使用机器学习模型预测木塑复合材料的热力学行为:强调极端机器学习

科学领域:

• 材料科学 材料科学 材料科学
• 聚合物科学 聚合物科学
• 复合材料 复合材料 复合材料

背景情况:

• 木塑复合材料 (WPC) 是工程材料,其特性受到构成材料和加工的影响.
• 了解WPC的动态热力学特性对于其应用和性能至关重要.
• 木纤维类型和比例的变化显著影响复合材料的行为.

研究的目的:

• 研究马森松和中国木纤维比例对HDPE复合材料动态热力学性能的影响.
• 分析温度对WPC储存模块,损失模块和损失触点的影响.
• 使用机器学习开发和验证WPC动态热力学性能的预测模型.

主要方法:

• 通过挤压成型制备了7种不同比例的马森松和中国松混合纤维增强HDPE复合材料.
• 进行了动态热力学分析 (DMTA),以测量存储模量,损失模量和损失触角.
• 使用极端学习机器 (ELM) 模型,并将其与SVM,RF,BP和PSO-BP模型进行比较,以获得预测准确度.

主要成果:

• 储存模块随着温度的增加而下降. 较高的中国松含量增加了储存模块,达到1:5的梅森松与中国松比率.
• 损失模量随着梅森松纤维含量下降而增加. 损失触点随着温度的上升而上升,在纯玛森松WPC中最高.
• 与其他模型相比,ELM模型实现了更高的预测准确性 (R2=0.992,MAE=1.363,RMSE=3.311).

结论:

• 木纤维类型和比率显著影响WPC的动态热力学性能.
• 温度对WPC模块和损失触角有可预测的影响.
• 该ELM模型提供了一个非常准确和有效的方法来预测WPC的动态热力学特性,这对于材料设计非常有价值.