纸技术相结合已在轻量、可编程、可远程激励的可展开结构领域显示出巨大潜力。
最近，斯坦福大学的赵芮可教授团队和佐治亚理工学院的齐航教授团队撰写了题为《Active Materials for Functional Origami》的综述文章，总结了关于智能材料在功能性折纸术领域应用的最新研究进展。这篇综述涉及材料科学、力学、结构设计等多个领域，详细介绍了不同的折纸机制、智能材料的驱动机制与其在智能折纸中的应用实例、以及智能折纸的制造方法和理论框架，并展望了智能折纸的未来研究方向与挑战。该综述文章作者包括本科生Sophie Leanza（2001年出生，即将入学斯坦福大学直博），斯坦福大学的博士生吴帅和佐治亚理工学院的博士后孙晓昊。该综述文章在线发表于《Advanced Materials》杂志。
高分子与折纸的结合
通过利用智能材料，如形状记忆聚合物（Shape Memory Polymers，简称SMPs）和合金（Shape Memory Alloys，简称SMAs）、水凝胶（Hydrogels）、液晶弹性体（Liquid Crystal Elastomers，简称LCEs）、磁性软材料（Magnetic Soft Materials，简称MSMs）和共价适应性网络聚合物（Covalent Adaptable Network polymer，简称CAN polymers），传统的折纸技术已经发展到智能折纸。由于高分子在智能折纸中的应用更多，综述文章深入探讨了这些高分子材料的工作机制，广泛总结了其性能细节，如材料的驱动速度和刚度，以及如何利用这些智能材料创建具有功能性的折纸结构（图1）。
图1，传统折纸、工程折纸和智能折纸介绍。
形状记忆聚合物（SMPs）是一种具有转变温度的网络聚合物（图2）。形状记忆循环通常包含两个步骤：在编程步骤中，SMP加热到转变温度以上而变得柔软而可变形（模量通常为MPa级别），当保持形变并将温度降低到转变温度以下时，SMP的形状可被“冻结”为临时形状（模量通常为GPa级别）；在恢复步骤中，SMP重新加热到转变温度以上，此时聚合物链重新变得活跃，并在熵驱下恢复到其永久形状。通过设计铰链，SMP智能折纸可以在光照或者加热情况下完成单向与双向折叠，并实现了盒子、金字塔等折纸结构。利用不同转变温度的SMP设计铰链，智能折纸实现了顺序自折叠和自锁定结构。值得注意的是，对于大多数SMP变形是一种单向过程。通过SMP 与水凝胶或者磁性颗粒结合，智能折纸可以实现可逆折叠与展开。
图2，形状记忆聚合物机理与智能折纸介绍。
水凝胶（Hydrogels）是一种能够吸收大量水分的网络聚合物（图3）。在热量、pH变化、离子强度和光线等刺激下，水凝胶能够通过吸收或排出水分子而表现出宏观变形。由于水分子扩散速度的限制，水凝胶的驱动过程可能在分钟到几个小时之间。水凝胶具有与生物材料和组织相当的低弹性模量（几kPa到几百kPa之间），并且有较好的生物相容性，使其在生物医学应用中得到广泛使用。水凝胶的膨胀通常是各向同性的，因此为了实现更复杂的水凝胶智能折纸变形，需要使用不同的策略：改变交联密度、孔隙度梯度或使用具有不同膨胀能力的多层材料。水凝胶智能折纸结构中，不同层对外部刺激的反应不同，从而导致不同层之间的应变不同，产生类似于折纸中的铰链的方向性弯曲，从而创造出复杂的三维形状和结构。
图3，水凝胶机理与智能折纸介绍。
