DOI: https://doi.org/10.1038/s41378-026-01161-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41771841
تاريخ النشر: 2026-03-03
المؤلف: Rongru Zhang وآخرون
الموضوع الرئيسي: تحولات سبائك الذاكرة الشكلية
نظرة عامة
تقدم هذه القسم نظرة شاملة على مشغلات سبائك الذاكرة الشكلية على شكل أسلاك (WF-SMA)، مع تسليط الضوء على دورها الحاسم في تطبيقات متقدمة متنوعة مثل الروبوتات، والطيران، والطب الحيوي. تُعرف WF-SMAs بكثافتها العالية للطاقة، وتصميمها المدمج، وأنماط التشغيل المتنوعة، مما يسهل تطوير مواد ناعمة ذكية وأنظمة إلكترونية قابلة للتمدد. يقوم البحث بتقييم مشغلات WF-SMA بشكل منهجي من خلال إعادة النظر في منهجيات نمذجة التشغيل، وتصنيف تصميمات المشغلات بناءً على خصائص الحمل الميكانيكي، واستطلاع استراتيجيات التحكم التي تتراوح من الخوارزميات التقليدية إلى الطرق المتقدمة التي تستخدم الشبكات العصبية وتقنيات الاستشعار الذاتي.
تم تحديد التحديات الرئيسية التي تعيق التطبيق الأوسع لتقنيات SMA، مع توصيات للتقدم المستقبلي تركز على دمج تقنيات التصنيع الدقيقة والنانوية، والإلكترونيات المرنة، والمواد متعددة الوظائف. يدعو المؤلفون إلى تطوير أطر نمذجة-تصميم-تحكم متكاملة تستفيد من التعلم العميق لمعالجة التعقيدات غير الخطية المعقدة الموجودة في SMAs، مما يعزز الأداء التشغيلي والموثوقية. بشكل عام، تؤكد الدراسة على دورة الحياة المترابطة لتطوير مشغلات WF-SMA، التي تشمل النمذجة النظرية، والتصميم الفيزيائي، والتحكم عالي الأداء.
مقدمة
تناقش مقدمة ورقة البحث سبائك الذاكرة الشكلية (SMAs)، وهي مواد متقدمة تظهر خاصيتين رئيسيتين: تأثير ذاكرة الشكل (SME) والمرونة الفائقة (SE). يسمح SME لـ SMAs بالعودة إلى شكلها الأصلي بعد تشوهها، بينما تمكنها SE من تحمل تشوه كبير تحت الحمل والعودة إلى شكلها الأولي بمجرد إزالة الحمل. تجعل هذه الخصائص SMAs فعالة بشكل خاص كمشغلات، حيث تقدم مزايا على التقنيات التقليدية مثل المحركات الكهربائية والأنظمة الهيدروليكية، بما في ذلك كثافة الطاقة العالية، والوزن المنخفض، والمدمجة. تُستخدم SMAs في مجالات متنوعة، بما في ذلك الطيران، والطب الحيوي، والروبوتات، والأجهزة القابلة للارتداء، حيث تعتبر SMAs على شكل أسلاك (WF-SMAs) مفيدة بشكل خاص بسبب بساطتها وسرعة استجابتها.
على الرغم من فوائدها، لا تزال هناك تحديات في اعتماد مشغلات SMA على نطاق واسع، ويرجع ذلك أساسًا إلى عدم الخطية الداخلية والهستيرية للمواد، مما يعقد النمذجة التنبؤية والتحكم. تقدم التطورات الأخيرة في التعلم الآلي والشبكات العصبية فرصًا لتعزيز نمذجة SMAs والتحكم فيها، مما قد يحسن أدائها. تهدف الورقة إلى سد فجوة في الأدبيات من خلال مراجعة منهجية لاستراتيجيات النمذجة، والتصميم، والتحكم لمشغلات WF-SMA، وتقديم نظرة شاملة على التطورات والتطبيقات الحديثة. تناقش طرق النمذجة المختلفة، وتصنيفات المشغلات، وخوارزميات التحكم، وتسلط الضوء على التطبيقات في الروبوتات، والطيران، والطب الحيوي، بينما تتناول أيضًا التحديات والاتجاهات البحثية المستقبلية لتقنية WF-SMA.
نقاش
يسلط النقاش حول مشغلات سبائك الذاكرة الشكلية على شكل أسلاك (WF-SMA) الضوء على التحولات الطورية المعقدة—بين الأوستنيت، والمارتنسيت المزدوج، والمارتنسيت غير المزدوج—التي تسببها درجة الحرارة والضغط. يتم توضيح دورات تأثير ذاكرة الشكل (SME) والمرونة الفائقة (SE)، مما يظهر السلوك الديناميكي الحراري غير الخطي لـ SMAs، والذي يعقد نمذجاتها. يتم اقتراح نموذج تشغيل أحادي البعد (1-D) كوسيلة فعالة لتبسيط وصف أداء SMA، نظرًا للاختلاف الضئيل في درجة الحرارة في الأسلاك ذات القطر الصغير. تؤكد هذه القسم على ضرورة وجود نماذج تركيبية دقيقة للتنبؤ بسلوك SMA، مشيرة إلى التطور من النماذج المجهرية إلى النماذج الكبيرة، حيث توفر الأخيرة تنبؤات أبسط ولكن فعالة للتطبيقات الهندسية.
