基于组成材料锚定的连续学习方法，用于多材料PETG/PC-ABS混合层压板的完整应力-应变预测

《Polymers》：Constituent-Material-Anchored Continual Learning for Full Stress–Strain Prediction of Multi-Material PETG/PC-ABS MEX Laminates

　　

摘要

由于最终性能取决于构成聚合物以及不同界面之间的质量与排列方式，预测通过材料挤出工艺制成的多材料零件的抗拉性能仍然十分困难。本研究提出了一种基于组成材料的、具有相意识功能的持续学习框架，用于预测PETG/PC-ABS层压板的完整应力-应变曲线。首先通过混合规则将实验测得的PETG和PC-ABS参考曲线进行结合，随后利用XGBoost残差模型，以应变、基准应力、机械相标签以及PETG厚度占比作为输入，学习点级校正值。验证过程中使用了5块PETG参考试样、5块PC-ABS参考试样、5块C1层压板试样、2块C2类别外试样，以及针对每种模型推荐的1至3级架构各3块试样。仅依据极限拉伸强度的匹配度并不足以判断模型性能：2级架构在零样本测试下的极限拉伸强度误差仅为，但完整曲线下的均方根误差却高达。在引入第一种针对特定架构的试样后，C1类试样的均方根误差从降至，C2类试样的相应数值则从降至，1级架构的数值从降至，2级架构的数值从降至，3级架构的数值则从降至。因此，该框架为层压板筛选及抗拉曲线预测提供了一种数据效率高且易于理解的概念验证方案，不过要进一步提升其统计稳健性并扩展到其他加载模式，还需要更大规模的数据集。