使用LS-SVM技术优化选择用于塑料复合材料的天然纤维增强和聚合物矩阵
Sathish Thanikodi1, M Meena2, Yagya Dutta Dwivedi3
1Department of Mechanical Engineering, Saveetha School of Engineering, SIMATS, Chennai, Tamil Nadu, India.
Chemosphere
|December 20, 2023
概括
本研究介绍了用支持矢量机器 (LS-SVM) 进行本地搜索的优化技术,以简化用于塑料矩阵复合材料 (PMC) 的天然纤维的选择. 该方法有效地确定最佳的纤维比例,以提高各种应用中的材料性能.
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
- 聚合物科学 聚合物科学
背景情况:
- 用天然纤维增强的塑料矩阵复合材料 (PMC) 提供了成本效益和改进的机械性能.
- 选择合适的天然纤维及其比例对于PMC生产至关重要,但往往复杂.
- 现有的AI/软计算方法缺乏关注PMC的最佳材料选择.
研究的目的:
- 开发基于人工智能 (AI) 的方法,以简化PMC中的自然纤维的选择.
- 为确定最佳的自然纤维比例提出一个用支持矢量机器 (LS-SVM) 的本地搜索优化技术.
- 评估拟议的LS-SVM方法,用于选择合适的天然纤维及其在PMC中的数量.
主要方法:
- 一个本地搜索与支持矢量机器 (LS-SVM) 优化技术被开发和建模.
- 考虑了四种聚合物类型和14种天然纤维,优化了它们的比例.
- 优化性能使用拉伸强度,屈曲性收益强度和屈曲性收益模量进行了评估.
主要成果:
- 该LS-SVM优化技术应用于医疗,运输和其他应用.
- 观察到的最大屈曲应力值为53 MPa (案例1),45 MPa (案例2) 和26 MPa (案例3).
- 提出的方法有效地确定了PMC的最佳纤维选择和比例.
结论:
- LS-SVM优化技术为选择自然纤维及其在PMC中的比例提供了有效的解决方案.
- 这种人工智能驱动的方法通过优化材料选择来简化制造过程.
- 该方法推用于在复合材料矩阵中对纤维选择和数量做出最佳决策.