تم تطوير نماذج تركيبية كبيرة متنوعة، بما في ذلك تلك التي قدمها تانكا، ولاجوداس، وبرينسون، حيث تتناول كل منها تعقيدات التحولات الطورية وتأثيرات الضغط على كسور حجم المارتنسيت. تشمل التطورات الأخيرة تقنيات التعلم الآلي لتعزيز دقة التنبؤ، كما يتضح من نماذج الشبكات العصبية (NN) التي تتفوق على الأساليب التقليدية في التقاط الاستجابات غير الخطية لـ SMAs. بالإضافة إلى ذلك، يتم مناقشة النماذج الكهروحرارية، والتي تعتبر حاسمة لفهم العلاقة بين التشغيل الكهربائي والخصائص الميكانيكية، مما يعزز تطوير مشغلات SMA موثوقة. كما يتم فحص مبادئ التصميم لمشغلات WF-SMA، مع تسليط الضوء على التكوينات التي تلبي خصائص الحمل المحددة، بما في ذلك الأنظمة الخطية وغير الخطية، ودمج أسلاك SMA في هياكل مرنة لتطبيقات مبتكرة في الروبوتات والأجهزة القابلة للارتداء.
DOI: https://doi.org/10.1038/s41378-026-01161-z
PMID: https://pubmed.ncbi.nlm.nih.gov/41771841
Publication Date: 2026-03-03
Author(s): Rongru Zhang et al.
Primary Topic: Shape Memory Alloy Transformations
Overview
The section provides a comprehensive overview of wire-form shape memory alloy (WF-SMA) actuators, highlighting their critical role in various advanced applications such as robotics, aerospace, and biomedicine. WF-SMAs are noted for their high energy density, compact design, and diverse actuation modes, which facilitate the development of intelligent soft materials and stretchable electronic systems. The paper systematically assesses WF-SMA actuators by revisiting actuation modeling methodologies, classifying actuator designs based on mechanical load characteristics, and surveying control strategies ranging from traditional algorithms to advanced methods utilizing neural networks and self-sensing techniques.
Key challenges that hinder the broader application of SMA technologies are identified, with recommendations for future advancements focusing on the integration of micro-nano fabrication techniques, flexible electronics, and multifunctional materials. The authors advocate for the development of integrated modeling-design-control frameworks that leverage deep learning to address the complex nonlinearities inherent in SMAs, thereby enhancing operational performance and reliability. Overall, the study emphasizes the interconnected lifecycle of WF-SMA actuator development, encompassing theoretical modeling, physical design, and high-performance control.
Introduction
The introduction of the research paper discusses shape memory alloys (SMAs), which are advanced materials exhibiting two primary properties: the shape memory effect (SME) and superelasticity (SE). The SME allows SMAs to return to their original shape after being deformed, while SE enables them to endure significant deformation under load and revert to their initial shape once the load is removed. These characteristics make SMAs particularly effective as actuators, offering advantages over traditional technologies such as electric motors and hydraulic systems, including high energy density, low weight, and compactness. SMAs are utilized across various fields, including aerospace, biomedicine, robotics, and wearable devices, with wireform SMAs (WF-SMAs) being especially advantageous due to their simplicity and rapid response.
Despite their benefits, challenges remain in the widespread adoption of SMA actuators, primarily due to the intrinsic nonlinearity and hysteresis of the materials, which complicate predictive modeling and control. Recent advancements in machine learning and neural networks present opportunities to enhance the modeling and control of SMAs, potentially improving their performance. The paper aims to fill a gap in the literature by systematically reviewing the modeling, design, and control strategies of WF-SMA actuators, providing a comprehensive overview of recent developments and applications. It discusses various modeling methods, actuator classifications, control algorithms, and highlights applications in robotics, aerospace, and biomedicine, while also addressing the challenges and future research directions for WF-SMA technology.
Discussion
The discussion on wire-form shape memory alloy (WF-SMA) actuators highlights the intricate phase transformations—between austenite, twinned martensite, and detwinned martensite—induced by temperature and stress. The shape memory effect (SME) and superelasticity (SE) cycles are illustrated, demonstrating the nonlinear thermodynamic behavior of SMAs, which complicates their modeling. A one-dimensional (1-D) actuation model is proposed as an effective means to simplify the description of SMA performance, given the negligible temperature variation in small-diameter wires. The section emphasizes the necessity for accurate constitutive models to predict SMA behavior, noting the evolution from microscopic to macroscopic models, with the latter providing simpler yet effective predictions for engineering applications.
Various macroscopic constitutive models have been developed, including those by Tanka, Lagoudas, and Brinson, each addressing the complexities of phase transformations and stress influences on martensite volume fractions. Recent advancements incorporate machine learning techniques to enhance predictive accuracy, as evidenced by neural network (NN) models that outperform traditional approaches in capturing the nonlinear responses of SMAs. Additionally, electrothermal models are discussed, which are crucial for understanding the relationship between electrical actuation and mechanical properties, furthering the development of reliable SMA actuators. The design principles for WF-SMA actuators are also examined, highlighting configurations that cater to specific load characteristics, including linear and nonlinear systems, and the integration of SMA wires into flexible structures for innovative applications in robotics and wearable devices.