液晶弹性体（LCEs）是由液晶分子（也称为介晶分子）和聚合物链通过共价键结合形成弹性网络（图4）。当这些材料受到外部刺激（如温度或光）时，其中的液晶分子会重新排列，导致LCE在其取向方向上发生收缩。这种驱动或激活过程可以非常迅速，通常在几秒的时间内完成。LCE的刚度及其产生的驱动应力可以在较大的范围内变化（从数百kPa到几MPa）。由于LCE能够在受到激励时产生大的可逆形变，因此它们被视为一种具有潜力的人工肌肉材料。在制作智能折纸结构时，LCEs表现出巨大的潜力。通过引入复杂的LCE取向分布，可以使平面材料通过折叠转变为三维形状。此外，可以选择性地在折纸结构中添加LCE纤维，这些纤维在受到外部刺激（如加热）时提供驱动力，产生铰链折叠。这种技术为制造复杂的可变形结构和折纸机器人提供了可能性。
图4，液晶弹性体机理与智能折纸介绍。
磁性软材料（MSMs）能在外加磁场作用下实现快速、可逆和远程控制的形变（图5）。MSM中不同类型的磁性填料，具有铁磁（软磁或硬磁）或超顺磁性质，在磁场下的表现不同。磁性填料可以与橡胶或SMP、LCE、水凝胶、动态聚合物等功能性智能基质结合。由于MSMs可以基于多种材料，它们的刚度和驱动应力因此各不相同。此外，MSMs可以快速驱动，从几十微秒到几秒不等。其中，硬磁MSM在可编程性和控制精度方面具有优势，在智能折纸系统中具有广泛的应用潜力。当硬磁性粒子的磁化方向与施加的磁场不一致时，微扭矩作用于硬磁性粒子。这些微扭矩被传递到软基质，导致在磁场下发生形变，实现智能折纸复杂的形状重构，用于软机器人、超材料等应用。
图5，磁性软材料机理与智能折纸介绍。
共价适应性网络聚合物（CAN polymers）是一种含有动态共价键的交联聚合物，这些键能在保持网络完整性的同时可逆地断裂和重新形成（图6）。CAN polymers通常也被称为动态共价聚合物网络（Dynamic covalent polymer networks）或玻璃化物（Vitrimers）。典型的CAN polymers涉及使网络重排的键交换反应（Bond Exchange Reactions，简称BERs），包括酯交换、二硫键交换、亚胺交换、Diels-Alder（D-A）反应等。对于基于CAN polymers智能折纸结构，在BERs激活时，聚合物网络发生拓扑重排，动态共价键断裂并重新形成，从而允许智能折纸的塑性变形和形状重新编程。此外，当BERs也可以帮助实现智能折纸的焊接、再加工和回收。同时，在SMPs、LCEs、 MSMs, 水凝胶中引入动态化学键可进一步为智能折纸赋予独特属性。
图6，共价适应性网络聚合物机理与智能折纸介绍。
制造方法
制造方法方面，3D打印或增材制造（AM）已经扩展到刺激响应/形状变化材料，推动了4D打印的发展，即打印出具有随时间变化的形状、属性或功能的结构。4D打印已广泛用于制造复杂的形状演变结构和材料。综述文章讨论了常用于制造智能折纸的3D/4D打印方法，包括挤出式打印、数字光处理打印、喷墨打印，以及用于高分辨率打印的双光子聚合。
挤出式打印包含墨水直写和熔丝制造（也称熔融沉积制造）两种，其都通过喷嘴打印线条进而形成层及最终三维实体。这种打印方法具有低成本优势，但打印速度较慢。其中，墨水直写打印使用剪切变稀的粘性墨水；而熔丝制造常采用热塑性材料。采用合适的流变改性剂，墨水直写具有很多材料选择。挤出式打印技术被广泛应用于多种智能折纸（图7）。例如，使用墨水直写制造磁性软材料，可在打印过程中精确控制空间磁化分布，还可与其它智能材料如SMP结合进行多材料打印，得到复杂几何和变形的多功能智能折纸结构。墨水直写还尤其适合于LCE，因为挤出过程的剪切力可以使液晶沿打印方向定向，从而能在打印的同时对材料响应进行编程，提高了智能折纸的制造能力。
图7，挤出式打印（墨水直写或熔丝制造）智能折纸结构实例。
