混合实验和机器学习方法,以优化微晶纤维素改性大麻/竹纤维复合材料的磨损磨损
S J Davis Hans1, M Muthukumaran2, K Kumaresan3
1Department of Mechanical Engineering, Jansons Institute of Technology, Coimbatore, India. s.j.davishans@jit.ac.in.
Scientific reports
|November 26, 2025
概括
微晶纤维素增强了大麻/竹混合复合材料的磨损耐磨性. 磨损距离,负载和纤维素含量显著影响磨损,随机森林模型准确预测性能.
科学领域:
- 材料科学 材料科学 材料科学
- 部落学 (tribology) 是一个学科.
- 复合材料 复合材料 复合材料
背景情况:
- 天然纤维复合材料为合成材料提供可持续的替代品.
- 了解磨蚀磨损对于优化复合材料在苛刻应用中的性能至关重要.
- 微晶纤维素 (μCC) 在聚合物复合材料中显示出作为增强填充剂的潜力.
研究的目的:
- 为了研究大麻/竹织物-用不同微晶纤维素 (μCC) 含量增强的环氧复合材料的磨损磨损行为.
- 为了评估μCC,施加负载和磨损距离对磨损的影响.
- 开发用于这些混合复合材料的磨损磨损的预测机器学习模型.
主要方法:
- 复合材料是使用压缩成型制造的,其重量为0-9%μCC.
- 磨损磨损测试是在干沙条件下按照ASTM G65指南进行的.
- 采用Taguchi L16设计,系统地研究工艺参数的影响.
- 机器学习模型 (线性回归,KNN,ANN,RF,GB,XGBoost) 用于预测和分析.
主要成果:
- 微晶纤维素 (μCC) 的结合提高了复合材料的硬度和承载能力,从而提高了耐磨性.
- 磨损距离 (44.08%),负载 (34.21%) 和μCC含量 (18.01%) 被确定为通过ANOVA影响磨损的重要因素.
- 随机森林模型表现出卓越的预测准确性 (R2=0.942) 与最小的误差 (RMSE=0.045).
- 特性重要性分析证实磨损距离是影响耐磨性的主要因素,其次是负载和μCC含量.
结论:
- 微晶纤维素有效地提高了大麻/竹混合复合材料的磨损耐磨性.
- 机器学习模型,特别是随机森林,提供精确的预测磨损磨损行为.
- 优化复合材料设计和加工参数,考虑到磨损距离,负载和μCC含量,是开发高性能,可持续材料的关键.
