基于人工神经网络代理建模的PVA/PLA纳米纤维电纺优化及其在伤口愈合中的生物医学应用

本研究针对电纺PVA/PLA纳米纤维制备过程中参数优化耗时耗力的问题，通过整合Taguchi实验设计(DoE)与人工神经网络(ANN)代理建模技术，系统研究了针尖-收集器距离、流速和电压对纤维直径的影响。结果表明：流速是最关键参数，优化配置(A18B0.6C18)可获得直径127.6±19.8 nm的纳米纤维，其拉伸强度达3.2 MPa，水接触角37°，显著优于对照组。该研究为开发高性能伤口敷料提供了高效优化方法，ANN模型预测精度达R2=0.9925。

　　

在生物医学工程领域，开发兼具优异机械性能和生物相容性的伤口敷料材料一直是重大挑战。传统电纺纳米纤维制备过程存在参数优化效率低、实验成本高等瓶颈问题，特别是对于聚乳酸(PLA)和聚乙烯醇(PVA)这种优势互补的聚合物组合。PLA虽具有良好机械强度和生物降解性，但疏水性强且脆性大；PVA亲水性佳却机械性能不足。如何通过电纺工艺调控实现两者性能的完美平衡，成为亟待解决的科学问题。

针对这一难题，伊朗亚兹德伊斯兰阿扎德大学与英国曼彻斯特城市大学的研究团队创新性地将人工神经网络(ANN)代理建模技术与Taguchi实验设计相结合，系统研究了电纺参数对PVA/PLA(50:50)纳米纤维性能的影响。研究通过优化针尖-收集器距离(D)、流速(F)和电压(V)三个关键参数，成功制备出直径仅127.6 nm的纳米纤维，其性能显著优于常规制备条件。相关成果发表在《Scientific Reports》期刊，为智能优化生物材料制备提供了新范式。

研究采用多学科交叉的技术路线：首先通过Taguchi L₉(3³)正交阵列设计实验，考察三个参数在三水平下的组合效应；采用FE-SEM和ImageJ软件定量分析纤维形貌；通过DY30/31拉伸测试仪评估机械性能；利用接触角测量仪表征亲水性；最终建立包含12个隐藏层神经元的ANN模型，采用Levenberg-Marquardt算法进行训练，实现电纺参数的智能预测。

在"Nanofiber morphology and diameter"部分，SEM分析显示：最高电压(22 kV)、最大距离(18 cm)和最低流速(0.6 ml/h)组合(E7)产生最细纤维(127.6±19.8 nm)，而E3条件(10 cm,1.2 ml/h,22 kV)产生最粗纤维(307.6±57.5 nm)。频率分布图证实优化参数可显著改善纤维均匀性。溶剂系统采用DMF/丙酮(80:20)既保证溶解性又控制蒸发速率，是获得无珠纳米纤维的关键。

"Assessing the Taguchi and ANOVA approaches"章节通过信噪比(S/N)分析表明：流速贡献率达67.28%，是最关键参数；而电压影响最小(P>0.05)。回归模型R²达95.13%，验证了模型的可靠性。S/N比分析确定的优化组合(A₁₈B_0.6C₁₈)与正交阵列最佳条件(E7)略有不同，体现了多参数交互作用的复杂性。

"Confirmation test"验证实验显示：预测直径(100.8 nm)与实测值(106.3 nm)高度吻合，误差仅5.4%，证实ANN模型的准确性。优化后的纤维直径较初始条件降低21%，S/N比提高0.8 dB。SEM图像直观显示优化组纤维更细且分布更均匀。

"Mechanical properties"测试表明：优化组(A₁₈B_0.6C₂₂)纳米纤维拉伸强度达3.2 MPa，显著优于对照组(A₁₀B_1.2C₂₂)的1.8 MPa。这种机械性能的增强源于更小的纤维直径和更均匀的微观结构。

"Contact angle of water"测量显示：优化组接触角仅37°，表现出超亲水性；而对照组为72°。这种显著差异源于细纤维形成的更高比表面积和PVA的充分暴露，为细胞粘附创造了理想环境。

研究结论部分强调：该工作首次将ANN代理建模应用于PVA/PLA电纺优化，通过Taguchi L₉阵列大幅减少实验次数(从27次降至9次)。确定的最佳条件(18 cm距离、0.6 ml/h流速、18 kV电压)产生直径约100 nm的纳米纤维，兼具优异机械性能(3.2 MPa)和超亲水性(37°接触角)。这种智能优化方法不仅适用于伤口敷料开发，还可推广至其他生物材料制备领域。未来研究将纳入环境参数和更多材料变量，进一步提升ANN模型的普适性和预测精度。该成果为加速生物材料研发提供了高效可靠的计算实验平台，对推动个性化医疗具有重要意义。