通过极端梯度提升（Extreme Gradient Boosting, XGBoost）和敏感性分析，利用人工智能驱动对微钻孔碳点复合材料（micro-drilling carbon dot composites）进行建模和优化
《Engineering Applications of Artificial Intelligence》：Artificial intelligence-driven modeling and optimization of micro-drilling carbon dot composites via extreme gradient boosting and sensitivity analysis
编辑推荐：
碳点增强环氧树脂微钻削工艺优化及可解释AI框架研究，采用XGBoost回归建模与EFAST敏感性分析，确定工具直径和纳米填料含量为关键因素，多目标优化后复合可接受性达0.971，验证了AI框架的有效性。
Mohammad Baraheni | Mahan Karkhaneh | Erfan Agha Bagheri | Davood Ghanbari
伊朗阿拉克技术大学制造工程系
摘要
本文提出了一种可解释的人工智能框架，该框架利用极端梯度提升（XGBoost）回归算法对一种新型碳点增强环氧纳米复合材料的精密微钻削过程进行建模和优化。选择XGBoost算法是因为其在捕捉高维参数空间中的复杂非线性关系方面表现优异，能够实现推力、孔圆度和损伤面积的高预测精度（R2_test高达0.98）。全因子方差分析（ANOVA）从统计学上验证了加工参数的重要性，确定刀具直径是最主要的影响因素（p < 0.001），并揭示了关键的双因素交互作用。为了将这一预测模型转化为具有物理洞察力的工具，本文还整合了扩展傅里叶振幅敏感性测试（EFAST），从而超越了黑箱模型的限制，提供了稳健的、与模型无关的敏感性分析。这种混合方法量化了刀具直径和纳米填料含量作为主要影响因素，模型预测和统计事后分析均证实，1 wt%的碳点通过减少推力和损伤面积显著提高了材料的可加工性。这些由人工智能驱动的发现通过物理化学表征得到了验证，表明性能提升与基体-填料之间的相互作用改善有关。最后，对XGBoost模型进行的多目标优化确定了最佳参数（2500 rpm、10 mm/min、0.30 mm、1 wt%），复合材料的理想性能指数达到0.971。本文的主要贡献在于提出了这一经过验证的人工智能框架，展示了XGBoost结合严格的统计验证如何成为优化复杂制造过程的强大且可解释的核心工具。
引言
先进复合材料在航空航天、汽车和精密工程领域的迅速发展加剧了对高质量微加工特征的需求，这些特征要求几何精度高、结构完整性好且损伤最小（Baraheni等人，2024d, 2025；Deshmukh等人，2022）。添加了碳基纳米材料（包括碳纳米管（CNTs）、石墨烯纳米片和氧化石墨烯）的环氧复合材料因其改进的机械和热性能而受到广泛研究（Baraheni等人，2024a, 2024c；Bilisik和Syduzzaman，2021；Sharma等人，2022）。然而，尽管这些传统纳米填料在整体性能上有所提升，但它们往往存在团聚倾向和与尺度相关的限制，这影响了其可加工性，并可能在钻孔过程中引入新的挑战，如增加刀具磨损或损伤集中（Thakur和Singh，2023；Thakur等人，2025）。这些限制凸显了探索具有根本不同尺寸、功能和界面行为的替代纳米填料的必要性。
碳点（C-dots）作为一种新型的超微小碳纳米颗粒（2–50 nm），具有优异的分散性、可调的表面化学性质以及非晶/低晶态结构，能够促进环氧基体中的强界面结合（Kausar，2020；Saikia等人，2019）。它们丰富的官能团（如羟基、羧基、胺基）使其与聚合物树脂具有更好的相容性，并已被证明能够增强基体的韧性、界面粘附性和抗裂纹扩展能力（Chu等人，2019）。由于这些特性，碳点预计会以不同于碳纳米管或石墨烯的方式影响加工机制，例如通过实现更均匀的应力分布、促进能量耗散或作为纳米级润滑剂（Li等人，2024；Liu等人，2024；Zhang等人，2025）。然而，尽管在碳点的合成和功能应用方面取得了显著进展，但其增强环氧树脂的加工行为几乎尚未被探索，尤其是在微钻削条件下，此时刀具-材料相互作用与宏观尺度切割有本质不同。
