机器学习模型用于钻探不同类型的玻璃纤维增强聚合物复合材料
Katarzyna Biruk-Urban1, Paul Bere2, Jerzy Józwik1
1Department of Production Engineering, Mechanical Engineering Faculty, Lublin University of Technology, 20-618 Lublin, Poland.
Polymers
|January 17, 2024
概括
这项研究模拟了玻璃纤维增强聚合物 (GFRP) 复合材料的钻井参数. 每颗牙的更高的料增加了分层,而织纤维和更低的料减少了切削力.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 聚合物复合材料 聚合物复合材料
背景情况:
- 玻璃纤维增强聚合物 (GFRP) 是各种工业中使用的先进材料.
- 机械加工GFRP由于材料异质性和磨料性质而带来了挑战.
- 了解钻井参数对于最小化除层等损坏至关重要.
研究的目的:
- 模拟GFRP加工中钻孔参数 (切割速度,每个牙的料) 和切割力/分层之间的关系.
- 为了评估不同纤维类型 (平面 vs 织) 和重量分数对钻井结果的影响.
- 为了比较五种机器学习回归模型在预测这些关系方面的有效性.
主要方法:
- 制造了四种GFRP复合材料类型,具有不同的纤维结构和重量分数.
- 在垂直加工中心使用碳化石钻石涂层钻孔钻孔.
- 使用Kistler 9257B测试台测量了切削力.
- 使用一种新的油墨透方法评估分层面积.
- 采用五种机器学习回归模型进行模拟和分析.
主要成果:
- 渐变增强回归器确定每颗牙的料是影响分层的最重要因素.
- 每颗牙的料增加导致了更大的分层.
- 平面编织纤维材料表现出更高的推出分层因子.
- 最低的切削力组件 (F) 在每颗牙的最低料 (0.04毫米) 中被观察到,特别是在双纤维材料中.
结论:
- 每颗牙的料是控制GFRP钻井中分层的关键参数.
- 材料架构,特别是纤维类型,影响了分层的易受性.
- 优化钻孔参数,特别是料速度,对于高质量的GFRP加工至关重要.
- 机器学习模型有效地模拟了GFRP钻井中的复杂关系.
更多相关视频
09:41Magnet Assisted Composite Manufacturing: A Flexible New Technique for Achieving High Consolidation Pressure in Vacuum Bag/Lay-Up Processes
Published on: May 17, 2018
13.5K
09:38Strain Sensing Based on Multiscale Composite Materials Reinforced with Graphene Nanoplatelets
Published on: November 7, 2016
8.8K
