集成实验设计与机器学习框架：用于预测聚氨酯纳米金刚石复合材料在紫外线作用下的力学性能变化

《Scientific Reports》：Integrated experimental design and machine learning framework for predicting UV influenced mechanical properties in polyurethane nanodiamond nanocomposites

　　

摘要

本研究探讨了紫外线（UV）照射对纳米金刚石（ND）增强聚氨酯（PU）纳米复合材料机械性能的影响。采用田口法（Taguchi method）系统地设计实验，并通过方差分析（ANOVA）来评估各因素的统计显著性和贡献百分比。实验中使用了L27正交阵列，研究了组分（纯PU、0.2 wt% PU/ND和0.5 wt% PU/ND）、UV暴露时间（0、200和400小时）、UV照射强度（1.0、1.20和1.40 W/m2）以及UV温度（40、50和60°C）对拉伸强度、杨氏模量和硬度的影响。结果表明，200小时的UV照射提高了所有样品的拉伸强度和杨氏模量，其中0.5 wt% PU/ND纳米复合材料的改善最为显著；然而，由于UV引起的表面降解，硬度随照射时间的增加而降低。方差分析结果显示，组分和UV暴露时间是影响最大的因素，分别对拉伸强度的贡献率为48.76%和17.58%，对杨氏模量的贡献率为40.21%和19.13%。对于硬度而言，UV暴露时间是主导因素，其贡献率为49.6%。研究人员开发了包括线性回归、人工神经网络和高斯过程回归在内的机器学习模型进行预测，其中高斯过程模型的预测精度最高，其R2值分别为0.99、0.95和0.98（对应拉伸强度、杨氏模量和硬度）。这些发现凸显了PU/ND纳米复合材料在汽车零部件、机器人部件和航空航天结构应用中的潜力。