《Polymer Composites》：An Integrated Statistical and Machine Learning Framework for Predicting the Dry Sliding Tribological Behavior of CFRP and GFRP Composites Under Environmental Aging and Loading Conditions
编辑推荐：
准确预测纤维增强聚合物复合材料的摩擦学行为对于评估其在不同服役条件下的性能至关重要。研究人员提出了一种集成统计与机器学习的框架，用于分析碳纤增强聚合物（CFRP）与玻纤增强聚合物（GFRP）复合材料在不同环境条件、老化时长与施加载荷下的干滑动摩擦学行为。研究基
准确预测纤维增强聚合物复合材料的摩擦学行为对于评估其在不同服役条件下的性能至关重要。研究人员提出了一种集成统计与机器学习的框架，用于分析碳纤增强聚合物（CFRP）与玻纤增强聚合物（GFRP）复合材料在不同环境条件、老化时长与施加载荷下的干滑动摩擦学行为。研究基于已发表的60组观测数据，采用探索性数据分析、四因素方差分析（ANOVA）与五种机器学习算法展开分析。模型性能通过超参数优化、嵌套交叉验证、重复k折验证与留一法交叉验证（LOOCV）评估，并借助特征重要性与SHAP分析进行解释。老化时长被识别为影响特定磨损率（SWR）的主导因素，而摩擦系数（COF）主要受增强纤维材料影响。梯度提升（Gradient Boosting）在SWR预测中表现最优，线性回归与岭回归在COF预测中最可靠。ANOVA与可解释机器学习结果一致，揭示了具有物理意义的预测关系。该框架集统计推断、预测建模与可解释性于一体，支持摩擦学评估与数据驱动的工程决策。
研究背景与问题提出
聚合物基复合材料（PMCs）因高比强度、耐腐蚀与轻量化广泛应用于海工、汽车、航空航天等领域，但长期暴露于腐蚀环境、润滑油、海水及机械载荷下，其摩擦学性能会因复杂退化机制逐渐劣化，长周期可靠性评估成为工程难点。特定磨损率（SWR）与摩擦系数（COF）是评价耐磨与摩擦行为的关键指标，同时受材料类型、环境暴露、老化时长与载荷多因素交互影响。既往研究多偏重实验表征或单一预测精度，缺乏同时量化统计贡献、构建严谨验证预测模型并以可解释机器学习揭示物理机制的集成框架，统计显著性、预测能力与物理解释间关系尚不充分。为此，研究人员基于前期已发表的CFRP与GFRP实验数据库（n=60），建立统一分析工作流，桥接经典统计推断与可解释人工智能。
主要技术方法
研究人员采用二次分析路径：数据源于前期VARTM工艺制备编织CFRP/GFRP层板后经海水、机油、柴油及室温老化（0、30、60、90天）与10/15/20 N载荷下销盘干滑动试验的60条观测；统计端执行四因素ANOVA（含材料×环境等二维交互，用偏eta平方与百分比贡献度量方差）；机器学习端构建线性回归、Lasso、Ridge、随机森林与梯度提升，在交叉验证管道内做One-Hot编码与缩放，以GridSearchCV结合嵌套5折CV、重复10折CV及LOOCV防泄漏，用MSE/RMSE/MAE/MAPE/R2评估，并以特征重要性与SHAP解释最优模型。
研究结果
3.1 描述统计与数据分布
EDA显示SWR随老化呈升势且CFRP整体低于GFRP，COF受环境介质调控（机油最低），SWR与COF弱负相关系数r=-0.25。
3.2 ANOVA结果与交互作用
SWR模型中老化天数贡献75.63%（p<0.001）、环境14.40%、载荷1.91%，材料主效应不显著（0.03%），材料×环境交互显著（p=0.0333）；模型R2=95.74%。COF模型中材料主效29.96%（p<0.001）、环境28.33%、老化18.01%、载荷9.99%，材料×环境交互显著（p=0.0032）；模型R2=92.96%。残差诊断（Shapiro-Wilk、Breusch-Pagan、Durbin-Watson、Cook距离）满足正态性、同方差、独立与无强影响点假设。
3.3 机器学习模型性能
基线设定下SWR以梯度提升最优（R2=0.765，MAPE=6.57%），COF以随机森林最优（R2=0.799）；嵌套CV下SWR仍由梯度提升领先（R2=0.780，RMSE=0.263），COF转为线性回归与岭回归最优（R2=0.763/0.760，RMSE=0.033），树模型在小样本外折中泛化略降。
3.4 模型可靠性、残差与特征重要性
梯度提升对SWR的特征贡献为环境42.9%、老化36.8%、载荷11.8%、材料8.5%；线性回归对COF为材料54.1%、环境27.4%、载荷18.5%、老化≈0%。SHAP与ANOVA主导因子判断一致。
讨论与结论翻译
多因素ANOVA分解揭示了流体老化下复合材料摩擦学响应的机制二分：材料剥蚀（SWR）由时间化学退化（老化天数75.63%）与流体侵蚀主导，使纤维化学本身退居次位；摩擦阻力（COF）由接触界面力学主导，纤维晶格（29.96%）与流体润滑性（28.33%）控制边界膜形成。显著的材料×环境交互证明复合材料选型不能脱离服役流体介质独立评估——流体化学极性引发磨损稳定性交叉反转与摩擦调制。综上，长周期耐磨需工程化基体抗流体塑化化学抗性，摩擦优化则依赖按润滑体制裁剪纤维增强化学。该框架发表于《Polymer Composites》，以统计推断+可解释ML提供非过拟合决策工具，支撑复合材料选材、可靠性评估与预测性维护。
