使用机器学习对超疏水表面的滴滴扩散和反弹动态的研究
Samo Jereb1, Jure Berce1, Robert Lovšin1
1Faculty of Mechanical Engineering, University of Ljubljana, Aškerčeva cesta 6, SI-1000 Ljubljana, Slovenia.
Biomimetics (Basel, Switzerland)
|June 25, 2025
概括
机器学习模型可以预测超疏水表面的滴滴行为. 撞击速度是关键,而表面特征影响反弹效率,提高预测准确度.
科学领域:
- 流体动力学 流体动力学
- 表面科学是一门科学.
- 材料科学是一种材料科学.
背景情况:
- 滴滴对超疏水表面的影响是复杂的,受表面,流体和环境因素的影响.
- 了解这些相互作用对于各种领域的应用至关重要.
研究的目的:
- 开发一种机器学习模型,预测滴滴在超表面的传播和反弹.
- 为了阐明个别参数对滴滴行为的影响.
主要方法:
- 进行了1498次水-糖滴撞击实验.
- 利用激光结构的样本,使用不同的微观地形图.
- 训练,验证和优化了一种机器学习回归模型.
主要成果:
- 滴滴撞击速度是传播的主要因素.
- 扩散独立于表面微观地形 (深度,宽度).
- 不被灌的面积分数显著影响反弹效率,特别是在较小的微通道距离下.
结论:
- 为最大扩散系数和反弹效率开发了准确的经验相关性,优于现有模型.
- 该研究将宏观水滴表面相互作用与微观性能和流体热物理学联系起来.
