进化遗传编程树模型预测绿色纤维机械性能以优化生物复合材料
神经与进化计算
2024-04-12 v1 材料科学
人工智能
摘要
先进的现代技术和工业可持续性主题推动了复合材料在各种工业应用中的实施。绿色复合材料是绿色产品的理想替代品之一。然而，为了正确控制绿色复合材料的性能，预测其组成成分的性能至关重要。本研究提出了一种创新的进化遗传编程树模型，用于基于几种固有的化学和物理性质预测天然纤维的机械性能。考虑了各种天然纤维的纤维素、半纤维素、木质素和水分含量以及微原纤角，以建立预测模型。在训练/测试阶段采用了一次留出法。开发了稳健的模型来预测天然纤维的抗拉强度、杨氏模量和断裂伸长率性能。结果表明，与其他考虑的性质相比，微原纤角占主导地位，能够决定天然纤维极限抗拉强度的 44.7%，而模型中纤维素含量的影响仅为 35.6%。这将有助于利用人工智能在无需实验努力和成本的情况下预测天然纤维的整体机械性能，从而促进为各种工业应用开发更好的绿色复合材料。
引用
@article{arxiv.2404.07213,
title = {Evolving Genetic Programming Tree Models for Predicting the Mechanical Properties of Green Fibers for Better Biocomposite Materials},
author = {Faris M. AL-Oqla and Hossam Faris and Maria Habib and Pedro A. Castillo-Valdivieso},
journal= {arXiv preprint arXiv:2404.07213},
year = {2024}
}