通过机器学习方法提取高和对Al-kaolin复合物的tribo信息分析
V S S Venkatesh1, Guttikonda Manohar2, Pandu Ranga Vundavilli1
1School of Mechanical Sciences, Indian Institute of Technology Bhubaneswar, Bhubaneswar, Odisha, 752050, India.
Scientific reports
|April 17, 2025
概括
微波制造的Al-kaolin复合材料在4重%的高中显示出最佳的性能. XGBoost的机器学习准确地预测了这些先进材料的磨损率和摩擦系数 (COF).
科学领域:
- 材料科学 材料科学 材料科学
- 机械工程 机械工程
- 部落学 (tribology) 是一个学科.
背景情况:
- 微波制造为生产先进材料提供了一种高效和节能的方法.
- 基于的复合材料在各种工业应用中至关重要,需要增强的机械和 tribological 特性.
研究的目的:
- 使用微波能量制造Al-kaolin复合材料.
- 调查高含量对硬度,磨损率和摩擦系数 (COF) 的影响.
- 使用机器学习 (ML) 开发磨损率和COF的预测模型.
主要方法:
- 通过微波能量制造Al-kaolin复合材料.
- 机械性能 (硬度,抗拉强度) 和三元学性能 (磨损率,COF) 的实验性评估.
- 数据集收集和ML模型培训 (包括XGBoost) 用于预测分析.
主要成果:
- 在4重%的最佳考林强化中,拉伸强度提高了34%,最大硬度为96RHC.
- 增加考林含量降低了磨损率和COF,4%重量的复合材料显示了最低的磨损率 (3.2 × 10−4 mm3/Nm) 和COF (0.42).
- XGBoost模型实现了高预测精度:94.33%的磨损率和94.62%的COF,以"标准距离"作为关键特征.
结论:
- 微波辅助制造对于生产具有卓越 Tribological 特性的 Al-kaolin 复合材料是有效的.
- 该研究成功建立了对磨损率和COF的预测ML模型,有助于材料设计和优化.
- 这些发现突显了4%重量的高钢筋和ML驱动的先进复合材料预测的潜力.
