通过响应表面方法和机器学习模型优化和预测增材制造的PLA/GNP复合材料的机械性能
Sundarasetty Harishbabu1, Nashmi H Alrasheedi2, Borhen Louhichi3
1School of Mechanical Engineering, VIT-AP University, Besides A.P. Secretariat, Amaravati 522237, Andhra Pradesh, India.
Polymers
|November 13, 2025
概括
这项研究优化了3D打印的PLA复合材料与石墨烯纳米板块 (GNP),显著提高了拉伸强度和Young等机械性能.
科学领域:
- 材料科学与工程 材料科学与工程
- 增材制造 增材制造 增材制造
- 聚合物复合材料 聚合物复合材料
背景情况:
- 聚乳酸 (PLA) 是一种广泛使用的可生物降解聚合物,但其机械性能往往限制了其在苛刻的工程领域的应用.
- 石墨烯纳米板块 (GNP) 具有特殊的机械和电气性能,使它们成为聚合物复合材料的有希望的增强剂.
- 优化3D打印复合材料的加工参数对于实现所需的材料性能至关重要.
研究的目的:
- 研究石墨烯纳米板块 (GNP) 含量和3D打印参数对PLA复合材料的机械性能的影响.
- 开发和验证用于GNP增强PLA的机械性能的预测机器学习模型.
- 通过可解释的AI分析来确定影响机械性能的关键因素.
主要方法:
- 采用中央复合设计 (CCD) 来优化GNP含量 (0-5 wt.%),喷嘴温度,打印速度和层厚度.
- 在各种打印方向 (0°,45°,90°) 中评估了机械性能 (抗拉强度,扬模量,硬度).
- 用XGBoost和高斯过程回归模型进行预测,用K折交叉验证和SHAP分析进行验证和可解释性.
主要成果:
- 将5%的GNP纳入PLA导致了显著的改进:拉伸强度增加67%,Young的模量增加205%,硬度增加44%.
- 机器学习模型实现了高预测精度 (R2 > 0.99,MAPE < 4%),高斯过程回归显示出卓越的性能.
- SHAP分析确定了GNP组成和层厚度是影响机械性能最有影响的参数.
结论:
- 该研究成功优化了GNP增强的PLA复合材料,通过实验设计和机器学习的结合,提高了机械性能.
- 开发的预测模型为预测机械性能提供了可靠的工具,促进了材料设计和过程优化.
- 这种综合方法为推进3D打印复合材料在高性能工程领域的应用提供了一个强大的战略.
