基于机器学习的研究和预测混合天然纤维复合材料的机械性能
S Sathees Kumar1, P Shyamala2, Pravat Ranjan Pati3
1Department of Mechanical Engineering, Saveetha Engineering College, Thandalam, Chennai, Tamil Nadu, 602105, India. shrutishyami@gmail.com.
Scientific reports
|September 29, 2025
概括
这项研究使用经过处理的果汁,子和叶纤维开发了环保的混合天然纤维复合材料. 优化的复合材料显示出优异的机械和热性能,随机森林模型准确地预测了性能.
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
- 可持续工程 可持续工程
背景情况:
- 工业中对可持续和循环经济解决方案的需求日益增长.
- 需要有效地利用可再生的纤维纤维 (果汁,香,子,叶) 作为聚合物复合强化材料.
- 加强纤维矩阵界面粘合的重要性,以提高复合材料的性能.
研究的目的:
- 制造和表征混合天然纤维复合材料,使用处理的柔特纤维 (JF),子 (CC),香纤维 (BaF) 和叶纤维 (PALF).
- 研究性处理对纤维表面特性和纤维矩阵相互作用的影响.
- 开发和验证用于预测这些复合材料的机械性能的机器学习模型.
主要方法:
- 混合天然纤维复合材料的手工布置制造,具有不同的纤维组成.
- 性处理天然纤维以改善表面性能.
- 机械测试 (拉力,曲,冲击,硬度),FTIR,AFM,DMA和TGA用于材料特性.
- 开发机器学习回归模型 (线性回归,多线性回归,决策树,随机森林) 用于财产预测.
主要成果:
- 这种含有20%JF,20%CC和10%PALF的复合材料具有最佳的机械性能:拉伸强度为85.8MPa,屈曲强度为134.5MPa,冲击强度为23.3J/m2,硬度为72.6Shore D.
- 性处理增强了表面粗性和减少了基基团,改善了界面粘附和兼容性.
- 随机森林模型在所有机械性质上实现了高预测精度 (R2 > 0.939),优于其他ML模型.
- 复合材料表现出增强的粘弹性行为和高达690°C的优异热稳定性.
结论:
- 性处理的混合天然纤维是开发高性能,环保的聚合物复合材料的有效增强剂.
- 优化的复合材料配方提供了卓越的机械和热性能,适合工业应用.
- 机器学习,特别是随机森林模型,为预测天然纤维增强复合材料的机械性能提供了可靠的工具.
- 这项研究有助于可持续的材料开发和废物利用,符合循环经济原则.
