机器学习引导的流程优化和子生物炭填充PLA生物复合物的可持续价值化
Harishbabu Sundarasetty1, Borhen Louhichi2, Nashmi H Alrasheedi3
1School of Mechanical Engineering, VIT-AP University, Besides A.P. Secretariat, Amaravati, 522237, Andhra Pradesh, India.
Scientific reports
|October 5, 2025
概括
子生物炭 (CCB) 增强了多乳酸 (PLA) 生物复合物. 使用Taguchi设计和机器学习优化注塑成型参数可以提高机械性能,创造可持续的高性能材料.
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:
- 聚乳酸 (PLA) 是一种可生物降解的聚合物,具有可持续应用的潜力.
- 提高PLA的机械性能对于更广泛的工业采用至关重要.
- 子生物炭 (CCB) 为生物复合材料提供了一个可持续的,低成本的增强选项.
研究的目的:
- 提升子生物炭 (CCB) 的价值,作为聚乳酸 (PLA) 生物复合物的增强剂.
- 研究注塑成型参数对PLA/CCB复合材料机械性能的影响.
- 为了优化制造过程,提高拉伸强度,模和硬度.
主要方法:
- 制造PLA/CCB复合材料,具有不同的CCB复合物 (0-10重量%).
- 使用Taguchi L27直角阵列对注塑成型参数 (温度,速度,压力) 的系统评估.
- 使用ANOVA分析机械性能 (拉伸强度,扬模量,硬度).
- 实施和比较五种机器学习模型 (线性回归,SVR,RFR,梯度提升,XGBoost) 用于预测建模.
主要成果:
- 构成和注入温度被确定为影响拉伸强度和模量的最重要的因素.
- 构成是硬度的主要因素,贡献了78.3%.
- 梯度提升和XGBoost模型实现了所有机械性质的高预测精度 (R2>96%).
结论:
- 可以有效地利用CCB作为可持续的增强剂,以提高PLA生物复合材料的机械性能.
- 塔古奇设计,ANOVA和机器学习的结合为优化生物复合材料加工提供了一个强大的框架.
- 开发的方法有助于从废弃生物质中创建高性能,环保的可生物降解材料.
