人工智能与统计分析驱动的生物质/树脂环氧复合材料拉伸性能预测与优化

《Journal of Materials Research and Technology》：Artificial Intelligence and Statistical Analysis -Driven Prediction and Optimization of tensile properties in biomass/resin epoxy composites

　　

这项研究探索了以农业废弃物（核桃壳、杏仁壳和开心果壳颗粒）为增强体，重量分数为10%、15%和25%的环氧复合材料的拉伸行为。复合材料通过手糊法制备，力学性能根据ASTM D3039标准进行评估。扫描电子显微镜（SEM）分析显示，核桃复合材料中颗粒分散均匀且基体-填料粘附良好，而杏仁和开心果复合材料在较高填料含量下出现颗粒团聚和微孔洞。拉伸测试表明，核桃填充复合材料实现了最高强度（105.12 MPa）和延展性（应变约4.9%），而杏仁和开心果填料在中等填料含量时达到峰值强度，但由于界面缺陷导致伸长率降低。人工神经网络（ANN）准确预测了拉伸应力、应变和杨氏模量（Young's modulus），回归系数接近0.99，而响应面法（RSM）确定了填料类型、重量分数和横截面积的最佳组合，以最大化拉伸性能。这些结果表明，填料选择和填料含量对复合材料性能有重要影响，人工智能驱动的建模为预测和优化生物质增强环氧复合材料的力学行为提供了可靠工具。

**研究背景**

农业废弃物如核桃壳、杏仁壳和开心果壳在全球范围内大量产生，常被作为废物处理导致环境污染。利用这些废弃物作为聚合物复合材料的增强体，不仅为废物管理提供了可持续解决方案，还能减少对石油基材料的依赖。传统上，优化填料类型和含量依赖试错法，耗时且资源密集，且难以同时预测多变量影响。因此，研究人员引入人工智能（AI）技术（特别是人工神经网络（ANN））和统计方法（如响应面法（RSM））来高效预测和优化复合材料性能。本研究旨在系统评估三种农业废弃物填料对环氧复合材料拉伸性能的影响，并利用ANN和RSM建立预测与优化模型，为开发高性能环保复合材料提供依据。论文发表在《Journal of Materials Research and Technology》。

**主要关键技术方法**

研究人员采用手糊法制备了三种农业废弃物（核桃壳、杏仁壳、开心果壳）颗粒增强环氧复合材料，填料重量分数为10%、15%和25%，横截面积为100、110和120 mm²。拉伸性能按ASTM D3039标准测试，微观形貌通过扫描电子显微镜（SEM）观察。ANN模型采用3-9-3架构（输入层：横截面积、填料类型、填料重量分数；输出层：拉伸应力、应变、杨氏模量），使用Levenberg-Marquardt算法训练，数据按70%训练、15%验证、15%测试划分。RSM采用全因子设计，建立二次多项式模型，通过方差分析（ANOVA）评估因子影响。样本来源为农业废弃物（核桃壳、杏仁壳、开心果壳）。

**研究结果**

**3.1 Tensile test**：通过拉伸测试发现，核桃壳增强复合材料（Wb/epoxy）在25 wt%时达到最高拉伸强度（105.12 MPa）和较高应变（约4.9%），且延展性保持良好；杏仁壳（Ab/epoxy）和开心果壳（Pb/epoxy）复合材料在中等填料含量时强度达到峰值，但25 wt%时因界面缺陷导致应变显著降低（如Ab/epoxy为3.57%）。

**3.2 Morphological structure—SEM**：SEM观察显示，核桃壳复合材料中颗粒分散均匀，界面结合良好；而杏仁和开心果复合材料在较高填料含量下出现颗粒团聚和微孔洞，导致应力集中和界面脱粘，与拉伸性能下降相符。

**3.3 Regression Analysis Model Using ANN**：ANN回归分析显示，模型对拉伸应力、应变和杨氏模量的预测与实验数据高度一致，整体回归系数R分别约为0.903、0.938和0.911，表明ANN能有效捕捉非线性关系，但验证集因样本量少导致相关性系数（R）为NaN，需更大数据集提升泛化能力。

**3.4 Response surface methodology (RSM) analysis**：通过RSM的方差分析，建立了各力学性能的回归方程。对于拉伸应力，填料类型（B）影响最大；对于应变，填料重量分数（C）起主导作用；对于杨氏模量，横截面积（A）和填料类型（B）及其交互作用显著。模型拟合优度（R²均大于0.96）良好，残差分析验证了模型适用性。

**3.5 Comparison of ANN and RSM model predictions**：比较ANN和RSM预测值与实验值，两者均能准确跟踪实验趋势，但ANN在捕捉非线性变化方面略优于RSM，尤其在高和低数值点偏差更小。

**3.6 Quantitative sustainability metrics**：通过初步生命周期评估（LCA），以核桃壳/环氧（25 wt%）复合材料为对象，与纯环氧树脂相比，其全球变暖潜能值（GWP）降低约18%（3.21 vs 3.92 kg CO₂ eq/kg），累积能量需求（CED）降低约14%（78.5 vs 91.3 MJ/kg），但需注意湿热老化后强度下降12%，水吸收增加9%，表明环境耐久性需进一步优化。

**总结讨论**

研究结论部分翻译如下：本研究全面考察了三种农业生物质材料（核桃壳Wb、杏仁壳Ab、开心果壳Pb）在10%、15%和25%重量分数以及100、110和120 mm²横截面积下填充环氧复合材料的拉伸性能。实验结果表明，填料类型和含量显著影响力学性能。核桃壳增强复合材料（Wb/epoxy）表现出最高拉伸强度（25 wt%时达105.12 MPa）和延展性（应变约4.9%），这与SEM分析确认的均匀颗粒分散、强界面结合及最小微观缺陷相关。相比之下，杏仁壳和开心果壳复合材料在较高填料含量下（如Ab在25 wt%时应变约3.6%）因颗粒易团聚、形成微孔洞和局部脱粘，导致应力集中增加和载荷传递效率降低。ANN和RSM均能有效预测拉伸应力、应变和杨氏模量，其中ANN在捕捉非线性趋势方面精度略高，但受限于数据集规模，验证阶段出现NaN相关系数，表明需更大、更平衡的实验数据集以实现稳健泛化。RSM虽精度稍低，但提供了关于因子交互作用的统计信息，表明拉伸应力主要受填料类型支配，应变主要受填料重量分数支配，而杨氏模量受填料类型和横截面积共同支配。本研究存在局限性：填料重量分数上限为25 wt%，需通过更高含量实验验证；手糊法可能导致颗粒分散变异；预测模型仅针对拉伸性能，未涉及弯曲、冲击或疲劳性能。基于此，建议未来研究：探索混合生物质填料或纳米尺寸增强体；采用硅烷偶联剂等先进表面处理改善界面结合；应用人工智能建模预测热、湿热及长期老化性能；开展生命周期评估和成本效益分析以支持工业规模化。总体而言，本研究建立了稳健的AI驱动设计流程，用于开发基于农业废弃物的可持续高性能环氧生物复合材料，为在不牺牲力学性能的前提下实现环保结构材料提供了有前景的途径。