相关实验视频
Updated: Jul 25, 2025
08:08
Fabrication and Design of Wood-Based High-Performance Composites
Published on: November 9, 2019
13.4K
竹纤维增强,棕油基树脂生物复合材料的拉伸性能机制使用有限元模拟和机器学习.
Wenjing Wang1, Yuchao Wu1, Wendi Liu1
1College of Transportation and Civil Engineering, Fujian Agriculture and Forestry University, Fuzhou 350108, China.
Polymers
|June 28, 2023
概括
这项研究探讨了竹纤维复合材料,使用模拟和机器学习来预测机械性能. 渐变增强决策树准确预测了拉伸强度,突出了树脂和纤维含量作为关键因素.
科学领域:
- 材料科学 材料科学 材料科学
- 复合材料 复合材料 复合材料
- 可持续材料 可持续材料
背景情况:
- 植物纤维增强复合材料为汽车和建筑行业提供环保,可持续和高性能特性.
- 预测机械性能对于最佳设计至关重要,但纤维结构变化和复杂的复合材料参数带来了挑战.
- 竹纤维增强的棕油树脂复合材料正在研究它们作为低碳排放材料的潜力.
研究的目的:
- 研究材料参数对竹纤维增强复合材料的拉伸性能的影响.
- 开发和评估用于预测这些生物复合材料的拉伸性能的机器学习模型.
- 确定影响植物纤维复合材料抗拉强度的关键参数.
主要方法:
- 在竹纤维增强,棕油基树脂复合材料上进行了拉力实验.
- 执行有限元模拟,以分析材料参数对拉伸性能的影响.
- 应用机器学习方法,包括梯度增强决策树,以利用模拟数据预测拉伸性能.
主要成果:
- 有限元模拟显示,树脂类型,接触界面,纤维体积分数及其相互作用显著影响拉伸性能.
- 机器学习模型展示了预测能力,梯度增强实现了拉伸强度 (R2 = 0.786) 的最高预测精度.
- 树脂性能和纤维体积分数被确定为影响复合材料抗拉强度的最关键参数.
结论:
- 机器学习,特别是梯度增强,提供了一种有效的方法,可以在有限的数据中预测复杂的生物复合材料的抗拉强度.
- 了解树脂特性和纤维体积分数的影响对于优化植物纤维复合材料的机械设计至关重要.
- 这项研究为可持续复合材料的机械性能评估提供了有价值的见解和可行的方法.
