مقدمه
مقاومت سایش یکی از ویژگی‌های حیاتی در پلییورتان‌های ترموپلاستیک (TPU) است که به‌ویژه در کاربردهایی مانند صنعت خودرو، کفش و دستگاه‌های پزشکی که دوام تحت فشار مکانیکی ضروری است، اهمیت دارد. روش‌های آزمون سنتی برای اندازه‌گیری سایش، مانند ISO 4649، زمان‌بر و نیازمند تجهیزات تخصصی هستند. به همین دلیل، این مقاله به معرفی یک چارچوب پیشبینی مبتنی بر یادگیری ماشین می‌پردازد که میتواند حجم از دست‌رفته سایش TPU را با استفاده از دادههای خواص مکانیکی و ساختاری استخراج‌شده از پایگاه داده CAMPUS تخمین بزند.
فهرست مطالب
روش‌ها
در این مطالعه از تحلیل همبستگی پیرسون برای انتخاب ویژگی‌های کلیدی نظیر مدولهای ویسکوالاستیک، استحکام کششی و پارگی، سختی Shore و چگالی استفاده شد. شش مدل رگرسیون نظارت‌شده توسعه و ارزیابی شدند: مدل خطی، چندجمله‌ای، درخت تصمیم، جنگل تصادفی، رگرسیون تقویت‌کننده گرادیان (GBR) و رگرسیون بردار پشتیبان (SVR). از میان این مدل‌ها، SVR بالاترین مقدار R² (۰.۷۹) را در دادههای آزمایشی به دست آورد، اما عملکرد ضعیف آن در آموزش نشان‌دهنده کمبود تناسب و حساسیت به پراکندگی داده‌ها بود. در مقابل، GBR پیشبینیهای پایدارتر و قابل‌اعتمادتری را ارائه داد و به R² معادل ۰.۷۲ و RMSE برابر ۵.۲ mm³ رسید.
نتایج
نتایج این مطالعه نشان‌دهنده پتانسیل الگوریتم‌های یادگیری ماشین برای مدلسازی روابط ساختار-ویژگی در الاستومرها است. این رویکرد یک جایگزین زمان‌بر و هزینه‌بر برای غربالگری اولیه گریدهای TPU ارائه می‌دهد و طراحی فرمولاسیون‌های مقاوم در برابر سایش را تسریع می‌کند.
بحث و نتیجه‌گیری
پیشبینی مقاومت سایش در پلییورتان‌های ترموپلاستیک با استفاده از یادگیری ماشین میتواند به صنعت کمک کند تا فرمولاسیون‌های بهتری برای کاربردهای مختلف توسعه دهند. این روش میتواند به‌ویژه در صنایع داخلی ایران که به دنبال بهبود کیفیت و دوام محصولات خود هستند، مؤثر واقع شود. برای اطلاعات بیشتر در زمینه پروژه‌های مرتبط، می‌توانید با گروه دانش بنیان خط تماس بگیرید: https://khatgroup.ir.
افزایش مقاومت سایش پلییورتان
برای بهبود و افزایش مقاومت سایش پلییورتان‌های خود، از تکنیک‌های یادگیری ماشین بهره‌برداری کنید. گروه خط آماده است تا در مراحل مشاوره، طرح پژوهشی و یا طرح صنعتی به شما کمک کند. برای تعریف پروژه‌های خود با ما در تماس باشید!
سوالات متداول
مقاومت سایش چیست و چرا اهمیت دارد؟
مقاومت سایش به میزان توانایی یک ماده در برابر سایش و خرابی مکانیکی اشاره دارد و در بسیاری از کاربردها از جمله خودرو و کفش اهمیت دارد.
یادگیری ماشین چگونه میتواند به پیشبینی مقاومت سایش کمک کند؟
یادگیری ماشین با تحلیل دادههای بزرگ و شناسایی الگوهای موجود، میتواند پیشبینیهای دقیقی در مورد خواص مواد ارائه دهد.
الگوریتم‌های استفاده شده در این مطالعه چیستند؟
این مطالعه از شش مدل رگرسیون شامل Linear، Polynomial، Decision Tree، Random Forest، GBR و SVR استفاده کرده است.
منابع و پیوندهای مرتبط
درباره منبع: این مقاله توسط سارا ذحمتکش، حامد اسماعیلی، آلفونسو تاوارس والریو و رضا رضوی در تاریخ ۱۵ تیر ۱۴۰۴ منتشر شده است.
