Design with shape memory: fundamentals and applications of alloys and polymers

Shape memory materials are a class of smart materials capable of recovering a predefined shape after deformation when exposed to an external stimulus. Their ability to undergo large, reversible deformations and to perform mechanical work during recovery has enabled a wide range of applications. Among the different material families exhibiting shape memory behaviour, Shape Memory Alloys (SMAs) and Shape Memory Polymers (SMPs) represent the most technologically mature and widely applied systems. The motivation of this thesis is to provide a consolidated and application-oriented overview of shape memory materials. The adopted approach is based on a structured review and comparative analysis of the fundamental mechanisms governing shape memory behaviour, followed by a presentation of application cases. The concept of shape memory behaviour is firstly introduced, describing the underlying mechanisms of SMAs, governed by reversible martensitic phase transformations, and SMPs, driven by polymer network architecture and stimulus-induced molecular mobility. The main activation mechanisms enabling shape recovery are then analysed. A comparative assessment is presented, addressing differences in recoverable strain, actuation force, and manufacturability. Finally, biomedical and industrial applications are discussed, including medical devices, soft robotics, smart textiles, sensors and adaptive structures. The analysis highlights that SMAs are best suited for applications requiring high actuation forces, structural reliability and repeatability, while SMPs offer advantages in terms of large deformations, low weight, design flexibility and multi-stimuli responsiveness. The findings of this work emphasize that future developments will increasingly rely on application-specific material selection and hybrid solutions combining the strengths of both material classes. This consolidated perspective supports informed design choices and contributes to the effective integration of shape memory materials in next-generation adaptive systems.

I materiali a memoria di forma sono una classe di materiali intelligenti in grado di recuperare una forma predefinita dopo una deformazione quando esposti a uno stimolo esterno. La loro capacità di subire deformazioni reversibili e di compiere lavoro meccanico durante il recupero ha consentito un’ampia gamma di applicazioni. Tra le diverse famiglie di materiali che presentano comportamento a memoria di forma, le leghe a memoria di forma (Shape Memory Alloys, SMAs) e i polimeri a memoria di forma (Shape Memory Polymers, SMPs) rappresentano i sistemi tecnologicamente più maturi e maggiormente utilizzati. La motivazione di questa tesi è fornire una panoramica consolidata e orientata alle applicazioni dei materiali a memoria di forma. L’approccio adottato si basa su una revisione strutturata e su un’analisi comparativa dei meccanismi fondamentali che governano il comportamento a memoria di forma, seguita dalla presentazione di casi applicativi. Il comportamento a memoria di forma viene introdotto descrivendo i meccanismi alla base delle SMAs, governati da trasformazioni di fase martensitiche reversibili, e degli SMPs, determinati dall’architettura della rete polimerica e dalla mobilità molecolare indotta dallo stimolo. Vengono quindi analizzati i principali meccanismi di attivazione e presentata un’analisi comparativa in termini di deformazione recuperabile, forza di attuazione e processabilità. Infine, sono discusse applicazioni biomedicali e industriali, includendo dispositivi medicali, soft robotics, tessili intelligenti, sensori e strutture adattive. L’analisi evidenzia che le SMAs sono particolarmente adatte ad applicazioni che richiedono elevate forze di attuazione e affidabilità strutturale, mentre gli SMPs offrono vantaggi in termini di grandi deformazioni, leggerezza e flessibilità progettuale. I risultati sottolineano l’importanza di una selezione dei materiali guidata dall’applicazione e di soluzioni ibride che combinino i punti di forza di entrambe le classi per sistemi adattivi di nuova generazione.