聚合物复合材料的微钻削面临独特的挑战，这些挑战源于尺寸效应、微刀具刚度的降低以及对材料异质性的敏感性（Hojati等人，2024）。以往关于天然纤维复合材料（Singh等人，2021）、碳纤维增强聚合物（CFRPs）（Basso等人，2019）、混合层压板或航空航天级玻璃/环氧复合材料（Yal??n等人，2024）的微钻削研究一致表明，推力、进给率和刀具直径显著影响损伤形成、分层和圆度偏差。然而，这些研究主要关注传统或宏观尺度的增强材料，并未考虑具有独特化学和结构特性的新兴纳米填料（如碳点）如何改变微尺度切割机制。此外，大多数早期研究仅依赖于实验观察，未能建立纳米填料的物理化学特性与加工结果之间的定量联系。鉴于纳米颗粒分散性、界面结合和热稳定性对局部损伤机制的强烈影响，这一差距尤为突出（Yazman等人，2021）。
为了弥补实验上的局限性，机器学习（ML）技术，特别是集成方法，在建模非线性加工行为方面变得越来越重要。梯度提升方法（如极端梯度提升（XGBoost）在复合材料加工中实现了卓越的预测精度，优于传统的统计方法和替代ML模型（Chen等人，2024；Guo等人，2023；Suryawanshi和Behera，2024）。在复合材料的钻孔和车削过程中，XGBoost已被证明能够有效捕捉复杂的参数交互作用，同时保持计算效率（Biruk-Urban等人，2023；Gadagi等人，2024；Volety和Mani，2023）。此外，Tahmasbi等人（2025）的最新研究表明，XGBoost在微加工温度场预测方面具有很高的准确性，优于多种替代ML模型。尽管取得了这些进展，现有应用主要局限于传统的复合系统，如CFRPs、玻璃纤维增强聚合物（GFRPs）或天然纤维层压板，尚未有研究将XGBoost应用于碳点增强环氧树脂的微钻削过程建模。
此外，尽管ML模型可以准确预测结果，但它们常常因缺乏可解释性而受到批评。通过整合全局敏感性分析（如扩展傅里叶振幅敏感性测试（EFAST）可以解决这一限制，该方法能够提供每个输入变量对响应方差贡献的稳健、与模型无关的量化评估（Cukier等人，1978；Homma和Saltelli，1996；Saltelli等人，2000）。EFAST已成功应用于皮质骨的微铣削，揭示了影响力和温度的主要切割参数（Rabiee等人，2023）。然而，目前尚无研究将ML预测与EFAST敏感性分析结合应用于纳米复合材料钻孔的背景中，这对于理解碳点含量与进给率、主轴速度和刀具直径等加工参数之间的相互作用尤为重要。
综合来看，现有文献揭示了三个紧迫的科学需求：
首次研究碳点增强环氧树脂的微钻削行为，鉴于其与碳纳米管或石墨烯系统在界面和机械特性上的根本差异；
开发一种高精度、可解释的预测模型（基于XGBoost），能够捕捉推力、圆度偏差和损伤面积等非线性加工响应；
通过全局敏感性分析（EFAST）定量评估加工参数和纳米填料含量的相对影响。
为了解决这些差距，本研究结合了全因子实验、物理化学表征、XGBoost回归建模和EFAST敏感性分析，建立了首个用于预测和优化碳点增强环氧纳米复合材料微钻削的综合性框架。这种综合方法不仅具有高预测精度，还提供了物理上可解释的见解，有助于为下一代纳米复合材料材料的微加工条件进行明智的优化。
材料与方法
本研究中使用的环氧基体是一种市售的两组分系统，由双酚A的二甘醇醚（DGEBA）作为树脂和三乙烯四胺（TETA）作为硬化剂组成，按重量比10:1混合。碳点通过自下而上的水热法合成，使用柠檬酸（1.0 g）作为碳前驱体，乙二胺（0.34 mL，335 μL）作为氮掺杂剂，溶解在10 mL的去离子水中。该混合物搅拌15分钟
物理化学分析
本文介绍了碳点增强环氧复合材料的物理化学表征，重点关注影响其钻孔应用性能的关键特性。使用SEM观察了合成碳点的形态和尺寸分布。如图4所示，碳点呈现球形至半球形形态。从SEM分析得出的相应粒径分布直方图证实，粒径主要集中在
结论
本研究通过系统实验、先进的物理化学表征、基于XGBoost的机器学习和EFAST全局敏感性分析，对碳点增强环氧复合材料的微钻削性能进行了综合分析。碳点掺入环氧基体的过程通过SEM、TEM、XRD、FTIR和TGA得到了验证，证实了合成成功、纳米级分散均匀以及基体-填料间相互作用的增强。
CRediT作者贡献声明
Mohammad Baraheni：撰写、审稿与编辑、方法论设计、数据整理。
Mahan Karkhaneh：软件开发、实验设计、数据整理。利益冲突声明
我声明据我所知，本文的内容是我们自己的工作成果。本文未用于任何学位申请。
我保证本文的智力内容是我们自己的劳动成果，并已承认在准备本文过程中所获得的所有帮助和来源。
