人工神经网络预测基生物复合材料中的机械性质
Štěpán Hýsek1, Miroslav Jozífek2, Benjamín Petržela3
1Department of Natural Sciences and Sustainable Resources, Institute of Wood Technology and Renewable Materials, BOKU University, Konrad-Lorenz-Straße 24, 3430 Tulln, Austria.
Polymers
|September 27, 2025
概括
人工神经网络 (ANN) 准确预测基生物复合材料 (MBB) 的机械性能. 这种人工智能方法减少了用于优化可持续材料开发的实验测试.
科学领域:
- 材料科学 材料科学 材料科学
- 生物技术是生物技术.
- 人工智能的人工智能
背景情况:
- 基生物复合材料 (MBB) 为合成材料提供了一个可持续的替代品.
- 优化MBB机械性能是具有挑战性的,因为基板,真菌物种和加工之间的复杂相互作用.
研究的目的:
- 开发和验证一个人工神经网络 (ANN) 模型来预测MBB的机械性质.
- 评估ANN对内部结合 (IB) 和压力强度 (CS) 的预测精度.
主要方法:
- 一个ANN模型使用实验数据训练了基质组成,真菌物种和物理特性.
- 对IB和CS的ANN预测与测量值进行了比较.
- 扫描电子显微镜 (SEM) 用于可视化微观结构异质性.
主要成果:
- 该ANN的预测准确度很高,IB的R2值为0.992,CS的R2值为0.979.
- 内部结合 (IB) 的预测比压力强度 (CS) 的预测更准确.
- 特定的真菌物种 (Ganoderma sessile,Trametes versicolor) 显示出高IB;Trametes versicolor的CS与基质 (处女木材与回收木材) 有显著差异.
结论:
- ANNs是预测MBB机械性能的有效工具,大大减少了对广泛实验测试的需求.
- 基质质量和真菌物种的相互作用对MBB的性能产生了重大影响.
- 这种人工智能驱动的方法加速了可持续生物复合材料的开发和表征.
更多相关视频
06:59Environmental Dynamic Mechanical Analysis to Predict the Softening Behavior of Neural Implants
Published on: March 1, 2019
8.3K
09:39Production and Testing of Moisture Behavior and Thermal Properties of Rapeseed Straw and Ganoderma resinaceum Mycelium Bio-Composites
Published on: September 5, 2025
588
