利用CRITIC-MEW与生成对抗网络实现天然纤维复合材料的可持续性能优化

《Journal of Natural Fibers》：Sustainable Performance Optimization of Natural Fiber Composites Using CRITIC-MEW and Generative Adversarial Networks

　　

在天然纤维增强摩擦复合材料的优化过程中，CRITIC–MEW（Criteria Importance Through Intercriteria Correlation–Multiplicative Exponential Weighting）方法论作为一种稳健且客观的多准则决策（MCDM）工具，有助于系统性解决问题并支撑决策。为克服实验数据集稀疏带来的限制并提升预测建模能力，研究人员采用生成对抗网络（GANs）生成合成数据，借此扩展设计空间并强化优化流程。本研究探讨将CRITIC–MEW与GAN进行协同整合以提升复合材料性能，并针对机械性能与可持续性，提出优化天然纤维复合材料的结构化策略。GAN生成的数据有效捕捉了复合材料属性间的底层分布与相关性，从而产生更可靠且一致的预测结果。实验结果显示，黄麻（jute）纤维增强体的百分比显著影响性能变化。尽管在测试配方中，J10K1配方展现出优异的剪切强度，但综合考量所有物理、机械及物理标准的CRITIC–MEW分析指出，含5 wt.%黄麻与15 wt.%洋麻（kenaf）（J5K15）的复合材料，才是最均衡且整体最优的配方。

论文解读：利用CRITIC-MEW与生成对抗网络实现天然纤维复合材料的可持续性能优化

研究背景与意义

全球低碳制造转型加速了对植物纤维增强聚合物复合材料（Natural Fiber Composites, NFCs）的关注，其兼具低密度、可再生性与成本效益，且具备有竞争力的比强度与比刚度。传统摩擦复合材料常使用石棉（因致癌性被淘汰）、玻璃、钢、碳等矿物或合成纤维。天然纤维（如黄麻、洋麻、亚麻、大麻、剑麻、椰壳、香蕉纤维）成为环保替代方案，尤其适用于汽车刹车片（非石棉有机，NAO）等摩擦复合材料。然而，天然纤维的亲水性、纤维-基体界面相容性、各向异性及工艺敏感性，使得复合材料设计天然成为多目标权衡问题：刚度/强度、密度、吸水率、热稳定性、可制造性及可持续性指标间存在冲突。单一指标优化不足以指导配方决策。此外，实验试错成本高、数据集稀疏，限制了设计空间的探索与预测模型的鲁棒性。在此背景下，研究人员将客观多准则决策方法与数据驱动增强技术结合，以系统化、可复现地优化天然纤维摩擦复合材料配方。论文发表于《Journal of Natural Fibers》。

主要关键技术方法

研究人员以酚醛树脂为基体，以黄麻与洋麻为增强纤维，固定其余9种组分（芳纶浆粕、PAN、岩棉、氧化铝、石墨、蛭石、钛酸钾、重晶石等）比例，仅调整黄麻（5、10、15 wt.%）与洋麻（对应15、10、5 wt.%）总量保持20 wt.%，通过压缩模压制备摩擦复合材料。对黄麻进行甲醛/苯（1:1）浸泡24 h及18%氢氧化钠处理、清洗、烘干、定长定径；洋麻采用日晒与球磨处理。样品依据ASTM与ISO标准制样与表征：密度（ASTM D792-00，阿基米德法）、吸水率（JIS D 4418/ASTM D570，23°C水浸24 h）、热导率（ASTM E1461-01）、硬度（Shore D, ASTM D2240）、剪切强度（ASTM D1002）、压缩强度（ASTM D3410）。在此基础上，研究人员采用两大核心技术：1）CRITIC-MEW多准则决策框架——通过CRITIC法从数据本身计算各性能指标（密度、吸水率、热导率、硬度、拉伸、压缩、剪切强度）的客观权重（考虑对比强度与指标间相关性），再通过乘性指数加权（MEW）将归一化后的多属性聚合为单一性能指数，抑制关键属性短板，识别平衡最优而非单指标极值；2）条件表格式生成对抗网络（Conditional WGAN-GP, CTGAN风格）——以黄麻%、洋麻%为条件，用小批量多层感知机（MLP）生成器与判别器，在63条实测副本数据（3配方×7属性×3重复）上训练，合成6300条保持物理边界与属性相关性的虚拟样本，将真实与合成数据融合后重新计算CRITIC权重并应用MEW，在密集配方网格上重新排序，以稳定权重、降低预测误差并细化最优区间。

