Oral Presentation通过机器学习预测不同条件下PTFE复合材料的摩擦学性能
编号:199 访问权限:Participants Only 更新:2024-04-12 12:48:49 浏览:97次

2024-05-12 15:30

15min

[P] 第十四届全国青年表面工程学术会议 [F2B] 第二分论坛下午场

暂无文件

摘要
在这项研究中,利用数据挖掘结合有限的实验数据来建立适当的机器学习算法来探索摩擦过程并预测PTFE复合材料的摩擦系数和磨损率。分析了PTFE复合材料在不同工况下的磨损机理,并考察了温度、速度和载荷对摩擦学性能的影响。采用六种机器学习算法来研究多个输入参数和输出结果之间的相关性,其中Gradient Boosting Regression (GBR) 模型在预测磨损率方面实现了出色的精度,精度为 0.91。并且发现PTFE复合材料的性能主要受速度和温度的影响,而载荷的影响相对较小。因此,在材料使用工况选择过程中,建议优先考虑速度和温度的影响。这对我们后续的实验研究具有重大意义。
关键词
机器学习
报告人
高 瑜
中国科学院兰州化学物理研究所

发表评论
验证码 看不清楚,更换一张
全部评论