数字光处理打印（或称墨槽式光固化打印）将区域分布光照射到槽中的光固化墨水表面，通过逐层固化及移动形成三维实体。这种打印方法具有快速优势，且能达到几十微米的精度，已被用来打印基于不同智能材料体系的折纸结构（图8）。多材料打印是数字光处理打印面临的难点。综述文章介绍了实现多材料或多材料性质打印的几种不同策略，包括多墨槽切换，前端聚合引发固化度梯度，以及灰度光打印等。这些策略实现了复合结构智能折纸的制造，如基于SMP、水凝胶等的智能折纸。此外，文章还介绍了一些针对其它智能折纸体系（如基于LCE、MSM等的智能折纸）的数字光处理打印策略。
图8，数字光处理打印智能折纸结构实例。
喷墨打印是一种常见的多材料折纸结构制造方法，其使用商业打印机（如Stratasys的系列打印机），将墨滴逐层喷降和光固化打印（图9）。这种打印方法具有快速，高精度，可多材料打印的优势。尽管较为昂贵，喷墨打印仍已被广泛用于SMP、水凝胶等智能折纸结构的制造。除了上述三类打印方法，综述文章还详细介绍了基于双光子聚合的微纳米尺度智能折纸的实际案例。
图9，喷墨打印智能折纸结构实例。
建模策略
理论建模对预测折纸结构的力学折叠行为（如刚度、可折叠性及稳定性），进而合理设计在力学载荷或环境刺激下所需的变形和功能至关重要。综述文章讨论了现有的折纸建模策略，包括杆-铰链模型、以及基于壳单元或实体单元的有限元模型等（图10）。杆-铰链模型基于简化的折纸结构表示，其用弹性杆描述折纸面板的拉伸与剪切，弹性铰链描述折痕折叠与面板弯曲，因而具有较低的计算消耗。多种杆-铰链模型已被开发，以预测不同折纸结构的力学行为。有限元模型作为基于物理的建模方法，能提高更高的计算精度。因为折纸面板的厚度通常远小于面内尺寸，基于壳单元的有限元模型常被采用，用于减轻计算负担。基于三维实体单元的有限元模型计算量更大，但却可以准确考虑真实的复杂材料几何（如多智能材料复合结构）以及环境刺激物理场信息（如温度梯度、吸水溶胀行为等），因此也被广泛用于智能折纸的行为预测。
图10，现有折纸结构建模策略一览，包括杆-铰链模型以及基于壳单元或实体单元的有限元模型。
智能折纸行为的理论预测还尤其依赖于对智能材料刺激响应变形的理论建模。综述文章简单介绍了前述代表性智能材料的连续介质力学本构模型，给出了每种材料常用的Helmholtz自由能（或应力）关于力学变形与各自刺激物理场的函数形式以及其在有限元模型中的应用实例。
未来展望
通过结合古老的折纸艺术和现代的高分子科学，我们正在探索未知领域并解决复杂问题的前沿。然而，智能折纸领域仍面临重要挑战和相关机遇。例如，软聚合物的低模量导致低驱动力和较差的机械强度而受到限制，使其更适用于一些生物医学应用。在制造方面，多材料结构仍面临材料兼容性以及能够处理多种不同材料的打印机的限制，尤其是开发能够以相对较低成本实现这一目标的打印机。此外，有效地整合感测能力与智能折纸，以进行各种应用中的数据采集，仍然具有挑战性。
文章链接：
https://onlinelibrary.wiley.com/doi/abs/10.1002/adma.202302066
该综述由斯坦福大学赵芮可教授团队的软智能材料实验室（Soft Intelligent Materials Laboratory）和佐治亚理工学院齐航教授团队的软机敏材料力学和3D打印实验室（Laboratory for Active Materials and Additive Manufacturing）共同完成。该合作团队近年来在形状记忆聚合物、液晶弹性体、磁性软材料、共价适应性网络聚合物等软材料与器件制备、加工与多功能化取得系列进展。
转自：“高分子科学前沿”微信公众号
如有侵权，请联系本站删除！