研究结果

Materials and methods（材料与方法）

研究人员制备了三种配方：J5K15（5 wt.%黄麻+15 wt.%洋麻）、J10K1（10 wt.%黄麻+10 wt.%洋麻）、J15K5（15 wt.%黄麻+5 wt.%洋麻），其余酚醛基摩擦复合材料组分恒定。通过混合、热压（155°C, 15 MPa, 15 min带排气）、后固化（170°C, 3 h）制成试样，并按ASTM/ISO标准加工为力学与物理测试件。

Physio-mechanical characterization（物理-机械性能表征）

在23°C、52%相对湿度下测试，每种配方3个试样取均值。结果显示：J5K15在吸水率、剪切强度与压缩强度上较优；J10K1具较高剪切强度；J15K5硬度最高但压缩与剪切有所回落。随黄麻含量增加（J5K15→J15K5），Shore D硬度上升（76.8→81.6），与刚性木质纤维素纤维近表面约束有关；压缩强度非单调下降（约35→14 N/mm²），剪切强度先升后降（约21.5→22.3→20.8 N/mm²），可归因于高体积分数下纤维-基体界面粘接受限、吸湿倾向及载荷传递路径扰动。密度在1.43–1.45 g/cm³间波动，热导率在0.129–0.167 W/(m·K)，吸水率在0.11–0.14%。与商用及传统材料比：半金属与石棉摩擦材料硬度、剪切/压缩强度更高（半金属Shore D~120，压缩~132 N/mm²），但密度更大（~2.82–1.88 g/cm³）；黄麻-洋麻-酚醛复合材料密度更低、比强度更优，适合轻量化制动系统设计，其性能落在环保酚醛摩擦材料优化区间内。吸水响应反映木质纤维素亲水性，需借助碱/硅烷处理与富树脂表层密封以保障湿态制动可靠性。

Critic MEW optimization approach（CRITIC-MEW优化方法）

研究人员将性能属性区分为“望大特性”（热导率、硬度、拉伸/压缩/剪切强度）与“望小特性”（密度、吸水率），按公式归一化至[0,1]。通过CRITIC计算各指标客观权重（考虑标准差与指标间相关系数），再以MEW乘性聚合得到各配方综合得分。结果表明，黄麻掺量百分比是结果差异的主因。综合灰度关联系数与等级计算，J5K15的灰度关联等级最高（~0.75），为多指标平衡下的最优配方；J10K1相对靠后。CRITIC权重降低了冗余指标的过代表，MEW惩罚了关键属性过低者，避免以单一高强度换取高吸水或低压缩的配方被误选。

Generative adversarial networks approach（生成对抗网络方法）

研究人员以实测63条样本训练条件WGAN-GP（判别器:生成器更新比5:1，Adam lr=0.0002, β₁=0.5，梯度惩罚λ=10，批大小8，早停），生成6300条合成样本，合并为最终数据集（63真实+6300合成）。在扩展网格上用训练好的实+合成数据预测模型结合CRITIC-MEW重排。Top排名集中于黄麻~5–6 wt.%、洋麻~14–15 wt.%附近，与实测J5K15多准则优势一致。GAN驱动搜索显示微调至约J5.25K14.75可进一步提升加权指数，主要通过压缩-密度-吸水权衡。研究人员发现，引入GAN可将CRITIC权重稳定性提升约30–40%，预测误差降低约20–50%。

讨论与结论翻译

研究人员总结：将CRITIC-MEW途径与基于GAN的数据增强相结合，构成了天然纤维增强复合材料持续改进与优化的优选框架。在所有测试的材料组成中，含5 wt.%黄麻与15 wt.%洋麻（J5K15）的复合材料组合成为最均衡的复合材料，表现出最佳的耐吸水能力、剪切强度与卓越的压缩强度。CRITIC-MEW-GAN技术是一种可靠且可扩展的轻量高性能复合材料可持续设计方法。本研究通过条件WGAN-GP模型克服了小实验数据集的局限，合成了逼真的多属性数据集，保留了摩擦复合材料行为的物理边界与相关结构。合成数据与实验数据融合后用于训练预测MLP模型，从而在黄麻+洋麻=20 wt.%约束下实现设计空间的细粒度探索。增强优化揭示了一个靠近黄麻5.25 wt.%与洋麻14.75 wt.%的改进最优点，因其在拉伸强度、压缩性能、降密度、低吸水与稳定硬度间的协同作用，在扩展搜索空间中取得最高CRITIC-MEW得分。