基于机器学习数据驱动的热塑性硫化胶力学性能影响机理

发布时间:2025-08-31 | 来源:高分子材料科学与工程 | 分类:TPV | 作者:李淳孝1,马丽凤1,2

文中对热塑性硫化胶(TPV)的力学性能进行了深入研究,以解决其相对于传统硫化橡胶存在的弹性问题。TPV以其突出的可回收性和优良的回弹性在材料科学领域具有独特的优势,然而相对于橡胶仍面临弹性不足的问题。文中提出了一种综合的研究方法,即集成代表性体积单元(RVE)模型和机器学习方法,用以全面研究TPV的力学响应。应用支持向

文中对热塑性硫化胶(TPV)的力学性能进行了深入研究,以解决其相对于传统硫化橡胶存在的弹性问题。TPV以其突出的可回收性和优良的回弹性在材料科学领域具有独特的优势,然而相对于橡胶仍面临弹性不足的问题。文中提出了一种综合的研究方法,即集成代表性体积单元(RVE)模型和机器学习方法,用以全面研究TPV的力学响应。应用支持向量机(SVM)、卷积神经网络(CNN)和随机森林算法(RF)等机器学习模型对TPV的力学性能进行预测,并验证了模型的准确性。通过重要性分析和特征相关性分析,揭示了聚丙烯(PP)和三元乙丙橡胶(EPDM)的弹性模量比对TPV性能的重要影响,并提出了相应的调节理论。该研究对于理解和预测TPV材料性能有重要意义,为材料设计和工程应用提供了深刻见解。

返回资讯频道