环氧粘合材料作为保护涂层:使用机器学习算法进行强度属性分析
Izabela Miturska-Barańska1, Katarzyna Antosz2
1Department of Production Computerisation and Robotisation, Faculty of Mechanical Engineering, Lublin University of Technology, Nadbystrzycka 36, 20-618 Lublin, Poland.
Materials (Basel, Switzerland)
|June 27, 2025
概括
这项研究优化了使用碳酸填充剂的环氧涂层,实现了高机械强度. 机器学习模型准确地预测了性能,强调填充剂和固化剂是工业应用的关键因素.
科学领域:
- 材料科学 材料科学 材料科学
- 聚合物化学 聚合物化学
- 化学工程是化学工程的重要组成部分.
背景情况:
- 环氧粘合剂是关键的功能性涂层.
- 了解填充剂和固化剂对机械性能的影响至关重要.
- 优化环氧配方需要详细的分析.
研究的目的:
- 为了研究物理修改对环氧粘剂机械性能的影响.
- 探索矿物质,活性和纳米结构填充剂的使用.
- 开发用于环氧性能的预测机器学习模型.
主要方法:
- 用各种填充剂 (碳酸,活性炭,纳米) 制备环氧树脂 (Epidian 5, 53, 57).
- 使用TFF,Z-1和PAC剂固化环氧树脂.
- 机械性能 (拉力,压力,曲强度) 的实验测试.
- 机器学习算法和沙普利分析用于属性预测的应用.
主要成果:
- 用TFF/Z-1固化Epidian 5/53树脂中的碳酸 (10-20重量%) 产生了最佳强度:高达64 MPa (拉伸式),145 MPa (压缩式) 和123 MPa (曲式).
- 活性炭和纳米填充剂提供了适度的改进,特别是在柔性矩阵中.
- 机器学习模型实现了高精度 (R2 0.93-0.95) 的压力和曲强度预测.
- 沙普利分析确定了固化剂和填充剂作为重要的预测特征.
结论:
- 碳酸是一种高效的填充剂,可以增强环氧粘合剂的机械性能.
- 机器学习为优化环氧配方和预测性能提供了强大的工具.
- 需要进一步的研究来改进抗拉强度预测模型.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.3K
04:51Author Spotlight: Characterizing Environmental Biofilm Mechanics Using Optical Coherence Elastography and its Applications in Wastewater Treatment
Published on: March 1, 2024
1.1K
