基于两阶段机器学习的碳填充聚酰亚胺复合材料热机械性能优化
《Materials》:Two-Stage Machine Learning for Thermo-Mechanical Properties Optimization of Carbon-Filled Polyimide Composites
【字体:
大
中
小
】
时间:2026年08月29日
来源:Materials 3.7
摘要
高性能碳填充聚酰亚胺(CF/PI)复合材料的合理设计面临加工参数、成分和界面效应之间复杂相互作用的挑战。本文通过两阶段加工和配方设计,实现了CF/PI复合材料的热力学与机械性能协同优化。利用实验数据集构建加工和成分数据集。开发了一种CatBoost模型,将热压参数与纯PI的拉伸强度(TS)相关联,从而实现加工条件的逆向优化,并对预测的加工窗口进行了定量实验验证(RMSE = 3.89 MPa)。在优化后的加工窗口内,进一步建立了基于XGBoost的成分-性能模型,对拉伸强度(TS)和热导率(TC)进行高通量筛选和多目标优化。为定量表征界面效应,引入碳填充与 sizing agent(CF/SA)的质量比作为成分衍生特征。模型解释表明,碳填充和石墨烯对热导率(TC)有正向贡献,但对拉伸强度(TS)有负面影响。值得注意的是,CF/SA > 2 的配方往往能实现更有利的拉伸强度-热导率平衡。对模型筛选的复合材料配方进行实验验证,证实了拉伸强度和热导率的预测趋势。这些发现表明,界面调控是平衡CF/PI复合材料力学强度和热传输性能的关键手段。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号