玄武岩纤维增强聚合物层压板中钻孔的轮廓与表面粗糙度分析：基于机器学习的统计分析及预测方法

《Journal of Manufacturing and Materials Processing》：Analysis of Profile and Surface Roughness of Holes Drilled in Basalt Fiber Reinforced Polymers Laminates: Statistical Analysis and Predictive Approach Based on Machine Learning

　　

摘要

石英纤维增强聚合物等纤维增强聚合物可用于那些常常需要组装的结构部件中。因此，钻孔后的表面质量尤为重要。研究使用了三种不同的工具对BFRP层压板进行钻孔，并通过光学系统分析平均粗糙度（Ra）、轮廓最大高度（Rz）、算术平均高度（Sa）以及最大高度（Sz）等参数来评估其轮廓粗糙度与表面粗糙度。然而，纤维断裂问题给表面粗糙度的光学测量带来了困难。通过统计分析，研究人员建立了一个线性模型来预测这些参数的值。对于Ra和Rz，拟合模型的变异系数分别为97.00%和95.58%；在进孔和出孔处，Sa的变异系数分别为91.74%和68.02%；而Sz在进孔和出孔处的变异系数则分别为86.08%和82.22%。此外，研究人员还运用了多种机器学习回归算法，通过不同的配置来建立主要粗糙度参数的预测模型。这些方法使用了转速、进给速率和刀具作为特征，包括线性方法、高斯回归法、支持向量机以及决策树。同时，还有经过优化的神经网络也被用于同一目的。在测试的实验范围内，这些方法对某些粗糙度参数的预测结果较为理想。尽管不同类型的钻头上所有参数的表现都类似，但锥角为120°的钻头能得到更好的预测结果。